在人工智能越來越發達的今天，未來我們的工作是否會被機器取代？人與機器的未來在哪裡？
作為流程再造、知識管理、注意力經濟的發起者，全球《財富》500強企業爭相諮詢的企業顧問——托馬斯·達文波特在他的《人機共生》裡給出了答案。
在自動化發展的進程中，機器對人類工作的衝擊可以分為三個階段：
第一階段，機器將人們從那些讓人身心俱疲的工作中解脫出來。
第二階段，在繁重的體力勞動之後，那些枯燥乏味的工作也被機器取代。
第三階段，機器智能的崛起。
對廣大的知識工作者群體而言，這並不是一個樂觀的情況，這意味著更多人的工作會被機器奪走。
01 人工智能的崛起
就在兩年前，我所在公司的腐乳生產車間還有幾十個工人圍著流水線排乳（將機器切割的小豆腐塊分開，豎立）。現在還有多少個呢？答案是零，自從公司引進了一台自動排乳機之後，這些一線員工要么被分配到其他車間，要么失業。
相對於人而言，機器可不需要你為它購買五險一金、提供舒適的工作環境、八小時工作制……
更重要的是，機器作業在更標準更少出錯的前提下，成本只會越來越低。而人則相反，勞動力只會越來越昂貴。
所有的工作其實都是任務的組合體，今天的任何一種工作都有一部分可以被有效地自動化。這也就意味著這一部分可以完全被機器取代——如果工作任務可以被編碼，那它就可以被自動化。
這些還只是第二階段的範疇，並不值得知識工作者擔憂，問題是第三階段已經拉開序幕。
達文波特在《思考為生》中將知識工作者定義為“ 主要從事知識和信息處理工作的工作者 ”。包括那些需要專門知識或特殊訓練的職業，如醫生、律師、科學家、會計等。
你可能會想，這些是否包含自己所從事的專業，這樣的考量並無必要，因為從較長的時間緯度來看，我們所有人的工作都包含在內。
在判斷學生需要學習的知識和提供個性化教育上，計算機已經比很多老師做得還好；在醫學上，通過對大量以往案例的分析，計算機可以比專家更快地判斷病症，並提供合理的醫療方案；無人駕駛汽車已經試水成功……
當智能越來越多地開始接管人類做出決策，當一些人長時間苦苦學習的專業知識技能被機器輕易地取代，你是否應該給予足夠的重視？
不管你願不願意相信：知識工作者的工作已經在通往自動化的路上了。
我們無法避免這些工作上的改變，作為一個被越來越多的機器包圍的人類，你必須改變，去做那些機器做不好的事，或者以某種方式為被計算機大面積佔領的工作增添價值。
要改變不妨先問自己兩個問題：機器擅長什麼？我們人類又擅長什麼？
①機器擅長什麼？
內容傳遞（比如教師的工作），直接的內容分析和檢索（比如律師的取證，已經逐漸被電子取證所取代），基於數據的分析（針對用戶使用習慣進行大數據分析，定點推送），輸入數據和規則自動化系統就可以快速生成對應的報告（比如金融和體育行業的報導）。
②人類擅長什麼？
在《勞動的新分工》中將人類的優勢定位於專家思維和復雜交流。
專家思維使人而非計算機能夠想到解決問題的新方法，也就是那些尚未被發現以及無法按照明確步驟執行的方法。而復雜交流是指除了傳輸那些明確的信息還要對環境進行更廣闊的解讀。
作者在麻省理工的一位同事提出了第三種優勢：構思能力。人類可以提出自己的想法，並將其變為現實，而計算機加速了這類活動，卻並沒有驅動這類活動。
這三者的共同點在於都是無法被算法說明的隱性知識和判斷。
換句話說，一旦人類的某種智能活動可以被拆解成一系列已知的應急事件和明確的規則步驟，它就不再專屬於人類了。
02 人類工作的未來
從人類輔助到重複性任務自動化，再到情境感知與學習，人工智能正在逐步搶占人類的工作空間。對此，與其恐懼機器，不如讓其為己所用。
我們的未來在哪裡？答案是智能增強：人類和計算機結合彼此優勢，進而實現單獨任何一方都不可能達到的更好的結果。
智能增強的意義在於，從今天人腦和機器能夠獨立完成的任務出發，在兩者的合作中找出能讓工作更加深入的方法，而非消滅人類的工作。
具體來說想要獲得持久的就業能力，我們有五個策略可供選擇：超越、避讓、參與、專精、開創。
①超越
通過建立起全局視野以及對於計算機來說太過鬆散和廣泛以致難以做出決策的決策體系，從而超越自動化系統。
二者的區別在於，自動化系統做出的是微小而重複性的決策，全局者做出的是更大、更有影響力的決策。他們決定了聰明人做什麼、智能機器做什麼，以及兩者的合作方式。
成為全局者意味著你要擁有敏銳的洞察力，在自動化內容來到之前，就已經提升了自己；還要擁有更廣闊的視角，能夠找出體現自動化潛在價值的關鍵點；他們還是整個生態系統的建造者，創造機器與人的平衡。
②避讓
這裡是指讓機器在你的領域中接管它們最擅長的那些任務，與此同時，把自己的生計建立在機器無法施展拳腳的一些價值形式上。
之前我們提到增強自己的競爭力時，要增加自己的不可取代性。現在這一觀點仍然適用，只是要把機器也包括進去。
人類的成功憑藉的多元智能，天才無法被複製，不是因為他的專業能力，而是在他們身上具有一些很難被定位的某些非認知性優勢。
那我們的方向也就明確了，把自己的時間加倍投入在非認知能力上。可以嚮導師學習，也可以參與到反思性的刻意練習中去。
③參與
參與意味著不僅要懂技術，還要理解技術所需要配合的業務流程，他們是連接人與機器的橋樑。
參與者的存在才使得自動化系統運行起來，參與者需要擁有學習的熱情，以及把知識發掘出來的意願和能力。
參與者通常是對計算機系統比較熟悉的工作者，或某一工作領域的專家。這樣存在的一個問題是，自動化系統使得公司不需要雇傭入門級的工作者；入門級的工作者無法從入門級的工作開始，也就無法成長為參與者。
對於尚未進入的學生來說，只能在學校盡力獲取盡可能多的知識，在實習期接受盡可能多的在職培訓。
④專精
自動化的前提是要符合經濟利益。
在工作中時常需要參觀一些企業，有一點讓我不理解：明明可以用設備取代的一些人工作業，為什麼他們不去自動化？自動化所需要的設備投入對於他們來說並非不能接受。
後來一位企業老闆給了我答案：我看過這個設備，也計算了投入，發現購買設備並不比人工節約成本，那我幹嗎要去買它？
一個自動化方法產生了，必須有相應的維護資源。在一個精細的專業領域中，並沒有那麼大的市場來支撐構建和維護系統的成本時，這個系統便不會建立。
成為一個專精者關鍵在於：發現你所在行業裡仍未被自動化的細分領域，朝著這個方向努力，你需要轉移到你所在行業正態分佈的最右端，成為真正的專家。
⑤開創
開創就是要為其他人創造出新的認知技術解決方案。開創者不僅包括軟件供應商，還包括那些能夠開發自己系統的公司。
這裡的開創有些偏向計算機相關的專業，事實上的開創者不應該局限於此，那些能夠結合市場開創前所未有的工作形式的人也應包含在內。
共享經濟的發起者就是一個很好的例子，共享很好地利用了社會的閒置資源，從一個領域擴散到其它領域，提供了大量的工作崗位。
擁有計算機科學背景，熟悉人工智能，懂得大數據分析的人無疑在成為開創者方面更具優勢。
我們不難看出五大策略的共同點在於：把自己提升到更高級的認知領域。它們之間也存在著不同程度的重疊，只是側重點有所不同。
無論哪一條策略都要求我們不斷學習，成為一個終身學習者。可以肯定地說，未來不存在一勞永逸的工作，而被淘汰的就是不肯動腦的人。
觀看 3842 
