智能机器人VS数据科学家：相互协作，而非排斥

【编者按】在信息时代下， 数据分析 对企业也越来越重要，可以帮助企业做出更好的决策。但是完全依靠人力来分析海量数据，其分析结果不仅慢，而且可能不精确。随着 人工智能 的发展，这在很大程度上提升了分析效率，但是在短期内还不会取代数据科学家。

本文从四个方面来阐释目前 机器人 不能取代数据科学家的原因：1）AI需要人类的判断力；2）AI类比计算机编程；3）AI与人相互协作，分工细化；4）AI增加对人才的需求，而非排斥。

本文来源于venturebeat.com，作者Vivian Zhang；由亿欧编译，编译作者张琦。

---

那些受数据驱动的公司正在收集大量的数据信息，而公司的决策也都依赖于对数据的分析。其中数据科学家在组织数据分析中扮演着重要的角色，从而得出极具价值的见解。因此，那些依靠数据驱动的企业非常需要数据科学家。

然而，随着机器学习和AI在工作中应用得越来越广泛，有人提出了数据科学家将会被AI取代，因为机器人正在用新型有效的方法来从事许多与数据科学相关的工作。但是，仅仅凭这一点就能断言数据科学家可以被AI取代吗？

整体而言，现在就预言数据科学家会被取代还为时尚早。虽然AI和深度学习技术多年前就出现了，但是这些新技术尚在起步阶段，还有很长的路要走。AI其实是直到近期才开始被追捧的。AI技术获得了 IBM 、 Google 、 Facebook 以及其他公司的支持。这些公司在不断尝试攻克AI技术难题并将其成果呈现给大众，因此AI得到了越来越多的关注。自此，这些公司也成为了AI技术的先驱者。

事实上，AI和机器学习依旧存在很大的局限性。例如，它们缺少组织任务的功能。而企业所需的组织数据分析工作非常复杂，AI和机器学习根本不能处理，这就意味着数据科学家是不可替代的宝贵资源。

数据科学家不仅可以通过分析数据得出结果，而且还能获取数据之外的答案。

然而，随着技术的进步，机器人是否有可能在不久的将来比数据科学家工作得更有效率呢？不会的。同时，很多人认为，AI如果要完全取代数据科学家的角色，首先必须能攻破大量的难题。目前，机器人扮演的只是辅助数据科学家的角色，并不能完全替代科学家，原因如下。

AI需要人类的判断力

将杂乱的原始数据处理为有序的、易于理解的数据的过程称为数据修改。这一过程中，AI机器人不能独立处理，仍然需要人为的判断。数据科学家不仅能够把原始数据转化为独到的见解，还会考虑到实际应用中出现的种种复杂状况。

虽然机器人可以帮助确定组织趋势，但是它们并不能明确具体数据对组织的作用，具体数据与组织的关系以及不同运算和未连接运算之间的关系。

我们正朝着自动化处理的工作方向迈进，因为我们需要机器人来帮助我们处理大量的数据解析和可视化工作，但是人类仍然保留着最重要的决策权。此外，人类还要为机器人编写处理数据的代码，直到这些简单的工作都能由机器人处理为止。

AI类比计算机编程

随着计算机编程语言的进步，逐渐淘汰了一些技术能力较差的程序员。但并没有削减编程工作岗位，相反从业人员却越来越多。而且，技术越来越高的程序员的加入，其行业竞争也越来越激烈。

在数据分析领域也类似。机器人来完成较低级别的工作，而专业人士来完成相对复杂以及难处理的工作。因此，低级任务自动化会是数据科学家的得力助手，而非对手。这样看来，新技术会削减工作岗位的论点是站不住脚的。相反的是，这项技术还将创造了新的就业机会，对具备高技能的人才需求越来越多。但倘若没有相应的高技能人才，这种技术将难以推行。

AI与人类互相协作，分工细化

机器人也许会自动收集和清理数据，但它们难以有独到的见解。从这些数据中分析出独到的见解需要大量的时间和专门的知识，因此目前对数据科学家的需求仍旧很大。

机器人与数据科学家相互协作，但是职责分工也会越来越细化。人工智能在自动化方面的优势可以为数据科学家节省在低级工作上面的时间，从而让他们能够将注意力集中在更多具有创造性和创新性的工作上去。

Gartner市场调研公司预测，数据科学家将成为人们发展的目标。不论在数据驱动的公司还是传统的公司，未来对数据分析人员的需求会越来越高，因此在这种转型中，将会催生众多数据科学家，从而更好地将商业智能和精细化分析统一运用到工作中。

AI增加对人才的需求，而非排斥

Glasswing Ventures的创始人Rudina Seseri表示：“现实是，这些新科技只增大了对人才空前的需求，使数据科学家和其他高素质劳动力都存在巨大的缺口。”

Forrester预测，到2025年，“认知时代”将在数据科学，机器人监控，自动化专业化和内容管理方面创造890万个新的工作岗位。现在比以往任何时候都更需要技术工作人员，而且在很长一段之间之内，他们也不会被机器人替代的。