智能時代：哪些崗位火熱，哪些崗位消亡

歡迎點擊「科學報」↑關注我們！

丁酉年夏，湯維維把一群「杞人憂天分子」聚在四十度的上海，開展了一場指向未來智能時代的對話。

活動伊始，約翰.霍普克洛夫特給我們講了一個故事，說他小的時候，每一個電梯都有一個管理員，就是幫助升降電梯。因為美國電梯比較普及，因此這是一個大工種，但是後來電梯有了面板，只要按一個鍵就能控制電梯到指定的樓層。因此這個工種迅速就消失了，而且再也沒有重新回到我們的視野中。

尤瓦爾.赫拉利的觀點更加激進，他認為智能時代中只有1%的人類精英在做貢獻，而這1%就足以養活整個世界。其餘的99%或者沒有貢獻，或者作一些沒有實際價值的假貢獻（可能是為了安慰他們），可以被統稱為「無用階級」（useless class）。

那麼，問題來了：「哪些崗位會成為那1%，而哪些崗位會面臨被淘汰的危險？」

這個問題對於我們每一個人都是重要的，因為即便我們自己難以在歷史的速變中華麗轉身，我們也絕不希望自己的下一代變成可有可無的那99%。

顯而易見的是，一些簡單、重複的體力勞動會被「機器代人、機器助人」的計劃取代；不那麼顯而易見的是，一些需要高強度智力活動的受人尊重的金領行業，未來也可能飯碗不保！醫生、律師、檢察官、法官、教師……這些中流砥柱的行業都難以抵擋科技的衝擊。

律師曾經是美國地位最高的職業之一，但是從2013年以來，初級律師（assistant lawyer）的崗位逐年下降，這是因為「大數據+人工智慧」所形成的自動化工具代替了大量對當事人和當事企業的盡職調查工作，而這曾經是初級律師主要的工作之一。

IBM Waston超級醫生也是從2013年開始，陸續在一些專科方向給出了人工智慧超過人類專家的診斷能力。儘管醫療領域利益關係的高度複雜性和謹慎監管的必要性使得該領域的變化來得比想象要慢，但是一個基本的共識是：「對於只需要醫療影像和檢驗檢測數據就能作出的診斷的疾病，計算機的診斷水平遲早會超過人類」。

2016年，劉江教授在創立了艾視醫療，並結合卷積神經網路深度學習模型和眼科醫療專家模型，建立了利用機器學習從眼片中自動篩查判斷包括青光眼、白內障、各類眼底病變等十幾種眼科疾病，其中大部分病種已經達到甚至超過了人類專家的水平。

讓人吃驚的是，現在劉江教授的團隊用小車帶著4台每台十幾萬的拍眼片的設備，每個設備配兩個人，奔波於各個社區，一個月可以篩查12000+人，發現了大量早期眼疾患者，把他們從失明的風險中拯救出來。各位讀者想想，每月12000人的規模，放在傳統的眼科醫院要養活多大一個醫療團隊，而現在十幾個人就完成了！

這是因為，計算機基於圖片做出診斷，只需要100+毫秒的時間，而我們眨一次眼睛，要200毫秒。

當你面對一個不到一眨眼功夫就能給出答案的對手，當你面對一個24小時不吃不喝不發脾氣的工作狂，你的機會在哪裡？

所以，我們所面臨的勞動崗位危機不僅僅是針對生產線工人和建築工人，而是包括了醫生、律師、檢察官、法官、教師、翻譯官等等各種受人尊重的智力密集型崗位。

當然，這些崗位裡面真正直面風險的，還是那些比較低端的位置，因為單一簡單的病情（例如白內障）和案件（例如酒駕）計算機就可以處理，但是複雜的病情和案情，在相當長的一段時間內還需要人類的專家。

但是，誰又不是從處理簡單問題成長起來的呢？

未來到底會怎樣，我們可能給不出一個非常精確的圖景，但是我可以負責任的說，一個現在讀國小的孩子，如果將來依然選擇做醫生、律師和翻譯官（例如同聲傳譯或者文檔翻譯），那麼他未來的人生道路恐怕是很狹窄的。

那麼，到底什麼樣的崗位能在「大數據+人工智慧」的未來依然發光發熱呢？我大致把它們歸納成五個類別，不一定準確，僅供參考。

第一、科學技術前沿。

科技的發展會到來勞動力結構的變化，不過如果你自己就處在科技的前沿，你就不會被時代所拋棄。例如你自己就是人工智慧的大專家，那人工智慧不太容易淘汰你，否則的話，這群專家就會一起斷了人工智慧的電。

當然，不是一切科學家和技術專家都可以高枕無憂，只有那些位於前沿和富於創造性的人能夠勝出，因為，計算機也正在開始學著當科學家。

第二、文化藝術高地。

我想未來我們對於文化的熱忱不會消失。機器人做主角的電影、機器人開辦的演唱會、電腦製作的動漫作品固然也會受人歡迎，但是這絕對不是我們文化活動的全部，因為我們天然希望把自己和電影和電視劇中的人物連接起來，這就需要有血有肉的演員。

不過，人工智慧已經開始嘗試作曲和寫詩了，所以未來能夠受人青睞的藝術家，恐怕得擁有永不枯竭的創作靈感，不停推陳出新走在機器的前面，因為任何重複多次的模式都能夠被機器掌握。

第三、組織協調領導。

一個城市的書記、市長，一家大企業的董事長、總經理，一個學校的校長、書記……如果要比純智商，他們恐怕都比不上李世石和柯潔。但是當李世石和柯潔被AlphaGo戰勝后，終其一生，他們可能都沒有復仇的機會。

因為，在一個邊界清晰，規則簡單，目標函數明確的圍棋遊戲中，人工智慧戰勝人只是時間的問題。

但是，在可預期的未來，計算機還做不了書記市長，做不了董事長做經理，做不了校長書記……這是因為這些職位需要面對複雜多變的環境，給出綜合性的解決方案，並且沒有可量化的目標函數。

簡而言之，計算機還做不了領導！所以，把自己或者我們的下一代培養成領導是一個不錯的選擇。

第四、人文關懷與人文價值。

有些工作需要人的親自參與才能達到效果或者產生價值。例如通過語言和肢體的接觸，讓人遠離恐懼和痛苦，獲得快樂和幸福（哪怕是短暫的）。

護士和護工、心理諮詢師、月嫂和育兒嫂等等都是從事這類型的工作，所以即便醫生這個崗位受到人工智慧的衝擊，護士和護工卻安全得多。

又比如很多奢侈品牌，標榜他們的產品都是傑出的工匠手工打造的，雖然我不明白在大規模、高精度機器生產的時代手工打造有個毛意義，但是就像傳銷可以騙窮人，自然也有奢侈品文化可以征服有錢人。這些人的在場就帶來價值的崗位，是很難因為技術的進展而被淘汰的。

第五、手握一技之長。

同樣是廚師，西方做烘培可能被機器取代，但是中餐師傅可以屹立不倒。

一項技藝，如果它流程很複雜，而且具有連貫性（例如做一道川菜，如果強行拆分成十幾道工序並用機器替代其中四、五項，那麼成本只會增加），又或者難以形成規模化市場（例如機器人也可以做糖畫，但是這個市場太小了），那麼這項技術工種就會有很大的概率在智能時代倖存下來。

但是，這種倖存的技工不同於處於前沿的科學家和技術專家，後者是時代的弄潮兒，而前者不過是因為投入產出比或者多樣性保護的考慮，才僥倖保留。

我媽媽以前在成都最好的中學之一—樹德中學讀書。她人既聰明，成績又好（從我的智商反推可知）。

和她一起讀書的同學，有幾個文革后考上大學的，後來都發達了。

我曾經媽媽為什麼沒有考慮去考大學，媽媽說她那個時候已經是國營糧油局的正式工人（我有個姐姐也是因為通過了國營單位招工，連高中都放棄了，而在當時這是讓人羨慕了），而讀了大學，最好的出路是什麼，不也就是當個工人嗎？

況且，那個時候對於知識分子的政策還不穩定，做學問的下場如何，媽媽看到的例子恐怕都是負面的。媽媽那個時候的工作是「管戶」，也就是管理糧食戶口（糧油本）。

我想這恐怕是70年代末和80年代最炙手可熱的工種吧。媽媽那個時候管理的轄區就包括了電子科大的老校區，我這裡不點名了，但是電子科大的很多老先生，在那個特定的歷史時代，都求媽媽辦過事幫過忙。

我剛上國小的時候，糧票就不怎麼用了；我國小快畢業的時候，糧油本也不怎麼用了。我媽媽49歲的時候，就早早退休了，實際上也就是提前下崗了。

回到四十年前，如果歷史給媽媽一個重新選擇的機會，是讀大學還是管糧食戶口，我相信媽媽會選擇讀大學，這也毫無疑問是唯一正確答案（一個壞消息就是我媽媽就遇不到我爸爸，從而也就沒有我來寫這篇文章）。

但是，這個在四十年後看起來如此簡單而沒有爭議的選擇，在四十年前，對於處在歷史轉折變化中的人來說，卻是混沌和迷茫的——切的可能性都在蜿蜒交錯，一切的道路都在鋪陳衍生，未來通向何方，沒有人真正知道。

同樣的，今天我們也處在歷史發生巨變的當口，不過這種變化的驅動力不是政治而是科技。

我們今天的選擇和判斷，以及我們引導和幫助我們的下一代所作出的選擇和判斷，在四十年後來看，也許可以一清二楚地分類成或智慧或愚蠢的，但是我們並不知道我們今天是站在智慧的一側，還是愚蠢的一側。

我，以及生活在同一個時間維度上的所有人，其實都無法真正把握我們的未來。只是希望這篇小文章能夠喚起大家對未來嚴肅的思考，從而有更小的概率，走進那條無法通向未來的死胡同里。

研究所想以後順利適應工作崗位這5種書不可不讀

一個剛工作博士的迷茫......

為什麼科研工作者不願意燒冷灶？

博士到底應該從事什麼職業？

博士畢業走上工作崗位，你要注意什麼？

請按下方二維碼3秒識別