中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

人工智能會「搶」走我們的工作么？本文作者并未對AI技術(shù)算法進(jìn)行深入的探討，而是從宏觀視角上為各位勾勒一幅AI的全景圖。enjoy~

上周，DeepMind團(tuán)隊研發(fā)的新一代人工智能棋手阿法元（AlphaGo Zero）以100比0的比分擊敗了其師兄阿法狗，掀起了一陣人工智能的熱潮。

以線性思維為主導(dǎo)的人類似乎本能的對非線性增長的事物抱持著恐懼。

新一代阿法元僅以4個TPU（專為機器學(xué)習(xí)而定制的CPU芯片），花了3天時間，且在無師自通、左右手互搏練習(xí)的方式下，就輕松擊敗了48個TPU花了幾個月時間，“吃”了3千萬棋局的師兄阿法狗。

這個進(jìn)步無疑又是指數(shù)級的。當(dāng)然，也嚇得我趕緊暫時擱下研究中的專題，臨時先行研究了下人工智能（下文簡稱AI，即Artificial Intelligence人工智能的縮寫）。

本文就不深入探討AI技術(shù)算法的探討，而是從宏觀視角上為各位勾勒一幅AI的全景圖，即：

• 人工智能到底發(fā)展到什么程度了？
• AI能力的本質(zhì)是什么？它能做什么、不能做什么？
• 還能像上世紀(jì)90年代互聯(lián)網(wǎng)行業(yè)一樣給到我們一次發(fā)橫財?shù)?strong>機會么？
• 最后，是否會跟我們搶飯碗，取代現(xiàn)實中的大量工作？
• 換句話說，對我們長遠(yuǎn)職業(yè)規(guī)劃及個人能力發(fā)展的啟示有哪些？

我們先來科普下，資本家、媒體們近年談的不亦樂乎的人工智能到底是何方神圣？

一、目前人工智能的能力本質(zhì)剖析

人工智能的概念可以追溯到1950年?，F(xiàn)代計算之父阿蘭·圖靈在他的論文《計算機械與智能》中首次提出一個問題“機器能否思考么？”

1955年，編程語言LISP發(fā)明者約翰·麥卡錫提出用“人工智能”定義該領(lǐng)域。

最初，借鑒人腦的神經(jīng)網(wǎng)絡(luò)技術(shù)備受青睞，但由于當(dāng)時計算機的運算速度有限，這種技術(shù)在19世紀(jì)60年代即被遺棄。

很快，“基于知識”的技術(shù)取代了神經(jīng)網(wǎng)絡(luò)。

這個技術(shù)的核心是將人類知識體系進(jìn)行編碼，然后讓系統(tǒng)基于這些知識“猜”（推理）出問題的“答案”。

然而，人類知識體系非常龐大，完全進(jìn)行編碼不切實際，基于知識的AI于19世紀(jì)90年代再次碰壁。至此，AI的研究再次進(jìn)入“寒冬”。

直至2011年，IBM的“沃森”打敗智力競賽節(jié)目《危險邊緣》的人類冠軍。AI再次喚醒了世人的想象。

而這一屆AI的核心技術(shù)是基于神經(jīng)網(wǎng)絡(luò)的“深度學(xué)習(xí)”。

這個技術(shù)詞匯經(jīng)常出現(xiàn)在我們視野中，但它的描述卻非常不親民，程序猿的世界一般百姓搞不懂，我試著用人話簡單的描述下：

深度學(xué)習(xí)，即是給AI指定一個規(guī)則（比如下圍棋規(guī)則），然后“喂”它各種數(shù)據(jù)（歷史棋局），在它“學(xué)習(xí)棋局”的過程中給予回饋，像教熊孩子一樣，錯了打屁屁，對了獎糖果，做的題越多，AI下棋的成績越能接近我們的期望。

而最新阿法元是通過舊棋局生成新棋局的方法“自己喂養(yǎng)自己”，無需依賴“人工棋局”，即所謂的“左右手互博，無師自通”。

2011之后發(fā)生的標(biāo)志性事件都是大家所熟悉的了：

2012年“谷歌大腦”項目實現(xiàn)以非常低的錯誤率在海量圖像中識別貓

2014年斯坦福大學(xué)開發(fā)出機器視覺算法，可以對圖像的信息進(jìn)行描述

2016年大家記憶猶新的谷歌阿法狗戰(zhàn)勝人類圍棋冠軍

2017年10月阿法元“無師自通”打敗了上一代的阿法狗

……

由于諸多媒體及江湖人士的“鼓吹”，對AI不明覺厲的大眾理所當(dāng)然的認(rèn)為，AI已經(jīng)越來越具備類似人類的“生物式”思考力，目前跟人的區(qū)別，不過像小孩子跟大人的區(qū)別一樣。

按照這種速度發(fā)展，“小孩子”還會快速長大，而人類貌似并無多大的成長空間了。那么，AI終將很快取代多數(shù)人類的工作貌似是水到渠成的事兒。

但事實真的會照這個劇本上演么？

解開這個謎題的關(guān)鍵在于，AI取得的進(jìn)步到底是漸變式成長，還是突破性提升。

所謂的漸變式成長，打個比方，就好像電腦硬盤從以前的16G上升到160G、320G、1T……等等，這種純粹“效率”層面的提升。

而突破性提升即是指，整個經(jīng)典計算機（即現(xiàn)在的計算機體系，馮·諾依曼結(jié)構(gòu)）被量子計算機取代（基于量子物理理論的計算機，計算速度能實現(xiàn)超指數(shù)級提升）。

以此觀點，目前AI的發(fā)展是令人“既歡喜又憂傷”：因為就AI提出大半個世紀(jì)后，其發(fā)展依然屬于“漸變式成長”。

世界頂級AI專家斯圖爾特·羅素在阿法狗戰(zhàn)勝人類后的評價就三個字：“很失望?！?/p>

阿法狗的初衷是想知道，AI能否像人類那樣思考圍棋，從而為研發(fā)具有“通用思考力”的AI打下基礎(chǔ)。

但阿法狗取勝的方式卻仍是采用傳統(tǒng)的機器思維。

那么，AI的“機器思維”跟“人類思維”到底有著什么根本的區(qū)別？

當(dāng)下實現(xiàn)人工智能的算法名稱，比如神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、遺傳算法、進(jìn)化算法……聽上去非?！跋袢恕保ɑＨ耍?，但是，目前的人工智能最關(guān)鍵運作原理依然是“模式匹配”。

即基于大數(shù)據(jù)、搜尋、識別、統(tǒng)計、猜測（概率）的方式。

簡單來說，目前人工智能理解世界的核心方式依然是“識別”，這與人類理解世界的核心方式：“想象”、“推理”、“創(chuàng)造”、“情感判斷”有著本質(zhì)的區(qū)別。

比如：

一歲的孩子通過“玩積木蓋房子”就能明白“要穩(wěn)定的站立，雙腳必須一起發(fā)力”的道理。

而同樣的讓機器人“玩積木”學(xué)習(xí)，它最終也只能學(xué)會在快遞運輸業(yè)務(wù)中“搬運貨物”。

聰明如你應(yīng)該意識到了，“機器思維”由于只懂得“模式匹配”，因而它只能勝任某一具體的、“規(guī)則清晰”的工作。

一旦離開這個領(lǐng)域，它又需要人類AI科學(xué)家去“研究現(xiàn)實業(yè)務(wù)、編碼新規(guī)則、訓(xùn)練大量數(shù)據(jù)、海量測試……”這一開銷巨大的工程。

當(dāng)然，或者你會說，隨著業(yè)務(wù)規(guī)則化的熟練、學(xué)習(xí)算法的極度優(yōu)化，上述工程終將可以非常經(jīng)濟(jì)的實現(xiàn)。

那么，我姑且假設(shè)這個可能性成立，但是，這依然改變不了當(dāng)下的AI無法解決人類絕大多數(shù)核心事務(wù)的事實。因為——

AI無法具備“創(chuàng)造力”。也就意味著無法完成現(xiàn)世中最有價值的工作：創(chuàng)造“突破性解決方案”解決各種社會問題。

比如，在神創(chuàng)論統(tǒng)治世界的年代，人類受“水滴石穿”自然現(xiàn)象的啟發(fā)，最終卻能夠想明白，人類并非天神“變”出來的，而是從魚一路“進(jìn)化”過來的（達(dá)爾文進(jìn)化論）。

這對人工智能幾乎是個天方夜譚的能力了。

簡而言之，AI專家們在優(yōu)化算法方面確實取得了輝煌成果。但遺憾的是，在AI的最底層“運作原理”方面，離圖靈提出的“會思考”相去甚遠(yuǎn)。特殊用途的“思考”（機械思維）并非圖靈意義上的思考（人類思維）。

用量子物理學(xué)家David Deutsch的話來說，“（AI）越來越擅長假裝思考，與越來越接近于能夠思考，并不是一回事?！?/p>

談到這個份上了，我們就可以順勢引出人工智能的“強”、“弱”概念了。

「強人工智能」的核心是機器能真正具備思考能力（Can machine really think）, 而「弱人工智能」的核心是讓機器能智能化的解決問題（Can machine act intelligent）

與多數(shù)對AI抱持敬畏之心的朋友們想的略有不同，目前市面上絕大多數(shù)的人工智能并非具備「通用思考能力」的 強AI，而是屬于「弱」AI的范疇，即只能作為特殊用途的“思考”——畢竟它可實現(xiàn)、可實用化、商業(yè)投資回報周期短，無可厚非。

那么，是否弱人工智能就真的很“弱”，對我們的工作、生活沒法產(chǎn)生重大影響呢？

那倒不是。

二、弱人工智能的應(yīng)用：機會？還是搶飯碗？

按照前面的論述，AI并沒有預(yù)想的那般神通廣大啊，那為何眼下AI會炙手可熱到如此地步呢？

理由很簡單：

對資本家而言，有利可圖；

對投機者而言，有機可趁；

對尋常百姓而言，有話可吹。

時下的AI雖然與人類思維有本質(zhì)區(qū)別，但它也有人類不具備的“超人優(yōu)點”：計算速度快、沒有情感、可以做任何人都不愿意做的事情。

這意味著，只要符合下述四大特征的領(lǐng)域，就是AI的必然“入侵領(lǐng)域”。

此處我建議大伙兒結(jié)合自身工作的實際情況對照下，如果你的工作符合下述四大特征，那么強烈建議各位“務(wù)必預(yù)先鋪設(shè)后路”。

1、該領(lǐng)域規(guī)則明確、唯一、穩(wěn)定

比如家庭清潔。規(guī)則很明確：教會AI識別“需要清理的物品”與“不能清理物品”的區(qū)別，清理的范圍，判斷需要清理的時機……此外，家庭清潔的事務(wù)非常穩(wěn)定，不會說今天需要清理垃圾，明天就改成布置家居了。

2、該領(lǐng)域市場潛力巨大

當(dāng)然，并非規(guī)則唯一、穩(wěn)定的事情都會轉(zhuǎn)化成AI產(chǎn)業(yè)。

比如，陪伴跑步的機器人。我想沒有多少人會為了“找個人一起跑步”而去購買價格不菲的機器人吧。

縱然是較為簡單的領(lǐng)域，例如，消費者偏好決策支持AI，哪怕有現(xiàn)成的海量真實消費數(shù)據(jù)，將之實現(xiàn)商業(yè)化至少需要動輒數(shù)億資金以上（這還不考慮諸多政策法規(guī)的阻礙）。

所以，沒有個百億以上規(guī)模的潛在經(jīng)濟(jì)效益的領(lǐng)域，不會在短期內(nèi)“AI”化。

3、該領(lǐng)域的作業(yè)工作“過程”沒有（或極少）人為介入

按照前面兩大特征，規(guī)則明確、市場潛力大，我想各行各業(yè)都有非常多的“工作崗位”躺槍。比如客戶經(jīng)理、客服、醫(yī)生、教師、記者、初級程序猿……

但事實是，多數(shù)崗位都會非常安全。

因為他們在工作的“過程中”會涉及到大量跟“人打交道”，而“理解人類思維”恰恰是人工智能的弱項。

此外，“人”的參與會讓事情變得難以預(yù)測，而AI的優(yōu)勢發(fā)揮是處理高度可控的事情。

我們以初級程序猿為例。表面看，該領(lǐng)域市場潛力非常大（程序猿工資不菲），且規(guī)則明確、清晰（將業(yè)務(wù)需求轉(zhuǎn)化成代碼），但是，在獲取業(yè)務(wù)需求的過程中，存在大量與他人的“溝通、梳理思路、反復(fù)確認(rèn)”的事情，這些都不是弱AI擅長的。

但反過來，普通的文字工作者，比如某頭條那些低俗獵奇文章，由于在編寫過程不用與他人溝通，而是直接將文章結(jié)果呈現(xiàn)給用戶，所以這類工作是非常容易被AI取代的。

簡單來說，能夠“套路化”的事情就是AI最擅長的事情。

至此，我們可以基于上述三大特征對照下，自己的工作（或者目標(biāo)事業(yè)規(guī)劃）在可見的未來內(nèi)是否屬于“高危工作”：

• 規(guī)則清晰穩(wěn)定
• 市場潛力大（起碼百億級別）
• 工作過程（注意：不是工作結(jié)果）無需與人打交道

根據(jù)上述的簡單分析，我們可以初步判定下述行業(yè)的工作將大概率讓AI取代：

以數(shù)據(jù)統(tǒng)計、分析、校對為核心的數(shù)據(jù)工作者：

初級數(shù)據(jù)分析師、金融分析風(fēng)險應(yīng)對、市場分析精準(zhǔn)營銷、投資理財、初級會計、醫(yī)療門診……

*所謂“初級”指不具備“提出創(chuàng)造性方案從根本上解決問題”思維的人

以內(nèi)容搜尋、簡單重組為核心的內(nèi)容工作者：

律師助理、初級記者、泛娛樂內(nèi)容、科研助理、出版編輯、人力資源服務(wù)……

以律師助理為例，他的主要工作，搜集庭審上用作證據(jù)的文件，由機器來完成其成本將遠(yuǎn)低于律師的人工成本。

不涉及“情感化價值”的服務(wù)：

翻譯、安保、營養(yǎng)保健咨詢、商品售后、餐飲服務(wù)、各類收銀員、公共運輸服務(wù)、家政服務(wù)……

順帶一提，像空姐、心理咨詢等崗位，雖然技術(shù)上較容易“AI化”，但其核心價值之一是“為客戶提供情感體驗”，所以并不會很快被取代。

幸運的是，由于“取代大量普通勞動力”的領(lǐng)域容易造成失業(yè)率上升，會遇上不少政策阻力，因而“容易被AI取代”并不代表“馬上”被取代（但也只是時間問題）。

鑒于此，那些“人類不喜歡、不擅長”但卻能提升全民福祉的工作（這通常是全新的工作）反而是AI的“發(fā)力”區(qū)。

比如，需要更“敏銳”的感官才能勝任的事務(wù)：

體內(nèi)手術(shù)（通過小機器人植入實現(xiàn)）、犯罪預(yù)測（通過心跳、熱感應(yīng)實時監(jiān)測）

又比如，惡劣環(huán)境下（危險、高溫、潮濕、污染、骯臟）的各種作業(yè)：

自然資源開采、水下（天空、海洋）勘察、身體清潔、垃圾清理、災(zāi)害救助等等。

另外，人類機械化、個人化精細(xì)定制、仿生學(xué)、人類增強、也是人工智能的另一龐大領(lǐng)域：

讓微小的智能芯片、機器人“住進(jìn)”身體內(nèi)，隨時提供最佳的營養(yǎng)、運動建議，比如心臟起搏器、胰島素泵；

基于個人的思維特征提供最佳的教育服務(wù)；

根據(jù)個人收入及消費習(xí)慣提供最佳的理財服務(wù)等等；

又比如，讓缺陷身體器官再造（外骨骼），讓老年人擁有高質(zhì)量的生活；

或者將感官增強（視覺、嗅覺、聽覺）

……

事實上，以上多數(shù)領(lǐng)域的AI早已進(jìn)入研究，甚至有些已經(jīng)“試水”商用階段了。尤其是物流機器人、汽車及交通領(lǐng)域，此外，用于農(nóng)業(yè)、手術(shù)護(hù)理的新型工業(yè)機器人也將很快看到利潤。

相信大伙兒對當(dāng)今炙手可熱的AI發(fā)展已經(jīng)有了感性的認(rèn)知。

是否覺得AI給人一種不溫不火的感覺？

與時下媒體、廣大商業(yè)大佬們的觀點略有不同，李少加個人認(rèn)為，這一次的AI還遠(yuǎn)遠(yuǎn)達(dá)不到像“工業(yè)革命”、“互聯(lián)網(wǎng)革命”那種對社會帶來顛覆式影響的程度。

我的理由是：當(dāng)下AI過度依賴“數(shù)據(jù)”、依賴“量化”而愈發(fā)遠(yuǎn)離“人性”（情感），遠(yuǎn)離圖靈意義上的“會思考”。

當(dāng)下的AI，更多的是人類歷史線性思維的高效率版本。

至于AI之所以炙手可熱，其根源與社會文化停滯、與資本主義經(jīng)濟(jì)“碰壁”急需新的出路……等等宏觀因素關(guān)系甚大。

一些朋友留言就問，怎么學(xué)習(xí)AI？

其實我想說，先看清楚了產(chǎn)業(yè)本質(zhì)再考慮，人類史上的血淚史一再的證明：過猶不及。

過火的產(chǎn)業(yè)背后，“失智”的成分總是高于“智慧”。

但是，這并代表我們就不能從中找到些許“重大啟示”：尤其是對我們職場工作。

這是我們最后要討論的主題。

三、人工智能的隱喻：對我們職業(yè)規(guī)劃的威脅及啟示

雖然人工智能在“搶飯碗”上并沒有大眾預(yù)估的嚴(yán)重，但它的隱喻卻對我們的“自我提升”方向是個極具價值的啟示：

當(dāng)我們“提升個人能力時”千萬不要追求AI擅長的能力

這些會讓“人”急劇降低競爭力的「能力關(guān)鍵詞」包括：

• “套路”
• “記憶”
• “一勞永逸”
• “（純粹）效率提升”
• “重復(fù)”……

這就是為何我常?？嗫谄判母嬲]廣大運營從業(yè)者不要追求那些“表象、淺顯、立竿見影”（容易套路化）的能力：

比如“怎么吸引用戶眼球、怎么起標(biāo)題、怎么誘惑用戶、怎么迎合用戶胃口”。這些事情（滿足人類的低級需求）對于“深度學(xué)習(xí)”算法而言正是其優(yōu)勢所在。

不信？看下微軟機器人“小冰”，2016年出版了詩集《陽光失了玻璃窗》，此處摘錄其中一首小詩：

《塵?！?/strong>

作者：小冰（微軟機器人）

五分了藝術(shù)縱通

一去不返于古人

我曾孤獨地走入夢

在你的心靈

偉大的藝術(shù)為自有的一切

看不見古代的塵埃

曾經(jīng)在這世界

我有美的意義