酷应用

大咖 | 周涛：智能时代，哪些岗位火热，哪些岗位消亡

百家作者：大数据文摘 2017-08-10 12:27:14

授权转载自DataCastle数据城堡（DataCastle2016）

作者 | 周涛

丁酉年夏，汤维维把一群“杞人忧天分子”聚在四十度的上海，开展了一场指向未来智能时代的对话。

活动伊始，约翰.霍普克洛夫特[1]给我们讲了一个故事，说他小的时候，每一个电梯都有一个管理员，就是帮助升降电梯。因为美国电梯比较普及，因此这是一个大工种，但是后来电梯有了面板，只要按一个键就能控制电梯到指定的楼层。因此这个工种迅速就消失了，而且再也没有重新回到我们的视野中。

尤瓦尔·赫拉利的观点更加激进，他认为智能时代中只有1%的人类精英在做贡献，而这1%就足以养活整个世界。其余的99%或者没有贡献，或者作一些没有实际价值的假贡献（可能是为了安慰他们），可以被统称为“无用阶级”（useless class）。

尤瓦尔·赫拉利

那么，问题来了：“哪些岗位会成为那1%，而哪些岗位会面临被淘汰的危险？”这个问题对于我们每一个人都是重要的，因为即便我们自己难以在历史的速变中华丽转身，我们也绝不希望自己的下一代变成可有可无的那99%。

显而易见的是，一些简单、重复的体力劳动会被“机器代人、机器助人”的计划取代；不那么显而易见的是，一些需要高强度智力活动的受人尊重的金领行业，未来也可能饭碗不保。医生、律师、检察官、法官、教师……这些中流砥柱的行业都难以抵挡科技的冲击。

律师曾经是美国地位最高的职业之一，但是从2013年以来，初级律师（assistant lawyer）的岗位逐年下降，这是因为“大数据+人工智能”所形成的自动化工具代替了大量对当事人和当事企业的尽职调查工作[3]，而这曾经是初级律师主要的工作之一。

IBM Waston超级医生也是从2013年开始，陆续在一些专科方向给出了人工智能超过人类专家的诊断能力。尽管医疗领域利益关系的高度复杂性和谨慎监管的必要性使得该领域的变化来得比想象要慢，但是一个基本的共识是：“对于只需要医疗影像和检验检测数据就能作出的诊断的疾病，计算机的诊断水平迟早会超过人类”。

2016年，刘江教授[4]在中国创立了艾视医疗，并结合卷积神经网络深度学习模型和眼科医疗专家模型，建立了利用机器学习从眼片中自动筛查判断包括青光眼、白内障、各类眼底病变等十几种眼科疾病，其中大部分病种已经达到甚至超过了人类专家的水平。

让人吃惊的是，现在刘江教授的团队用小车带着4台每台十几万的拍眼片的设备，每个设备配两个人，奔波于各个社区，一个月可以筛查12000+人，发现了大量早期眼疾患者，把他们从失明的风险中拯救出来。各位读者想想，每月12000人的规模，放在传统的眼科医院要养活多大一个医疗团队，而现在十几个人就可以完成。这是因为，计算机基于图片做出诊断，只需要100+毫秒的时间，而我们眨一次眼睛，要200毫秒。

当你面对一个不到一眨眼功夫就能给出答案的对手，当你面对一个24小时不吃不喝不发脾气的工作狂，你的机会在哪里？

所以，我们所面临的劳动岗位危机不仅仅是针对生产线工人和建筑工人，而是包括了医生、律师、检察官、法官、教师、翻译官等等各种受人尊重的智力密集型岗位。当然，这些岗位里面真正直面风险的，还是那些比较低端的位置，因为单一简单的病情（例如白内障）和案件（例如酒驾）计算机就可以处理，但是复杂的病情和案情，在相当长的一段时间内还需要人类的专家。

但是，谁又不是从处理简单问题成长起来的呢？

未来到底会怎样，我们可能给不出一个非常精确的图景，但是我可以负责任的说，一个现在读小学的孩子，如果将来依然选择做医生、律师和翻译官（例如同声传译或者文档翻译），那么他未来的人生道路恐怕是很狭窄的。

那么，到底什么样的岗位能在“大数据+人工智能”的未来依然发光发热呢？我大致把它们归纳成五个类别，不一定准确，仅供参考。

第一、科学技术前沿。

科技的发展会到来劳动力结构的变化，不过如果你自己就处在科技的前沿，你就不会被时代所抛弃。例如你自己就是人工智能的大专家，那人工智能不太容易淘汰你，否则的话，这群专家就会一起断了人工智能的电。当然，不是一切科学家和技术专家都可以高枕无忧，只有那些位于前沿和富于创造性的人能够胜出，因为，计算机也正在开始学着当科学家[5]。

第二、文化艺术高地。

我想未来我们对于文化的热忱不会消失。机器人做主角的电影、机器人开办的演唱会、电脑制作的动漫作品固然也会受人欢迎，但是这绝对不是我们文化活动的全部，因为我们天然希望把自己和电影和电视剧中的人物连接起来，这就需要有血有肉的演员。不过，人工智能已经开始尝试作曲和写诗了[6]，所以未来能够受人青睐的艺术家，恐怕得拥有永不枯竭的创作灵感，不停推陈出新走在机器的前面，因为任何重复多次的模式都能够被机器掌握。

第三、组织协调领导。

一个城市的书记、市长，一家大企业的董事长、总经理，一个学校的校长、书记……如果要比纯智商，他们恐怕都比不上李世石和柯洁。但是当李世石和柯洁被AlphaGo战胜后，终其一生，他们可能都没有复仇的机会。因为，在一个边界清晰，规则简单，目标函数明确的围棋游戏中，人工智能战胜人只是时间的问题[7]。但是，在可预期的未来，计算机还做不了书记市长，做不了董事长做经理，做不了校长书记……这是因为这些职位需要面对复杂多变的环境，给出综合性的解决方案，并且没有可量化的目标函数。简而言之，计算机还做不了领导，所以，把自己或者我们的下一代培养成领导是一个不错的选择。

第四、人文关怀与人文价值。

有些工作需要人的亲自参与才能达到效果或者产生价值。例如通过语言和肢体的接触，让人远离恐惧和痛苦，获得快乐和幸福（哪怕是短暂的）。护士和护工、心理咨询师、月嫂和育儿嫂等等都是从事这类型的工作，所以即便医生这个岗位受到人工智能的冲击，护士和护工却安全得多。又比如很多奢侈品牌，标榜他们的产品都是杰出的工匠手工打造的，虽然我不明白在大规模、高精度机器生产的时代手工打造的意义在哪里，但是就像传销可以骗穷人，自然也有奢侈品文化可以征服有钱人。这些人的在场就带来价值的岗位，是很难因为技术的进展而被淘汰的。

第五、手握一技之长。

同样是厨师，西方做烘培可能被机器取代，但是中餐师傅可以屹立不倒。一项技艺，如果它流程很复杂，而且具有连贯性（例如做一道川菜，如果强行拆分成十几道工序并用机器替代其中四、五项，那么成本只会增加），又或者难以形成规模化市场（例如机器人也可以做糖画，但是这个市场太小了），那么这项技术工种就会有很大的概率在智能时代幸存下来。但是，这种幸存的技工不同于处于前沿的科学家和技术专家，后者是时代的弄潮儿，而前者不过是因为投入产出比或者多样性保护的考虑，才侥幸保留。

我妈妈以前在成都最好的中学之一——树德中学读书。她人既聪明，成绩又好。和她一起读书的同学，有几个考上大学的，后来的发展都很不错。

我曾经问妈妈为什么没有考虑去考大学，妈妈说她那个时候已经是国营粮油局的正式工人，而读了大学，最好的出路是什么，不也就是当个工人吗？何况，那个时候对于知识分子的政策还不稳定。

妈妈那个时候的工作是“管户”，也就是管理粮食户口（粮油本）。我想这恐怕是70年代末和80年代最炙手可热的工种吧。妈妈那个时候管理的辖区就包括了电子科大的老校区，我这里不点名了，但是电子科大的很多老先生，在那个特定的历史时代，都求妈妈办过事帮过忙。

我刚上小学的时候，粮票就不怎么用了；

我小学快毕业的时候，粮油本也不怎么用了；

我妈妈49岁的时候，就早早退休，实际上也就是提前下岗了。

回到40年前，如果历史给妈妈一个重新选择的机会，是读大学还是管粮食户口，我相信妈妈会选择读大学，这也毫无疑问是唯一正确答案（一个坏消息就是我妈妈就遇不到我爸爸，从而也就没有我来写这篇文章）。

但是，这个在四十年后看起来如此简单而没有争议的选择，在四十年前，对于处在历史转折变化中的人来说，却是混沌和迷茫的——一切的可能性都在蜿蜒交错，一切的道路都在铺陈衍生，未来通向何方，没有人真正知道。

同样的，今天我们也处在历史发生巨变的当口，不过这种变化的驱动力不是政策而是科技。我们今天的选择和判断，以及我们引导和帮助我们的下一代所作出的选择和判断，在四十年后来看，也许可以一清二楚地分类成或智慧或愚蠢的，但是我们并不知道我们今天是站在智慧的一侧，还是愚蠢的一侧。

我，以及生活在同一个时间维度上的所有人，其实都无法真正把握我们的未来。只是希望这篇小文章能够唤起大家对未来严肃的思考，从而有更小的概率，走进那条无法通向未来的死胡同里。

参考资料

[1] John Hopcroft生于1939年，现在快80岁了。1986年，他47岁的时候因为对算法和数据结构的奠基性的贡献获得了图灵奖（我认为最主要的贡献是二部分图的匹配算法，也就是Hopcroft–Karp算法）。2010年这位老兄又拿了冯.诺依曼奖。现在John很长时间都在上海交大致远学院工作，2016年获得了中华人民共和国友谊勋章（这个勋章牛到什么程度，大家可以自己百度一下）。我们曾一起申请过自然基金重点项目，但是竟然没有成功。

[2] Yuval Noah Harari是耶路撒冷希伯来大学的历史学教授。此人最近因为《人类简史》和《未来简史》两本书蜚声全球。我仔细拜读了他的两本书，确实水平不凡。

[3]数联铭品在2014年提出了动态尽职调查（dynamic due diligence, DDD）的概念，并通过整合各企业公开维度的数据，一键导出企业的尽职调查报告。对于大型企业，原来需要几个人一周才能完成的事情，现在计算机1秒数就完成了。尽管这个报告并不完全等同于律所定制化要求的案件尽职报告，但是80%以上的工作不需要人就完成了。

[4] Jimmy Liu，我在中科大少年班的亲师兄，国家千人计划专家，曾任新加坡国立眼科研究中心的Chief Scientist。Jimmy关于人工智能眼科诊断的论文很多，选一篇近期的代表性论文供大家参考：J. Cheng, F. Yin, D. W. K. Wong, D. Tao, J. Liu, SparseDissimilarity-Constrained Coding for Glaucoma Screening, IEEE Transactions onBiomedical Engineering , 62 (2015) 1395-1403.

[5]关于这方面最新的进展，有兴趣的读者可以看看下面三篇论文：M. Schmidt, H. Lipson, Distilling free-form natural laws fromexperimental data, Science 324 (2009) 81-85; S. L. Brunton, J. L. Proctor, J.N. Kutz, Discovering governing equations from data by sparse identification ofnonlinear dynamical systems, PNAS 113 (2016) 3932-3937; S. H. Rudy, S. L.Brunton, J. L. Proctor, J. N. Kutz, Data-driven discovery of partialdifferential equations, Science Advances 3 (2017) e1602614.

[6] Google Brain有专门的项目组专注于人工智能音乐创造，最近有4篇文章值得关注（为了方便大家下载，我直接给出arXiv的号码），分别是1611.02796，1611.03477，1611.09904和1703.10847，有兴趣的读者可以从下面网址下载机器创造的乐曲http://artsites.ucsc.edu/faculty/cope/mp3page.htm。关于机器人的现代诗集，大家可以看湛庐文化最近出版的《阳光失了玻璃窗》。关于机器人写古诗，大家可以关注一下清华大学孙茂松教授团队研制的“九歌”机器人。

[7]关于AlphaGo的算法思路和框架，可以看最近《自然》上的论文D. Sliver, et al., Mastering the game of Go with deep neuralnetworks and tree search, Nature 529 (2016) 484-489.

2017年7月《顶级数据团队建设全景报告》下载