你的職業(yè)會被取代嗎？

涵雪

智能醫(yī)生小試牛刀

今年年初，智能醫(yī)生沃森在天津第三醫(yī)院與人類醫(yī)生共同問診，沃森只需10秒鐘即可為一名癌癥患者疹斷出病情并提供診療建議。在這10秒鐘內(nèi)，沃森閱覽和分析了超過300份全球最權(quán)威的醫(yī)學(xué)雜志、200余種教科書，以及1500多萬頁資料中的關(guān)鍵信息，根據(jù)這些信息做出診療方案后還將之翻譯成了中文。診斷結(jié)果與具有多年經(jīng)驗的醫(yī)生基本一致，很多人擔(dān)心，醫(yī)生這一職業(yè)會不會被人工智能所代替。

沃森是IBM開發(fā)的超級智能計算機，曾于2011年打敗美國競猜電視節(jié)目《危險邊緣》中的人類選手而一舉成名。參加競猜節(jié)目只是它小試身手，IBM對沃森這一項目野心勃勃，正在將它打造成各行各業(yè)的解決方案平臺，醫(yī)療健康只是其中之一。沃森的其他推薦項目有：針對銀行業(yè)的信用欺詐，監(jiān)測漏洞并預(yù)警；在教育上針對個體差異，為幼兒訂制學(xué)習(xí)方案；針對交通運輸，使管理變得高效靈活……沃森正在成為各個領(lǐng)域的專家。

最近幾年，從谷歌的無人駕駛汽車，到2016年打敗天下無敵手的圍棋程序阿爾法狗，還有臉書上的人臉識別技術(shù)（可以將某張照片上人臉標(biāo)記出來，并與這個人的賬戶關(guān)聯(lián)起來）以及沃森，人工智能都展現(xiàn)出了無與倫比的能力，科技巨頭們正在掀起一波又一波洶涌的人工智能的浪潮。隨著這股浪潮，專家預(yù)言人類的許多工作崗位會被機器搶走?；ㄆ煦y行和牛津大學(xué)預(yù)測，將來50%的人類職業(yè)都會被人工智能取代。

機器取代人類工作并非新聞，許多生產(chǎn)線的裝配機器人就取代了工人，亞馬遜倉庫的倉庫管理員也在前不久被倉庫機器人所取代。然而，以前被取代的多是重體力、高風(fēng)險的工作，而近來人們所預(yù)測將被取代的工作包括會計、記者、律師、醫(yī)生等這些專業(yè)領(lǐng)域的燒腦職業(yè)。究其原因，都是因為這一波人工智能應(yīng)用了一項關(guān)鍵性技術(shù)——深度學(xué)習(xí)。

機器學(xué)習(xí)遇上互聯(lián)網(wǎng)

了解深度學(xué)習(xí)就必須談到機器學(xué)習(xí)，機器學(xué)習(xí)是一種邏輯或數(shù)學(xué)算法，它模仿人類不斷通過經(jīng)驗學(xué)習(xí)和總結(jié)的思維過程，使計算機具有自行學(xué)習(xí)或訓(xùn)練的能力。

如果采用編程的方式創(chuàng)建計算機的某種功能，運行的每個細(xì)枝末節(jié)都需要人為編寫指令。但有些功能人類不知道如何編程，例如地面上一個物體究竟是一片枯葉還是一塊石頭，無人駕駛汽車就需要具有這種識別能力來決定是否繞行。這對人類大腦而言輕而易舉，但如何使電腦也具有這樣的識別能力？人類很難用編程方式解決。

1956年，美國工程師亞瑟?塞繆爾也遇到了這個難題，他想讓電腦跟自己下國際象棋，但怎樣編程才能讓電腦下贏自己呢？塞繆爾因此開創(chuàng)出一種算法，讓電腦與自己對戰(zhàn)幾千局來學(xué)會下棋，這就是機器學(xué)習(xí)，塞繆爾因此被譽為“機器學(xué)習(xí)之父”。他的這臺電腦后來打敗了美國康涅狄格州的象棋冠軍。

實際上，在機器學(xué)習(xí)誕生之初，這一技術(shù)曾一度擱淺，問題出在計算機速度和數(shù)據(jù)量有限。隨著計算機和互聯(lián)網(wǎng)的加速發(fā)展，速度和數(shù)據(jù)瓶頸消失，機器學(xué)習(xí)開始施展拳腳。20世紀(jì)90年代，機器學(xué)習(xí)開始進入人們的視野，一開始它只是執(zhí)行一些簡單的任務(wù)，如評估貸款申請的信用風(fēng)險，通過識別手寫的郵政編碼檢索郵件。而最近幾年，機器學(xué)習(xí)進入了它的黃金時代。最先用機器學(xué)習(xí)取得商業(yè)成功的案例是谷歌搜索引擎，通過算法可以準(zhǔn)確地檢索信息；亞馬遜、網(wǎng)飛這些購物或影視網(wǎng)站也采用機器學(xué)習(xí)的算法投其所好地向用戶推薦產(chǎn)品；臉譜網(wǎng)、領(lǐng)英網(wǎng)等社交網(wǎng)站則利用機器學(xué)習(xí)告訴用戶誰可能是你的朋友；機器學(xué)習(xí)同樣也是沃森強大的一個原因。

深度學(xué)習(xí)，勢不可擋

機器學(xué)習(xí)中最閃耀的明星就是深度學(xué)習(xí)。它是機器學(xué)習(xí)的進階，模仿人類神經(jīng)多層級的網(wǎng)絡(luò)結(jié)構(gòu)，是機器學(xué)習(xí)中較復(fù)雜的算法，訓(xùn)練的效果也更精確，而且學(xué)習(xí)過程可以不需要監(jiān)督。阿爾法狗、面部識別、無人駕駛汽車都是深度學(xué)習(xí)廣為人知的應(yīng)用成果。

深度學(xué)習(xí)除了自學(xué)能力無與倫比，其學(xué)習(xí)的效果更令人震撼，其能達(dá)到的專業(yè)度可以遠(yuǎn)遠(yuǎn)超過開發(fā)者自身，甚至不需要開發(fā)者有相關(guān)知識背景。試想，圍棋智能軟件阿爾法狗的開發(fā)者德米斯·哈薩比斯下棋能下過阿爾法狗嗎？在一個叫Kaggle的數(shù)據(jù)建模平臺上，有人組織了一場自動藥物研發(fā)比賽，多倫多大學(xué)研發(fā)團隊設(shè)計的運算打敗了所有國際學(xué)術(shù)團隊，而最不可思議的是，這個團隊中沒有一人有化學(xué)、生物或生命科學(xué)的專業(yè)背景，卻在兩個星期內(nèi)贏得了比賽。

當(dāng)然，還有工作速度。Kaggle上的一次比賽項目是為當(dāng)?shù)貙W(xué)校設(shè)計一個算法評判高中作文，獲勝的算法不僅評分與老師評分一致，而且速度是人類無法企及的。一個語文老師在40年職業(yè)生涯中可能閱評1萬篇作文，但運用深度學(xué)習(xí)的計算機在短短幾分鐘之內(nèi)就可以閱評百萬篇作文。

理論上講，只要提供足夠的數(shù)據(jù)和訓(xùn)練時間，計算機就可以成為某方面的專家。提供足夠多的醫(yī)療數(shù)據(jù)，計算機就能看?。惶峁┳銐蚨嗟馁~目和審計案例，計算機就能成為專業(yè)的審計員；提供足夠的合同樣本，計算機就能成為出色的律師；還有翻譯、繪畫、撰稿、倉庫管理……難怪專家們紛紛預(yù)言未來的許多工作會被機器搶走。

然而，機器并非無所不能，有一類工作即使是深度學(xué)習(xí)也無法搶走的。

開創(chuàng)未來還是要靠人類

機器學(xué)習(xí)很難解決新問題，即人類涉足不多、未曾反復(fù)接觸過的情形或領(lǐng)域中的問題。機器學(xué)習(xí)的局限就在于它需要從大量已知的數(shù)據(jù)中總結(jié)經(jīng)驗。人類則可以突破這種局限，把看似毫不想干的事物聯(lián)系起來，形成新的觀念，或者解決新問題。

美國物理學(xué)家珀西·斯賓塞曾在二戰(zhàn)中從事雷達(dá)的研究工作，他發(fā)現(xiàn)磁控管將他的巧克力融化了。由此，他把對電磁輻射的認(rèn)識延伸到烹飪，從而發(fā)明了微波爐。類似這種人類創(chuàng)新的例子比比皆是，牛頓看到掉落的蘋果發(fā)現(xiàn)了萬有引力；醫(yī)生愛德華·詹納發(fā)現(xiàn)擠奶女工從未得天花，把牛痘與天花的防治聯(lián)系到一起，從而發(fā)明了天花疫苗；還有電腦、手機、互聯(lián)網(wǎng)的誕生，政治體系的構(gòu)建，金融機構(gòu)的創(chuàng)立，一切人類文明都是通過人類這種聯(lián)想思維創(chuàng)建的，不然，我們還處在茹毛飲血的社會。然而，機器在這一方面無能為力，至少目前是這樣，人工智能還沒有發(fā)展到會真正地思考。

因此，未來某種職業(yè)是否會被機器取代，取決于這一工作是否涉及創(chuàng)新能力，是否是重復(fù)的、大批量的任務(wù)。審計員和律師的工作雖然專業(yè)化程度非常高，需要持證上崗，但這兩種職業(yè)的日常工作有相當(dāng)大的一部分屬于重復(fù)性、大批量工作，這一部分可由機器取代。另一部分創(chuàng)造性和研究性的工作則仍然需要人類審計員和人類律師來做，如研究稅收結(jié)構(gòu)和執(zhí)行無先例的訴訟程序。產(chǎn)品推銷雖然可以借助機器學(xué)習(xí)來針對性地推薦產(chǎn)品，但營銷方案仍然需要研究消費者心理，尋找新的突破以突出產(chǎn)品賣點，產(chǎn)品開發(fā)仍然需要尋找市場上的空白區(qū)域，這都需要人類來做。

因此，機器的智能化無疑會使就業(yè)難度增加，就業(yè)門檻增高，但社會的前進仍然需要人類自身來推動，只要你是真正具有開創(chuàng)性的人才，你的工作就不會被機器搶走。