人工智能会「抢」走我们的工作么？本文作者并未对AI技术算法进行深入的探讨，而是从宏观视角上为各位勾勒一幅AI的全景图。enjoy~

上周，DeepMind团队研发的新一代人工智能棋手阿法元（AlphaGo Zero）以100比0的比分击败了其师兄阿法狗，掀起了一阵人工智能的热潮。

以线性思维为主导的人类似乎本能的对非线性增长的事物抱持着恐惧。

新一代阿法元仅以4个TPU（专为机器学习而定制的CPU芯片），花了3天时间，且在无师自通、左右手互搏练习的方式下，就轻松击败了48个TPU花了几个月时间，“吃”了3千万棋局的师兄阿法狗。

这个进步无疑又是指数级的。当然，也吓得我赶紧暂时搁下研究中的专题，临时先行研究了下人工智能（下文简称AI，即Artificial Intelligence人工智能的缩写）。

本文就不深入探讨AI技术算法的探讨，而是从宏观视角上为各位勾勒一幅AI的全景图，即：

• 人工智能到底发展到什么程度了？
• AI能力的本质是什么？它能做什么、不能做什么？
• 还能像上世纪90年代互联网行业一样给到我们一次发横财的机会么？
• 最后，是否会跟我们抢饭碗，取代现实中的大量工作？
• 换句话说，对我们长远职业规划及个人能力发展的启示有哪些？

我们先来科普下，资本家、媒体们近年谈的不亦乐乎的人工智能到底是何方神圣？

一、目前人工智能的能力本质剖析

人工智能的概念可以追溯到1950年。现代计算之父阿兰·图灵在他的论文《计算机械与智能》中首次提出一个问题“机器能否思考么？”

1955年，编程语言LISP发明者约翰·麦卡锡提出用“人工智能”定义该领域。

最初，借鉴人脑的神经网络技术备受青睐，但由于当时计算机的运算速度有限，这种技术在19世纪60年代即被遗弃。

很快，“基于知识”的技术取代了神经网络。

这个技术的核心是将人类知识体系进行编码，然后让系统基于这些知识“猜”（推理）出问题的“答案”。

然而，人类知识体系非常庞大，完全进行编码不切实际，基于知识的AI于19世纪90年代再次碰壁。至此，AI的研究再次进入“寒冬”。

直至2011年，IBM的“沃森”打败智力竞赛节目《危险边缘》的人类冠军。AI再次唤醒了世人的想象。

而这一届AI的核心技术是基于神经网络的“深度学习”。

这个技术词汇经常出现在我们视野中，但它的描述却非常不亲民，程序猿的世界一般百姓搞不懂，我试着用人话简单的描述下：

深度学习，即是给AI指定一个规则（比如下围棋规则），然后“喂”它各种数据（历史棋局），在它“学习棋局”的过程中给予回馈，像教熊孩子一样，错了打屁屁，对了奖糖果，做的题越多，AI下棋的成绩越能接近我们的期望。

而最新阿法元是通过旧棋局生成新棋局的方法“自己喂养自己”，无需依赖“人工棋局”，即所谓的“左右手互博，无师自通”。

2011之后发生的标志性事件都是大家所熟悉的了：

2012年“谷歌大脑”项目实现以非常低的错误率在海量图像中识别猫

2014年斯坦福大学开发出机器视觉算法，可以对图像的信息进行描述

2016年大家记忆犹新的谷歌阿法狗战胜人类围棋冠军

2017年10月阿法元“无师自通”打败了上一代的阿法狗

……

由于诸多媒体及江湖人士的“鼓吹”，对AI不明觉厉的大众理所当然的认为，AI已经越来越具备类似人类的“生物式”思考力，目前跟人的区别，不过像小孩子跟大人的区别一样。

按照这种速度发展，“小孩子”还会快速长大，而人类貌似并无多大的成长空间了。那么，AI终将很快取代多数人类的工作貌似是水到渠成的事儿。

但事实真的会照这个剧本上演么？

解开这个谜题的关键在于，AI取得的进步到底是渐变式成长，还是突破性提升。

所谓的渐变式成长，打个比方，就好像电脑硬盘从以前的16G上升到160G、320G、1T……等等，这种纯粹“效率”层面的提升。

而突破性提升即是指，整个经典计算机（即现在的计算机体系，冯·诺依曼结构）被量子计算机取代（基于量子物理理论的计算机，计算速度能实现超指数级提升）。

以此观点，目前AI的发展是令人“既欢喜又忧伤”：因为就AI提出大半个世纪后，其发展依然属于“渐变式成长”。

世界顶级AI专家斯图尔特·罗素在阿法狗战胜人类后的评价就三个字：“很失望。”

阿法狗的初衷是想知道，AI能否像人类那样思考围棋，从而为研发具有“通用思考力”的AI打下基础。

但阿法狗取胜的方式却仍是采用传统的机器思维。

那么，AI的“机器思维”跟“人类思维”到底有着什么根本的区别？

当下实现人工智能的算法名称，比如神经网络、深度学习、遗传算法、进化算法……听上去非常“像人”（唬人），但是，目前的人工智能最关键运作原理依然是“模式匹配”。

即基于大数据、搜寻、识别、统计、猜测（概率）的方式。

简单来说，目前人工智能理解世界的核心方式依然是“识别”，这与人类理解世界的核心方式：“想象”、“推理”、“创造”、“情感判断”有着本质的区别。

比如：

一岁的孩子通过“玩积木盖房子”就能明白“要稳定的站立，双脚必须一起发力”的道理。

而同样的让机器人“玩积木”学习，它最终也只能学会在快递运输业务中“搬运货物”。

聪明如你应该意识到了，“机器思维”由于只懂得“模式匹配”，因而它只能胜任某一具体的、“规则清晰”的工作。

一旦离开这个领域，它又需要人类AI科学家去“研究现实业务、编码新规则、训练大量数据、海量测试……”这一开销巨大的工程。

当然，或者你会说，随着业务规则化的熟练、学习算法的极度优化，上述工程终将可以非常经济的实现。

那么，我姑且假设这个可能性成立，但是，这依然改变不了当下的AI无法解决人类绝大多数核心事务的事实。因为——

AI无法具备“创造力”。也就意味着无法完成现世中最有价值的工作：创造“突破性解决方案”解决各种社会问题。

比如，在神创论统治世界的年代，人类受“水滴石穿”自然现象的启发，最终却能够想明白，人类并非天神“变”出来的，而是从鱼一路“进化”过来的（达尔文进化论）。

这对人工智能几乎是个天方夜谭的能力了。

简而言之，AI专家们在优化算法方面确实取得了辉煌成果。但遗憾的是，在AI的最底层“运作原理”方面，离图灵提出的“会思考”相去甚远。特殊用途的“思考”（机械思维）并非图灵意义上的思考（人类思维）。

用量子物理学家David Deutsch的话来说，“（AI）越来越擅长假装思考，与越来越接近于能够思考，并不是一回事。”

谈到这个份上了，我们就可以顺势引出人工智能的“强”、“弱”概念了。

「强人工智能」的核心是机器能真正具备思考能力（Can machine really think）, 而「弱人工智能」的核心是让机器能智能化的解决问题（Can machine act intelligent）

与多数对AI抱持敬畏之心的朋友们想的略有不同，目前市面上绝大多数的人工智能并非具备「通用思考能力」的 强AI，而是属于「弱」AI的范畴，即只能作为特殊用途的“思考”——毕竟它可实现、可实用化、商业投资回报周期短，无可厚非。

那么，是否弱人工智能就真的很“弱”，对我们的工作、生活没法产生重大影响呢？

那倒不是。

二、弱人工智能的应用：机会？还是抢饭碗？

按照前面的论述，AI并没有预想的那般神通广大啊，那为何眼下AI会炙手可热到如此地步呢？

理由很简单：

对资本家而言，有利可图；

对投机者而言，有机可趁；

对寻常百姓而言，有话可吹。

时下的AI虽然与人类思维有本质区别，但它也有人类不具备的“超人优点”：计算速度快、没有情感、可以做任何人都不愿意做的事情。

这意味着，只要符合下述四大特征的领域，就是AI的必然“入侵领域”。

此处我建议大伙儿结合自身工作的实际情况对照下，如果你的工作符合下述四大特征，那么强烈建议各位“务必预先铺设后路”。

1、该领域规则明确、唯一、稳定

比如家庭清洁。规则很明确：教会AI识别“需要清理的物品”与“不能清理物品”的区别，清理的范围，判断需要清理的时机……此外，家庭清洁的事务非常稳定，不会说今天需要清理垃圾，明天就改成布置家居了。

2、该领域市场潜力巨大

当然，并非规则唯一、稳定的事情都会转化成AI产业。

比如，陪伴跑步的机器人。我想没有多少人会为了“找个人一起跑步”而去购买价格不菲的机器人吧。

纵然是较为简单的领域，例如，消费者偏好决策支持AI，哪怕有现成的海量真实消费数据，将之实现商业化至少需要动辄数亿资金以上（这还不考虑诸多政策法规的阻碍）。

所以，没有个百亿以上规模的潜在经济效益的领域，不会在短期内“AI”化。

3、该领域的作业工作“过程”没有（或极少）人为介入

按照前面两大特征，规则明确、市场潜力大，我想各行各业都有非常多的“工作岗位”躺枪。比如客户经理、客服、医生、教师、记者、初级程序猿……

但事实是，多数岗位都会非常安全。

因为他们在工作的“过程中”会涉及到大量跟“人打交道”，而“理解人类思维”恰恰是人工智能的弱项。

此外，“人”的参与会让事情变得难以预测，而AI的优势发挥是处理高度可控的事情。

我们以初级程序猿为例。表面看，该领域市场潜力非常大（程序猿工资不菲），且规则明确、清晰（将业务需求转化成代码），但是，在获取业务需求的过程中，存在大量与他人的“沟通、梳理思路、反复确认”的事情，这些都不是弱AI擅长的。

但反过来，普通的文字工作者，比如某头条那些低俗猎奇文章，由于在编写过程不用与他人沟通，而是直接将文章结果呈现给用户，所以这类工作是非常容易被AI取代的。

简单来说，能够“套路化”的事情就是AI最擅长的事情。

至此，我们可以基于上述三大特征对照下，自己的工作（或者目标事业规划）在可见的未来内是否属于“高危工作”：

• 规则清晰稳定
• 市场潜力大（起码百亿级别）
• 工作过程（注意：不是工作结果）无需与人打交道

根据上述的简单分析，我们可以初步判定下述行业的工作将大概率让AI取代：

以数据统计、分析、校对为核心的数据工作者：

初级数据分析师、金融分析风险应对、市场分析精准营销、投资理财、初级会计、医疗门诊……

*所谓“初级”指不具备“提出创造性方案从根本上解决问题”思维的人

以内容搜寻、简单重组为核心的内容工作者：

律师助理、初级记者、泛娱乐内容、科研助理、出版编辑、人力资源服务……

以律师助理为例，他的主要工作，搜集庭审上用作证据的文件，由机器来完成其成本将远低于律师的人工成本。

不涉及“情感化价值”的服务：

翻译、安保、营养保健咨询、商品售后、餐饮服务、各类收银员、公共运输服务、家政服务……

顺带一提，像空姐、心理咨询等岗位，虽然技术上较容易“AI化”，但其核心价值之一是“为客户提供情感体验”，所以并不会很快被取代。

幸运的是，由于“取代大量普通劳动力”的领域容易造成失业率上升，会遇上不少政策阻力，因而“容易被AI取代”并不代表“马上”被取代（但也只是时间问题）。

鉴于此，那些“人类不喜欢、不擅长”但却能提升全民福祉的工作（这通常是全新的工作）反而是AI的“发力”区。

比如，需要更“敏锐”的感官才能胜任的事务：

体内手术（通过小机器人植入实现）、犯罪预测（通过心跳、热感应实时监测）

又比如，恶劣环境下（危险、高温、潮湿、污染、肮脏）的各种作业：

自然资源开采、水下（天空、海洋）勘察、身体清洁、垃圾清理、灾害救助等等。

另外，人类机械化、个人化精细定制、仿生学、人类增强、也是人工智能的另一庞大领域：

让微小的智能芯片、机器人“住进”身体内，随时提供最佳的营养、运动建议，比如心脏起搏器、胰岛素泵；

基于个人的思维特征提供最佳的教育服务；

根据个人收入及消费习惯提供最佳的理财服务等等；

又比如，让缺陷身体器官再造（外骨骼），让老年人拥有高质量的生活；

或者将感官增强（视觉、嗅觉、听觉）

……

事实上，以上多数领域的AI早已进入研究，甚至有些已经“试水”商用阶段了。尤其是物流机器人、汽车及交通领域，此外，用于农业、手术护理的新型工业机器人也将很快看到利润。

相信大伙儿对当今炙手可热的AI发展已经有了感性的认知。

是否觉得AI给人一种不温不火的感觉？

与时下媒体、广大商业大佬们的观点略有不同，李少加个人认为，这一次的AI还远远达不到像“工业革命”、“互联网革命”那种对社会带来颠覆式影响的程度。

我的理由是：当下AI过度依赖“数据”、依赖“量化”而愈发远离“人性”（情感），远离图灵意义上的“会思考”。

当下的AI，更多的是人类历史线性思维的高效率版本。

至于AI之所以炙手可热，其根源与社会文化停滞、与资本主义经济“碰壁”急需新的出路……等等宏观因素关系甚大。

一些朋友留言就问，怎么学习AI？

其实我想说，先看清楚了产业本质再考虑，人类史上的血泪史一再的证明：过犹不及。

过火的产业背后，“失智”的成分总是高于“智慧”。

但是，这并代表我们就不能从中找到些许“重大启示”：尤其是对我们职场工作。

这是我们最后要讨论的主题。

三、人工智能的隐喻：对我们职业规划的威胁及启示

虽然人工智能在“抢饭碗”上并没有大众预估的严重，但它的隐喻却对我们的“自我提升”方向是个极具价值的启示：

当我们“提升个人能力时”千万不要追求AI擅长的能力

这些会让“人”急剧降低竞争力的「能力关键词」包括：

• “套路”
• “记忆”
• “一劳永逸”
• “（纯粹）效率提升”
• “重复”……

这就是为何我常常苦口婆心告诫广大运营从业者不要追求那些“表象、浅显、立竿见影”（容易套路化）的能力：

比如“怎么吸引用户眼球、怎么起标题、怎么诱惑用户、怎么迎合用户胃口”。这些事情（满足人类的低级需求）对于“深度学习”算法而言正是其优势所在。

不信？看下微软机器人“小冰”，2016年出版了诗集《阳光失了玻璃窗》，此处摘录其中一首小诗：

《尘埃》

作者：小冰（微软机器人）

五分了艺术纵通

一去不返于古人

我曾孤独地走入梦

在你的心灵

伟大的艺术为自有的一切

看不见古代的尘埃

曾经在这世界

我有美的意义

这是小冰在“学习”了五百多个现代诗人的作品后的成果。是的，尽管目前的弱人工智能压根不懂“阳春白雪”但并不代表它无法写出来。

而相比诗歌，那些烂大街的低俗故事（迎合人类的爬行动物脑），那些吸引用户的“套路”，规则更为简单，用AI来生产难度跟成本都更低。

我在研究人工智能时，也发现了一个有趣的现象，对它研究的越深，就越是能够逆向的鉴别——人类的哪些思维更“珍贵”。

至此，我基本上得出了如下几个确定性的结论：

即，无论是个人还是社会，哪些“能力”才是未来值得投入学习的“高价值能力”。

1、读懂机器思维的底层，能够基于业务重新构建机器模式的能力

这个能力尤其适合走“科研”路线的童鞋。

简单来说，就是把社会上一切具有AI化价值的领域逐步实现自动化的能力，尤其是，当AI出现问题时，能够随时接手，使之重新运作的能力（注意，这不是写代码，而是业务建模）。这部分的技术型人才未来会非常值钱。

当然，你觉得自己对“纯技术”兴致不大，那么下面的能力或许会更适合你：

2、理解和掌握全新的变化，以创造力参与其中构建新的价值

能够“自动化”（弱AI实现）的通常都是“重复的、无趣的”领域，随着人们在这些事务上的时间被释放，必然会引发文化意识的剧变、进而使人们对“商品价值”、对“消费”的观点产生“雪崩式”变化。

举个小例子，时下人们花几小时排队就为了省几十块；刷几个小时看那些批量生产的猎奇内容；或者对于一些艺术价值极高的游戏、创新价值极高的书籍，觉得几十块都嫌贵……

这些思想意识在不久的将来就会像“女人就必须裹脚”一般不可思议。

换句话说，价值观就像品味，任何微妙变化都永远不可逆转。在未来必将诞生大量全新的产业、问题与机会，而这些产业机会都将与“机械思维”无关（有关的都被AI化了）。

届时，能够对复杂事物变化敏感，能透过多元化思想提出跨界创新的解决方案、组织多层次协作的人将尤为抢手。

这类人表面上看属于“知识渊博”的人，但背后实质是创造力（猜想、批判、验证）非常强，能够读懂复杂系统背后的本质，而不是停留在学习“知识的表象”上。

这个话题很前沿也很深，「少加点班」将会在后续专题详细探讨。

3、人性洞察力、为他人提供“幸福感”的能力

自动化事务交由AI将彻底改变人们的价值观。相应的，未来的商业价值也会配套改变。

从社会的演化逻辑来看，未来企业必将会跟“社会贡献”强关联，那种依靠“钻法规漏洞”、“以污染文化”存活的企业将大量死去，而死去的原因根本不用等到法规的完善，而是人们价值观、伦理意识的变化：人们将鄙夷价值观扭曲的企业。

比如，使用“价值观扭曲”商家的产品、或者花时间在糟粕文化上……就好像在图书馆大声喧哗、在人群中吐痰一般，谁会做？

这意味着，未来的企业会大规模的向社会型企业转变。

因此，极具人性的创新化产品，那些为人们提供“幸福感”的产品将获得青睐。而提供这些产品（或服务）的能力因而变得更为值钱：

对人性的细腻洞察、丰富的情感（共情）、持续涌现新思想的创新思维。

这些能力无论是以现实中与人接触，还是在虚拟现实与人互动都弥足珍贵。

尾声

大众颇为恐惧（或期待）的AI是强AI，也被称为“超（人类）智能”。

实现超智能还非常非常遥远（我们其实应该庆幸）：

因为超智能必须具备的必要能力是“通用解释能力”（目前为止只有人类才具备），这是“创造新知识解决新问题”的基础。

解释这个问题涉及科目多，极端复杂，这里不展开。

但我们不妨用逆向思维可以简单的理解这个问题，假设“超智能”可以出现，那么它“优化自身的能力”结合机械的“效率优势”将被放大至近乎无限大……

这样的未来完全没有讨论的价值。

因此，我们不妨务实一点，看回弱AI本身吧。

弱AI的本质就是人类自身“机械思维”的高效率版本，它的演进路线就是将社会一切具有“自动化”价值的领域替换掉：

从经济效益最大、政策阻力最小的领域开始，在改进生产力的过程中也持续改进社会人文意识形态，而后者反过来又会改变AI的演化路线。

正因为如此，我们要特别警惕这一轮的弱AI革新，它以大数据为基础，意味着顶层参与者仅有为数不多的几个超级大公司。

如果他们没有善用这股力量，而是继续沿袭“机械思维”主导发展，后果不堪设想，这已经不是少数清醒却毫无资源的思想家们可以改变的了的局面。

西方资本主义的发展瓶颈已经预示了这一点：更高的物质阈值刺激出来的“幸福”需要永无止境的向自然资源施加压力。

Facebook前科学家Jeffrey Hammerbacher曾感叹道：

“我们这一代最聪明的大脑，没有花多少精力思考如何利用人工智能改善人们的生活，而是思考怎么让人们点击更多广告、消费更多、把物质欲点燃到极限……”

我们期待这个现状会在这个十年内改变，而投票权其实就掌握在各位手里。

专栏作家#

李少加，微信公众号：少加点班，人人都是产品经理专栏作家。《进化式运营》作者，“基于用户视角的用户养成运营框架”提出者，互联网商业独立研究者、运营管理专家。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Pixabay，基于 CC0 协议