绕路“人工智能”，才是志愿选择的明智之举

高考刚刚结束，即将开始的志愿填报成为了又一个社会关注的焦点。 在一些相关的社区、群组和论坛上可以发现，除常规的大学排名、专业难度、就业率等常规问题外，专业的长期发展潜力也成为被关注的重点。 飞速发展的 人工智能 技术也为人类出了一个新的难题：学什么，才不会被人工智能抢走“饭碗”？

不只 AI ，技术在让大多数工作“自动化”

其实，机器已经开始抢人类的工作了。

自一年前AlphaGo用五场比赛击败人类棋手李世石后，与人工智能相关的消息便在媒体圈层出不穷。金融、电商、翻译，对人类来说也门槛颇高的许多事物，都传出了机器超越人类的可能。甚至在 教育 领域也是如此，学霸君与准星云学两家企业的“高考 机器人 ”分别拿出了134分和105分的高考文科数学成绩。在做题方面，机器可能也已经超越了不少人类。

事实上，机器对人类工作的“替代”早已开始，其所用的技术甚至不只是人工智能。例如工业机器人Baxter，配有手臂，爪状手柄和带LCD面的头部，由rethinkrobotics公司推出。这架机器被用于取代重复但仍然未经过自动化任务的工厂线工人，比如将大型部件插入电路板。而Google的自动驾驶汽车和IBM的人工智能电脑Watson则告诉全世界，驾驶员与承担低阶工作的办公室白领可能就要在不久后被取代。

宏观数据从另一个角度说明了这一问题。在二十世纪下半叶的大部分时间里，美国产生的经济价值、国家的生产力与工人数量相辅相成。但是在2000年这两个措施开始分歧。从本世纪之交开始，生产力与总就业之间就有了一个差距。到2011年，这个三角洲大幅度扩大，反映了经济持续增长，但就业创造并没有增加。

不可否认的是，以 大数据 、人工智能为首的新一代技术，让“机器替代人工”变得更加显性。 2013年9月，牛津大学的卡尔.弗瑞（Carl Benedikt Frey）和迈克尔.奥斯本（Michael A.Osborne）发表了就业的未来（The Future of Employment）研究报告，调查各项工作在未来20年被及计算机取代的可能性。结果显示，日本有高达55%工作能被机器人替代，劳动密集型国家中国和印度则分别为51%和52%，美国、欧洲的比重则分别为46%、47%。

这份报告认为，在2033年，许多被熟知的职业将有大概率会最终消失：

电话营销人员和保险业务人员：99%

运动赛事裁判：98%

收银员：97%

厨师：96%

服务员：94%

律师助理：94%

导游：91%

面包师：89%

公交司机：89%

建筑工人：88%

兽医助手：86%

安保人员：84%

档案管理员：76%

两位学者在报告中表示，在未来几十年中将出现两个“自动化浪潮”，在此期间不同类别的工作将被冲走，没有任何就业领域保持不变。

“在第一波浪中，大多数运输和物流业的工人以及大量的办公和行政支援人员以及生产劳动力都可能被计算机资金所取代。”Osborne表示。

面对汹涌而来的“机器大军”，人的价值在哪里？

“常规的、易被定义的工作是最易被自动化的。” 麻省理工学院经济学家Erik Brynjolfsson表示，“因此从事中等技能的结构化任务和日常信息处理任务的人可能最危险，如收银员、行政人员。”

根据Brynjolfsson以及牛津马丁学院哲学系的研究，人类活动的三个广泛领域，将在短期至中期内对自动化具有一定的“抵抗力”。

手工、体力劳动

尽管许多体力劳动者薪资不高，但这种类型的工作可能会对自动化产生惊人的抵抗力。 许多简单的体力工作，超出了大多数现代机器人的能力。这种现象被称为Moravec的悖论：人类所独有的高阶智慧能力只需要非常少的计算能力，例如推理，但是无意识的技能和直觉却需要极大的运算能力。一个经典的例子是：人只需要几分钟时间来叠一条毛巾，但在2010年完成这一任务的机器人花费了近25分钟。

《The Future of Employment》报告指出：“在短期内，厨师，园丁，修理工，木匠，牙医和家庭健康助手都不会被机器所取代，所有这些专业都涉及到大量的感应工作，其中许多也需要思想技能，大框架模式识别和复杂的沟通。“

创造性工作

尽管已有媒体开始使用机器来撰写新闻稿件，但在很大程度上，数字技术在创造性工作中的角色是补充，而不是替代创意。

“一首新歌，一个视频或一个软件，可能没有任何一个历史时期比现在更适合找到成百上千的用户了。”Brynjolfsson表示，“对创造者来说，未来仍然是一个好时代。”

人际交往

到目前为止，无论是苹果的siri还是软银的情感机器人papper，都不能很好的激励，培养，照顾和安慰人。 机器发育迟缓的社交技能，或许意味着销售人员，经理人和企业家有一个相当光明的未来，护士，幼儿园老师也是如此。

教育的新任务：让人类适应智能时代

伦敦经济学院经济学教授Alan Manning曾发言称，历史告诉我们，劳动力市场能够从技术变革所带来的变化中恢复过来。

在美国历史的最早期，大多数劳动力集中在农业领域，而现在这一数字仅为2%。“技术变革总是会摧毁一些工作，再创造一些新的工作。”Manning说，“有些人花了20到30年的时间专门从事某项工作，突然间没有了这样的需求，就会遭受巨大的打击。但从长远的角度来看，年轻人会涌入那些新的领域，市场上也总会有适合人来做的工作。“

牛津大学经济学讲师斯坎德Daniel Susskind则表示，为了避免淘汰，未来人类的工作应该是“弹性的”，工作性质愿意随着越来越多领域被自动化而改变。 例如，一个护士今天所做的事情与25年前已大不相同。以前，他们处理诸如临床护理和照顾便盆之类的事务。而现在，他们甚至可以进行小手术。而终身学习与教育的重要性，将被提升到前所未有的高度。

Brynjolfsson在自己的文章中表示，很难期望人们能够简单地适应新技术给他们带来的就业机会，为适应工业革命后的劳动力动荡，需要对教育制度进行长期的改革。 “人们将不得不采取更积极的态度学习更多新技能，因为技术变化越来越快。”Brynjolfsson说，“当然，教育还是昂贵和困难的。但数字技术和在线教育网站们可以解决一部分问题。”

以美国为例，自上世纪六十至七十年代现代教育制度确立以来，这套体系已稳定运转了数十年。按照学科教授知识，以考试、综合评价、课外活动等表现对年轻人进行筛选分层，这是一套在工业时代被验证行之有效的教育系统。但在人力资源不断从第一、二产业向第三产业流动的过程中，学校所“产出”的人才结构与社会的需要已经出现了失衡。随着工作不断被“自动化”，这样的失衡将越发严重。

“老系统将不得不进行认真地修改”，美国西北大学的Joel Mokyr指出，教育系统鼓励专业化，这样学生就能在越来越少的主题上学到越来越多。但随着知识过时的速度越来越快，重要的是要学会再学习（relearn）。Mokyr认为，当下的教育更像粘土——“塑造它，然后烘烤它，就定型了”。未来，随着越来越多任务变得自动化，人类技能显得最有价值的任务会不断变化。

被称为阿尔法狗之父的DeepMind创始人David Silver透露，AlphaGo与此前的机器最大的不同就在于拥有自我学习能力，可以通过进行自我对战来不断提升能力。从某种意义上来说，教育所需要的变革与此十分相似：计算机由服从代码命令到具备学习能力，人类所需要的也正是学会“学习”。

在有关教育的学术探讨中，“教育目标”是一个需要被永久讨论话题。但人工智能所带来的不确定性在于，没有人知道二十年后怎样的知识或技能是真正“有用”的。与此前的无数次教育变革相比，这可能是最困难的一次。教学内容如何安排？评价体系如何建立？高效而又不令学生丧失个性的教学形式又如何实现？还有太多问题有待解决。

自初代计算机诞生开启信息时代以来，人类社会已踏上了“变化”的快车道。而对于重传统、慢节奏的教育来说，如何赶上社会发展的节奏，可能会是接下来最重要的课题之一 。