現在什麼職業最容易被人工智慧取代？

11-25

相關話題：有哪些職業容易被人工智慧替代，又有哪些行業不易被人工智慧替代？ - 知乎

只是單純的機械重複和缺乏創造力的職業並不是最容易被替代的。

最容易被替代的職業要滿足以下兩個要求：

1.具有較高的附加價值

2.較為機械重複、可替代度高

事實上，大多數人認為的觀點都是錯的，源於小資產階級和中產階級固有的傲慢。
並不是最底層的職業最容易被人工智慧替代，也不是說相對精英化的職業就難以被人工智慧替代

你覺得最容易被替代的職業是什麼？

每天起早貪黑蹬著三輪車滿街賣早點的大媽？

在狂風暴雨大家都不願意出門的時候騎著電驢挨家挨戶送外賣的外賣小哥？

給領導點頭哈腰、遞煙送水的司機？

別搞笑了，你出錢去研發人工智慧替代他們嗎？

大家生活也都挺不容易的，賣早點、送外賣、當司機也賺不了多少錢，怎麼會是最容易被替代的呢？

反而是中產特權的一些職業，附加值挺高的，例如翻譯、會計以及司法、醫療行業。

可以預見的未來中，這些行業的低端部分一定會被慢慢蠶食，留下的也就只是那些少數的精英，例如較為正式場合的同傳、交傳，註冊會計師，高端律師以及名醫。哦對了還有絕大部分的程序員。

事實上，中產階級乾的這些活，捫心自問一下，真的是需要較高創造力的工作嗎？別逗自己玩啊......

大家都是小富即安地過著慵懶的人生......當一顆無產階級的螺絲釘就好了啊......

-----------------------------分割線--------------------------------

我可沒有黑哪個職業，我自己的職業恰巧屬於此範疇，也就是很多人不同意的，翻譯。

可能我說的不是很準確，據我所知，我們這種層級的外語院校，只要打著學校名號攬工作，大部分所需要的專業技巧其實很少，未來能留下的，恐怕就是那些相對高端的部分了。

-----------------------------分割線--------------------------------

原答案不變，評論里諸大神說的也很在理，完全取代白領的確是不現實，肯定是最低級的工作最先被完全取代，寫答案的時候還有一個考慮，就是現在龐大的人口總量和資源消耗，從這個角度想，完全取代流水線上的工人真的不是什麼好選擇

------------------------------------------------------------------------

順便求一波關注，如果對科幻腦洞有興趣，我正朝這方面努力，謝謝～

好多人提到的「會計」，我有不同想法。
其實大部分基礎的會計工作，哪裡需要人工「智能」？
本來就是不需要動太多腦子的工作，流程化和程序性的操作，只要「自動化」就可以了，不需要「智能」
而會計工作自動化的努力從來沒停止過，大名鼎鼎的sap的基本思路也是如此：把會計工作拆到各個部門中去，各個部門在輸入部門業務信息的時候自動完成了做賬。財務部門除了報銷，資金控制以外，也只剩下審核的工作。
換而言之，各個部門自己在做台帳。這也省卻了審計經常看到的業務部門和財務部信息提供不一致互相扯皮的情況。

所以會計會被「人工智慧」或者「賬務處理自動化」取代么？你看看現在的erp普及程度就知道了，任重道遠。

會計工作的本質是信息搜集和整理工作，一方面他要面對的是各種可能的商業行為，另一方面他嚴格的內部邏輯要求不能有任何差異，這不是什麼內部改進演算法可以提供更準確的結果這麼一回事，他天生就要求100%準確。

所以會計工作自動化的難點，也不在於系統不夠發達，演算法不夠先進，硬體配置不夠，經驗數據累計不足等其他人工智慧常見的問題。erp推進最大的問題其實很簡單：90%的問題是前段業務部門沒有準確及時地輸入數據：如果這點做到了，那麼大不了我們可以把erp當作流水賬來做，複雜的核算工作反而可以通過人工迅速處理；10%的問題是內部演算法設計有誤，在業務改變後沒有及時更新。

所以erp的推進工作，可能大量的時間在給員工做培訓，要求倉儲部門及時錄入物料數據，要求生產部門按照工單領料，及時關閉工單，要求銷售部門定期對帳，要求運輸部門錄入運單信息等等等等。

你問我什麼時候財務系統能像阿爾法狗一樣有掌控力，自己掌握一切？我想可能要各個業務部門也變成機器人的時候吧。只要數據輸入是由人來負責，那麼財務系統就只能是被人類擺弄，而不是反過來。

這也恰恰說明了我們反覆強調，但屢屢被老闆們忽視的一句話：財務具有監督功能。這個思路不建立，財務部是人還是機器，都沒有區別。

補充說明：

有人工智慧行業的同志認為數據梳理恰恰是人工智慧的強項，我也沒有很明白現在人工智慧強大到什麼程度了，但是我一個月前面對的客戶採購部門提供的資料是這個樣子的：

說白了，就算你能識別出來，我也不知道你識別的對不對，因為我也看不懂。

此外還包括諸如工資表數據永遠和實際支付金額對不上的情況等等，對不上的原因在於人事部門臨時修改了支付申請單的數據而沒有修改工資計算表的數據，過了兩年以後，他們也忘了當時修改數據的依據了BLABLABLA。

簡單總結：會計不需要智能化，會計自動化就可以讓目前大部分低端會計人員下崗，會計自動化一直在推進，但是會計自動化的障礙在於其他業務部門提供的數據太過凌亂，而其他部門數據提供的不規範和低質量，其實源於管理層並不信任財務部可以完成「監督管理」的職能。

翻譯。

但是翻譯里的各細分領域裡，被取代難度各不相同。諷刺的是，傳統意義上難度越高的，越容易被取代：

口譯里的同傳；

筆譯里的法律翻譯。

而目前市場價格最低的：口譯里的商務陪同筆譯里的文學翻譯，最難被取代。

知乎小管家。

機器最顯著的特點是什麼？量化
所以答案也就有了，最容易被取代的職業是什麼？量化成本最低的職業。
同樣是流水線，電焊工被取代了，裝配工乾的好好的；同樣是處理基礎信息，低級會計被取代了，基礎碼農乾的好好的；同樣是與人打交道，諮詢型客服被取代了，端盤子的服務員乾的好好的；同樣是傳授基礎知識，網課一大堆但對好老師的需求日益增長。
為什麼？因為前者乾的活兒很容易被量化，用語言就可以描述的很精確，後者所面臨的變數太多了。點焊工，就需要在同樣的時間內用同樣的工具處理同樣的產品，裝配就不一樣了，這裡電線多留了一點餘量要整理好，這句話里就有不確定的地方了——餘量，整理。雖然技術很快就可以進步到能處理這個，但至少這個工種是晚於點焊工被取代的。其他工作同理。
所以並不會有其它答主所提到的，簡單和複雜，死板和靈活，是否與人打交道的區別——雖然電腦可以下圍棋，但電腦畫不出來一份高質量的設計稿：因為「下圍棋」這個事情科學家找到量化的方法了，「設計」暫時還沒有罷了。

大概從人類發明機器的那一刻起，就再沒有什麼「鐵飯碗」了。不同科研或者學術機構每隔一段時間就會發幾篇「機器人替代人工」的預警報告，再由媒體取一個聳動的標題，引發年復一年的爭議。

最近一次比較嚴厲的預警來自麥肯錫。它測算了 800 個工種、2000 多種工作行為的自動化風險指數，告訴人們又有一些職位將要被自動化取代了，其中食品巨頭工廠里的流水線工人最危險，圖書管理員 86% 的工作也將不能倖免。

爭議年復一年，觀點其實每年都差不多。基本上，樂觀派喜歡用機器人成本高、技術不成熟等理由，來證明人工的優越性；激進派則延續了 200 年前「盧德運動」的精髓，直呼機器人為「job stealer」，但鑒於人工智慧一時半會成不了什麼氣候，他們多數也懶得計較；理性派則站在中間，顯得特別政治正確。新技術的確摧毀了一些崗位，但也催生了新的。況且整個職場的變化還和經濟環境、就業政策、勞動力市場供需、分工格局的變化有關。

好奇心日報記者查閱近 60 年來有關「機器/機器人/自動化/人工智慧取代人工」的論文、報告和媒體報道之後發現，有 30 多種職業已經被宣判過至少一次死刑，包括行政文員、財務、手藝人、客服、中介……但現在它們多數還是好好的。

以下是這些職業、它們被宣判死刑的原因，以及他們還沒死的可能的分析，有點長，但可以說很詳盡了：

行政文員、秘書、助理

從有現代意義上的公司出現，這類職位就已經存在了。

這個平時沒太多存在感，稍微多群發幾封郵件就會被吐槽太閑的尷尬職位，竟然在 60 年前就被預測要終結了。

1950 年前後，電腦最初被介紹進入美國的辦公數據應用環節時，專家就發出了「大部分行政工作將被自動化取代」的聲音——在各個領域，不止企業，還有學校、公共服務領域，甚至政府。後來陸陸續續，這種預測就沒間斷過。

http://img.qdaily.com/uploads/20160729121703xOPgCNcE7jLRfYQI.jpg-WebpWebW640 1937 年的打字員，這個職位早已消失 | 圖片來自 nrm

說起來，行政也是夠委屈的。雖然看似掌控著運作一個機構的權力，但更像潤滑油，而非驅動力——作為支持性部門，有的時候他們調侃自己為「後勤」。在公司業績不好，出現裁員可能時，他們往往也是被首先考慮的。

如果有更便宜的替換對象，比如打卡機換掉考勤員，Siri 換掉秘書，日程軟體換掉助理，為什麼不呢？

不過也不用太擔心，畢竟行政職位經歷風雨之後，還是活得好好的。從 1957 年-1987 年，美國行政員工的職位經歷了持續且高速的增長，成為僅次於經理、管理者、服務業者之後的龐大就業群體。

這件預測被打臉的事是怎麼發生的？

電腦確實降低了行政職務的普通增長，但電腦降低了以前那些時間和經濟成本都比較高的工作的成本，比如現在可以每天統計報表、分析數據了，所以電腦允許各領域的公司把生意做得更大，反而創造了就業機會。

財務：銀行櫃員、出納、會計、審計

這同樣是大多數公司都需要但不被認為很重要的職位。1968 年，一篇報告就預測了工業自動化應用的 10 個最常見領域：工資表、賬戶收款、營業額、銷售數據分析、總賬管理、時間分配、調查、庫存管控、費用計算、成本核算——幾乎全跟財務有關。

到了上世紀 90 年代，隨著自動取款機遍布美國城市和郊區，在 10 年之間，美國各家銀行為此淘汰掉了 17.9 萬出納員，佔全員的 37%。預計到 2000 年，90% 的銀行客戶會使用自動取款機。

http://img.qdaily.com/uploads/201607291137242eilJqU3tLRIGyDX.jpg-WebpWebW6401969 年，美國 ATM 的樣式還很「古董」 | 圖片來自 kmhouseindia

到了 1995 年，德勤國際預測，電子化辦公將導致美國大西洋兩岸的銀行取消 50% 的職位。而對英國來說，這個數字是 5 萬人。

20 年後的今天，對財務一職的替代率預測更加嚴苛。不久前，麥肯錫報告稱，會計、審計等職業中，有 86% 的行為都存在自動化風險。

客服：前台、接線員、售貨員、導購

「普通話請按 1，For English Press 2……」如果你接下來不按「0」（或「9」）選人工，那麼解決你的問題的都會是其他線路的機器。

宣判客服職位將要消失的觀點，早在上世紀 80 年代（甚至更早）就有了—— 畢竟，哪怕那時還沒有什麼先進的系統（比如自動販售機、電視購物、雲客服系統之類的），產品說明書和採購指南還是早就有的呀。

而且客服看上去事無巨細，但實際上顧客的需求也逃不出這幾類：

銀行——掛失、查餘額、改密碼，商場——營業時間、活動信息、商品真偽，運營商——充值、繳費、門店位置……只要公司們把每一種服務場景都細分出來，再不斷補充，這些需求都是可以被總結歸類，並重複使用同一個解決方案解決的。

可是你看，即便到了現在，大家都用淘寶購物了，為什麼還需要一種叫「店小二」的職位？銀行卡掛失完全可以通過打電話、官網、手機 app 甚至微信自助完成，為什麼大家還是喜歡選人工服務？

這就像每次買西瓜都要問「瓜甜不甜」一樣，雖然明知道結果可能都一樣，但聽人說一遍總歸更安心。尤其是在面對突髮狀況的時候。這也是人工服務詢問一直居高不下的原因。

http://img.qdaily.com/uploads/20160729121742yZsumicRaNDkn762.jpg-WebpWebW640 一位女職員坐在 IBM 650 控制台前，後者是上世紀 50 年代最流行的電腦

中層管理者

這可能是最令人感到意外的了。

而在一些風險測試中，的確有機構認為公司管理崗位是最不容易被自動化替代的崗位之一。

不過 2014 年，日本一家風投公司任命人工智慧 Vital 履職董事會成員，希望利用它敏銳感知市場趨勢的能力。

再回溯 20 年，《財富》雜誌也有過預計：200 年前人類創造的工作條件——大宗生產和龐雜的組織，今天正在消失。隨著勞動力分布的改變，四分之三的中層管理人員將消失，其中有一些可能會回到他們的初始崗位。之後，就只會存在兩種領導：流程經理（負責執行和監督）和員工教練（負責培育）。

結果呢？你看到了，至少到現在中層管理者還稱得上是公司的中堅力量。

創意者：設計師、記者、教授、律師、建築師

這類職位會被替代的預測是最近幾年出現得比較多。

比如，2014 年，Narrative Science 公司就推出了一種軟體，可以直接將原始數據生成可以理解的文字，來替代記者或者分析員。用機器人寫小說這種信息也已經有流傳出。

但在牛津大學在 2013 年對 700 多種職業進行的計算機化風險排名中，創意類職位的被替代可能性較低。如律師只有 0.0035，繪圖設計師為 0.082，記者為 0.11。

前不久，麥肯錫發布的自動化風險報告也印證了這種低風險。「以現階段可接觸的技術，最難自動化的活動是那些涉及人員管理和發展（只有 9% 自動化可能）的職位，以及需要在決策、計劃或創意工作上投入專業性（18% 可能）的職位。」

考慮到這些職位需要調動人類獨一無二的智力與感情，它們的確幾乎沒有可能永久、徹底地被自動化或人工智慧所替代。

手藝人：鐵匠、漁民、廚師、麵包師、調酒師

像約翰遜在《先上訃告，後上天堂》中調侃的那樣，死亡這件事情總是接連發生。上世紀七八十年代，任何受到汽車工業歡欣鼓舞的人，都能沒什麼難度地得出這個正確的結論：鐵匠和馬車匠要揮別歷史舞台了。

早在 30 多年前，要靠手藝吃飯的職位數就被預測到了增長將越來越低於平均。

在龐大、標準化、高效率、低成本的工商業系統面前，去實現某項工作，手藝在其中扮演的角色已經越來越微乎其微。有了專門的捕撈船和電網，為什麼還要用吊鉤和漁網？尤其在揉面機、自動配方機、定時烤箱被發明出來之後，做個麵包都不用人看著了。

但手藝人現在有另一個稱謂——匠人，儘管工匠精神這個詞也已經被用爛了。但你擋不住任何貼上 hand-made 標籤的東西都更有吸引力了呀！

http://img.qdaily.com/uploads/20160729114848Nogx2n9eLX016lhQ.jpg-WebpWebW640現在，打鐵都成一門藝術了 | 圖片來自 azblacksmiths

中介

看看現在滿大街的中介公司，你是不是想笑？

但話又說話來，雖然互聯網界一向油嘴滑舌，但「打掉中介」這種事兒確實也是幹了一些的。

就像 Erik Brynjolfsson 以及 Andrew McAfee 在他們的新書《第二次機器時代》（The Second Machine Age）所說的一樣，誰能想到房子的出租人能夠在 Airbnb 這個平台上成功的直接對接租客，從而取代了酒店旅館的角色？

不過，這種趨勢早在 1972 年就被預測到了——那時，一種叫「卡片分離器」的設備被發明，人們發現，自己可以不用通過任何中介，直接買機票了。

後來，隨著家用電腦的普及，1995 年，路透社預測，銀行、保險、旅遊領域裡一些偏中介服務的工作機會很可能被「摧毀」。

現在——找工作簡歷直接投官網，租房子上本地化生活平台，連二手車平台都號稱「個人車主直接接觸個人買家」。但你看，獵頭公司依然存在，鏈家幾乎佔領了上海。

弗里德曼在《世界是平的》一書里提到過「碾平世界的 10 大動力」，其中大部分與新技術有關。在這個越來越平的世界裡，商業交換的兩端可接觸的機會越來越多，留給中介的餘地自然隨之越來越窄。而事實是，另一種形式的中介出現了。

管理員：倉庫管理員、分揀員、圖書館管理員、郵遞員、保安

將時間調至上世紀 70 年代，就已經能夠看到很多關於圖書館自動化管理和系統應用模型的討論文章。

隨後的 1982 年，日本也插入了管理系統應用技術的變局。東芝集團研發了 2 年，以 800 萬美元的成本生產出了可能是當時世界上最先進的郵件分揀系統。自動稱重、掃描、計算郵費、蓋郵戳，再放到相應的投遞框里，雖然當時的郵政系統也是需要人的——分揀機只能承擔 60% 的工作——但至少預示著 60% 職位的終結。

30 年後的今天，事情也如出一轍。最出名的是亞馬遜，它 2012 年收購了 Kiva 機器人系統，後者現在是它物流倉庫里分揀工作的絕對主力。國內的京東等電商平台在談及倉庫物流時，也都會提到所謂的自動化分揀。

http://img.qdaily.com/uploads/20160729115312TiQfEbA8Ssc471qr.jpg-WebpWebW640 亞馬遜使用的 Kiva 機器人系統 | 圖片來自 Bidnessetc

2013 年，美國 Knightscope 公司發布可預防犯罪的機器人 K5 ，它的功能包括 360 度移動，對比資料庫中的疑犯形象，夜間還可以讀取汽車牌照；法國 Abankos Robotic 公司也造出了防盜機器人 Lucos 和可以自動巡邏的狼狗機器人 Cunos 來替代人類安保管理員。

駕駛員：司機、飛行員

你會放心乘坐無人駕駛的交通工具嗎？

這個問題，波音飛機早在幾十年前就想知道了。1984 年一篇 IFG 的報告中就提到，波音飛機初次嘗試將駕駛艙里的一個僱員替換為機器，與其他兩位僱員一起工作，並提出預測，「隨著電腦價格越來越便宜，哪怕飛行員這樣的複雜工種，被替代的機會也會大大增加。」

在現在自動駕駛的概念被熱炒的情況下，這種討論也再次浮出。但最近發生的幾起無人駕駛事故，尤其是特斯拉車主死亡事件，讓無人駕駛又蒙上了陰影。

理論上來說，這可能真有實現的那一天。但人類駕駛員或許永遠不會被徹底取代。

危險工種：救援人員、士兵、宇航員、科學實驗人員

這些高危險、條件艱苦的工作，可能發生在極端環境下，人類或許難以勝任，或勝任需要付出較高成本，因此反而期待機器人進行替代。這也是幾十年來，科學家和工程師努力在進行的事。

一個特殊的例子是，2001 年美國發生炭疽攻擊事件。有人開始把含有炭疽桿菌的信件寄給數個新聞媒體辦公室以及兩名民主党參議員，接觸到細菌信件的郵政分揀員死亡或被感染。為此，機器人開始被應用到郵政分揀系統中，最後保障了勞工安全。

2011 年，美國總統奧巴馬還宣布了「國家機器人計劃」，承諾在下一代機器人開發上投入 7000 萬美元，協助工廠、衛生保健提供者、軍人、醫生和宇航員開展困難的工作。

服務員：超市店員、收銀員、點餐員、保潔員、加油員

雖然幾十年過去，機器人服務員的水平也就只發展到最多端個盤子削個面，但一些比機器人更好用的機器卻早普及了。

比如掃描儀。1982 年，哥倫比亞大學就預測，在 2 年之內，2.3 萬個大型超市中的 50% 都會安裝掃描儀，其餘的 50% 則會花上 6 年。也就是說，到 1988 年的時候，有 5 萬個超市崗位會因此消失掉。

接著，借記卡和電話購物也被發明了出來。1984 年，斯坦福大學的研究人員看到了無現金化的消費趨勢，判定收銀員職位很快將逐步消失。

另外，就像馬車夫已經被機動車取代那樣，用不了多久，郵遞員、酒店服務員也都會被自動化系統所取代。

又過了 15 年，麥當勞在部分門店上線了顧客喜歡的智能點餐機。有人由此預計，第一波機器人取代人工將發生在 2030 年的快餐業。之後，會蔓延到酒店、商場、機場，代替大部分接待員、保潔員。

醫藥業者：藥劑師、手術助理、實驗室助理、老人護理員

早在 30 年前，就出現了關於「聰明」的機器人將替代醫生的預測。

1996 年，一篇科普醫療領域機器人應用的論文，提到了機器人在醫藥領域替代人類的可能性，包括實驗室機器人，可以配合實驗；醫院機器人，可以移動、抓取和分配藥物；康復機器人，可以搬運病人；手術機器人，可以確保精確施行等等。

2008 年，美國 NIC （National Intelligence Council）預測，到 2025 年，機器人可能會被用於擔任老人護理員。

近幾年，藥劑師、醫藥秘書和病史轉錄員也被認為是未來將被機器人逐步替代的職位。

但這些人仍然還在醫院裡面忙活著。而且在美國，你會發現，他們通常通過移民來解決這類問題，只要勞動力市場供應足夠，成本又低，還是會選擇人。

流水線工人、清潔工、印刷工人

不想做顆「螺絲釘」？嗯，可能就快沒得做了。

1961 年，通用汽車在新澤西工廠的流水線上，上線了世界第一台機器人，企業主突然發現，這東西又快又准，不用休假還不會鬧罷工，簡直打開了資本主義新世界的大門。

於是大家就跟著學起來了。20 世紀 60 年代，福特汽車的工人數量從 6.5 萬降至 3.5 萬，同時卻在 100 英里的半徑內建了一系列的新型自動化車間。

美國製造業工程師協會開始關注這種新興的自動化趨勢。在 1980 年的一次調查中，協會幾乎是以「5 年內，機器人會取代工人工作的 20%，15 年內取代 50%」的結論，為工人的職位澆上了一盆涼水。

http://img.qdaily.com/uploads/20160729121832k5OW7Yt8sIcUrNnl.jpg-WebpWebW640 早已消失的活字印刷 | 圖片來自 wikipedia

次年，一份名為《工業機器人的影響》的分析文章將取代的時間抻長了一些，認為在未來 20 年內，功能簡單一些的一級機器人將取代 100 萬操作工人，更高級的二級機器人可以取代 300 萬，而當年，全美的工人總數一共才 800 萬。

由於這時候也正處於蕭條時期，再加上機器的發展，僅僅一年時間，工人和私人清潔人員的職位就出現了顯著的減少，數量明顯低於此前數年。

到了 1987 年，印刷工業也不讓工人階級省心了。電子出版方式直接替代了傳統工藝，印刷和牌子工人的職位數量連年跳水——不是機器替代人工作，而是機器一出現，崗位乾脆消失了。

農民

其實就像工人一樣，作為一種職業的指代，它可能算不得嚴格意義上的職位。

對這兩種職位的風險預測其實都是伴隨著工業革命而來。

1885 年，英國人瓦特改良的蒸汽機頂開了生產方式變革的壺蓋，機器被發明出來不久，專家的預測就成了真：工作量剛輕鬆下來沒幾年，工作就沒了——1850 年之後的不到 150 年間，美國從事農業的勞動人口佔比就從 60% 下滑到了 2.7%。

http://img.qdaily.com/uploads/20160729121910JvogeIOpQNBLVDnq.jpg-WebpWebW640 早期的拖拉機，可以極大節省人力成本 | 圖片來自 farmanddairy

雖然這與人口數量變化也有關係，但不能忽視的是，在那時的農業生產中，1 個機器人被普遍認為至少可以取代 4 個農民工作，如果 24 小時使用，採購成本將可以在短短一年內收回，傻瓜才會不動心吧。

後來，事情更複雜了，人們發現機器除了便宜，竟然還能幹好人類干不好的活。比如，1970 年就有報告指出，農場勞工雖然（短期）成本便宜，但還是敵不過可以在播種、耕地等作業上提供更高精確度的小型機器，基本可以宣稱農民這份職業的終結。

http://img.qdaily.com/uploads/201607291214001M5g3DWtTX0JcokG.jpg-WebpWebW640 電腦的出現和流行給社會分工帶來了顛覆性的變化 | 圖片來自 nrm

但你看，這些被宣判過死刑的職位，它們多數現在還是好好的。

不該否認，機器人或自動化，的確在某種程度上，「搶」走了人類的部分職位。以美國為例，2000 年開始，美國製造業領域的職位消失了近 500 萬——占職位總數的 30%，工資的情況也很不好，佔全國經濟總產出的比例已經跌至 20 世紀最低點。

但這也不該完全歸咎於自動化，更並非是機器人多麼厲害。畢竟，經濟環境、就業政策、市場勞動力供需、分工格局的變化，甚至勞動者的個人技能，對就業的影響和技術趨勢可能一樣重要。

而且，可能科技摧毀了一些原有的職位，但卻催生了新的。比如，數年前僱主都在招聘打字員、接線員，但今天招聘的卻可能是薪資更高的互聯網運營、手游設計師。網購或許影響了實體商店導購員的生意，但一種叫做在線客服的職位被創造出來了——而且中國在線客服多數不是聊天機器人——另外被創造出來的職位，還有快遞。

正如美國經濟諮詢委員會主席 Jason Furman 在一次報告中所說的，看經濟發展要看長期，雖然中短期內，人類的職位可能被機器人改變，但在一個經濟平衡期內，人工智慧對經濟的作用還是積極的。

也就是說，有了科技發展，世界生產力總體上一定是提升的，創造財富的能力也是逐漸提高的—— 最簡單的觀察，世界上養活的人只會是越來越多的。

所以，不要怕！

補充說明：從評論裡面，我感受到了一種恐慌情緒。我覺得大可不必擔心，AI能取代一些工作，必然會創造更多新的工作，我們需要調整的心態不是面對失業，而是習慣不斷變化的職業生涯，剛看了《第二次機器革命》作者的一篇文章,希望對大家有所幫助吧：

http://mp.weixin.qq.com/s/RB28l7AvEJ_PRz_PA6umVw

原答案：

什麼職業會被AI替代，我覺得和體力勞動、腦力勞動無關，和是否白領中產無關。很簡單的準則，最容易被AI演算法實現的工作最先被替代。如果了解人工智慧技術當前發展的情況，這個問題不難回答。李開復在他的《人工智慧》一書裡面已經列舉了一些未來幾年最先被替代的行業，我來總結一下。

1. 卡車司機，然後是汽車司機（出租、私家車）被自動駕駛代替。當前OTTO公司的自動駕駛卡車已經行駛在在美國的公路上了。

2. 交易員、基金經理，被量化交易程序代替，高收入群體也難以倖免。看看五年前的交易大廳，再看今天，門庭冷落鞍馬稀。

3. 翻譯，包括筆譯和口譯，用武之地越來越少。機器翻譯的結果越來越讓人接受。

4. 售貨員，主要是負責完成支付過程的收銀員，會被自動支付取代。如果每個商品上有個智能二維碼，支付寶掃了就支付，超市還需要收銀員嗎？商場的導購、推銷員還是有價值的，暫時安全。下圖是淘寶試點的無人商店：

5. 藥劑師，如果你去醫院開過葯，你知道這些人其實只是搬運+寫劑量。完全可以用自動售貨機的方式發葯，現在沒有這麼做只是由於發錯葯風險巨大而已。圖中是國外的自動發葯系統(Automatic Phamacy System)。

6. 影像科醫生，當前人工智慧讀片發現病灶的準確度甚至能超過專業醫師。

參考：IBM』s Automated Radiologist Can Read Images and Medical Records

7. 記者，當然不能代替那些寫深度訪談、時評的記者，但是簡單格式化的新聞寫作比如體育新聞、財經新聞等，AI完全可以勝任。

8. 律師。當然也不是法庭上口吐蓮花的辯護律師。而是律所那些每天查閱法律文書、尋找案例的底層職員，AI的語義分析、索引會比他們高效很多。

參考：How artificial intelligence is used in law - raconteur.net

當然，這種取代過程絕對不會一帆風順，因為他們會傷害相應群體的短期利益，一定會引起強烈反彈。但是，歷史的洪流是擋不住的，不如用開放的心態來面對，早做準備才能有備無患。

另外附上我另一篇回答，總結了一下當前AI技術的現狀：https://www.zhihu.com/question/46563853/answer/191018591

幾天前在知乎想法中就總結過了。

這個想法，有不同的表達版本。

版本1：

科技變革時代，真正安全的職業種類只有四個：1，重人際溝通和情感聯結；2，全棧/商人/企業家；3，突破性最前沿，典型如科研文藝體育等；4，複雜精細體力勞動

版本2：

未來真正安全的職業技能只有兩個方向：1，硬得不能更硬的技能；2，軟得不能更軟的技能。易被取代的是：1，不是那麼硬的硬技能；2，不是那麼軟的軟技能。

版本3：

安全的工作：非標、無現成方法論、無具體執行標準和流程、需要模糊判斷、重情感和人際維繫

不安全的工作：一切可以以具體知識、方法論、流程、標準寫入書本的標準化技能

具體舉例：

重人際溝通：挖掘並解決人類固有的愛和恨，適用度很廣，無法一一舉例

全棧/商人/企業家：了解一個或多個商業流程從頭至尾的每一個環節，了解每個環節的全部解決方案集，並隨時做出圍繞全局的，雖然模糊但專業的決策

突破性最前沿：研究機構科研人員、一流畫家、音樂家、電影電視藝術家、運動員，等等

註：有些工作，天然屬人，典型如運動員。我們並不會因為機器比人跑得快，就去看機器跑步。也不會因為機器比人圍棋好，從此就不看人下棋。倒是批量性的繪畫和音樂需求，很有可能會被機器取代，如現編一首Metallica風格的曲子。但最頂尖的藝術創作，藝術的新發展，依然需要由人來完成。

複雜精細體力勞動：不開玩笑，足底按摩 -- 當今仿生機械控制的發展程度遠落後於AI，或者說，我們目前做機器腦的能力，遠高於做機器人的能力。

硬得不能更硬的技能：最前沿科技和技能擁有者，沒有可重複的方法論

軟得不能更軟的技能：處理個體的愛與恨；圍繞非標事項，聯結非標個體

不是那麼硬的硬技能：典型如入門級財務分析、風險管理...其實覆蓋了現有典型高端白領工作的大部分入門級部分，甚至可以包括入門級編程

不是那麼軟的軟技能：典型如標準化銷售，對最終消費者的銷售

很有趣也很殘酷的一點是，過去的幾波產業革命，模式基本都是，「高知高技能的人」取代「低知低技能的人」。但這一波產業革命，卻並不一定是如此。不少傳統意義上需要高教育履歷的工作，也會被成批取代（隨機例子：CFA）；而很多傳統意義上門檻不高的職位，卻反而很安全（隨機例子：小學教師、幼教、護士）。

區分的重點，強行歸納的話，一是工作流程的標準化程度；二是屬人情感和交流的參與度；三是對精細體力勞動的需求

以下的技術都是已經存在，正在發展的：

1、擦玻璃幕牆工人

以後大概是一個爬行機器人自己慢吞吞地在牆外刷刷刷......

2、城市中藥鋪抓藥的

以後中藥的發展前景是提純磨粉

3、基層櫃員，包括銀行、政府部門

未來網路辦理會吸收很多現場辦理的業務，目前手機已經能夠完成水電費、銀行業務很多項目，以後只會更全民普及此種便捷的方式

4、普通類型的清潔工

不同意某位知友說的清潔工不可取代，實際上量產的城市清潔機必然會出現，並且無人駕駛+規劃路線，很可能在凌晨一點，整個城市的馬路就全面開啟無人駕駛清掃模式，只配置少量應急、督查清潔崗位，用於檢查機器無法實現的部分。

——————————————————————

絕對稀缺的崗位包括：優秀的護理人員，特別是照顧卧床老人的。

聊聊人工智慧對營銷圈的可能影響。

對風口的敏感度，營銷人是僅次於投資人的。
就像去年，營銷人都在講ARVR案例一樣，今年幾乎不約而同的都在講AI。

背後的原因似乎很簡單：
一來，營銷人對什麼行業總能說幾句；
二則，營銷人需要把握風口，幫助企業從投資人手裡拿錢。

一、朋友說：
雖然各種行業大會上，各位都是講訴自己的企業如何擁抱人工智慧。但私底下，營銷人員都有瀰漫著一種悲壯氣氛。
這種氣氛很熟悉，就像在前兩年程序化購買出來的時候一樣。
我們都擔心，或許有一天我們都將被取代。

「我覺得我現在很大程度的工作量都可以由人工智慧實現，而且我們的學習速度一直是按位元組計算，而計算機已經邁入量子計算的層面了。我們此生所學，計算機可能幾秒就掌握了」

「就像IBM的Watson一樣，10分鐘讀了2000萬份論文，然後給山下診斷出了病情一樣」

「高盛在2000年的時候在紐約還有500名的交易員，現在只剩下2名了，其餘全部用系統替代了。」

「去年，阿爾法狗在圍棋上才戰勝了李世石；今年libratus便在德州撲克上便打敗了人類，可能就剩狼人殺還能玩玩了。」

「人工智慧越強，我們的作用便越弱了。之前今日頭條在挖我，我就不想過去，你想想今日頭條這種技術驅動型的，一旦規模成熟，營銷人員的作用就微乎其微了。」

二、李開復說：
AI擴張一定會經過下面三個階段：
第一個階段，把已有的大數據用起來，BAT在用，今日頭條、快手、滴滴、美團都在用。另外，金融領域可以用，比如我們投資的智融集團的用錢寶，一個月放出30億的貸款，因為可以把已有的數據、用戶數據激活做小額貸款，還有醫療。
第二個階段是把沒有的數據收集起來、上傳起來，用各種攝像頭把人臉收集起來，收集了500億張人臉，所以隨時識別300萬張人臉，這不是一個人類的功能，而是超人類的功能。
第三個是無人駕駛的機器人時代的來臨，從工業走向商業走向家用機器人，走向全方位的無人駕駛。

說的比較通俗易懂，大數據－大數據應用－大數據自動化應用。
不過在國內，大部分AI創業非常缺乏想像力，大量企業在做人臉識別。但人工智慧並非只有人臉識別，其實這正是由於人工智慧技術在商業上的限制。所以李開復建議，AI科學家創業時一定要搭配企業銷售人員，將AI技術推向商業市場。

有兩個好消息：
1、在開復老師的眼中，我們這種創意性工作的人被取代的順序還挺靠後的。
2、我們營銷人員在AI的實際應用層面，暫時還能有添磚加瓦的貢獻空間。

三、魯白教授（著名神經科學家，推薦各位關注他的公眾號：知識分子）講：

（圖片來自：知識分子）

人工智慧迄今為止，對腦科學研究沒有影響。腦科學對於人工智慧提供了一個理論，腦科學裡有很多個理論，其中有一個理論，就是卷積神經網路，這個是基於視覺系統信息處理的一個學說，曾經獲得諾貝爾獎。這個理論被人工智慧里的幾位大師用到人工智慧去，就開發了人工智慧當中的所謂的深度學習。

腦有五大用途：感知、運動、儲藏信息、情緒管理、認知。
對於感知，魯白教授認為腦機介面有可能實現。
運動這個用途人工智慧也可能實現，而且實現的速度可能會更快。
對於記憶功能，計算機做的非常好，比人做的好。但是，把人的記憶用一種什麼方式能夠輸出，目前還沒做到。
對於情緒管理，魯白教授認為輸入是有可能的，就是影響我們的情緒完全有可能，而且不會在很遠的時間就會實現。
在認知方面，他認為，人跟人工智慧還是有不一樣的地方，例如想像力，有了想像力才能創造。

所以，在想像力方面，人工智慧似乎永遠無法替代。
就這像給做創意的人提供了一根救命稻草。
但如果你看過如下的信息，可能也無法樂觀起來

1999年，以色列一支研究團隊分析了200個廣受好評的創意廣告，這些廣告都是各大評選中的獲獎作品，市場效果也很不錯。結果經過分析，研究人員發現，這些優秀作品中有89%可以歸入6種基本類型的，或者說大部分成功廣告都用了6套模板。同時，研究人員還分析了200個失敗案例，結果發現只有2%能夠歸入到6套模板。

即便你是創意型人才，如果你不是僅有的那11%，你也是可以被取代的。

四、霍金說：

的確，我們擔心聰明的機器將能夠代替人類正在從事的工作，並迅速地消滅數以百萬計的工作崗位。

2015年1月份，我和科技企業家埃隆·馬斯克，以及許多其他的人工智慧專家簽署了一份關於人工智慧的公開信，目的是提倡就人工智慧對社會所造成的影響做認真的調研。
在這之前，埃隆·馬斯克就警告過人們：超人類人工智慧可能帶來不可估量的利益，但是如果部署不當，則可能給人類帶來相反的效果。

比如，人工智慧具有根除疾患和貧困的潛力的，但是研究人員必須能夠創造出可控的人工智慧。

霍金老爺子想得周到，控制人工智慧的發展，不能讓機器人把人類趕盡殺絕了，包括工作崗位啊。

五、張首晟（33歲便成為斯坦福大學物理學教授的天才）說：

「我不完全認同霍金教授的看法，他認為給人類帶來更多的危機，有一種危機感。我覺得機器人最終也有一個道德的觀念產生。大家也許會覺得很奇怪為什麼機器人能夠產生道德觀念？我認為根本來講，人和機器人沒有本質的差別。為什麼？人也是原子組成的，機器人也是原子組成的。人有道德觀念，機器人為什麼不能有？」
「我們考慮機器人道德觀念這一件事情上面，要能夠想到人為什麼有這個道德觀念的產生？首先人是原子組成也是細胞組成，其實每一個細胞都是非常自知的，知道自己活下來並且讓自己的基因活下來。所以，人是由有自知的細胞組成。人為什麼有道德觀念？人為什麼有無私的行為？其實最終跟博弈有關。

你利他可以利己，道德觀念一旦想通這個之後，道德觀念在人類社會非常廣泛。所以機器人繼續往前發展，機器人將不僅僅是一個機器人，只要它足夠聰明，如果機器人又懂數學，如果他懂得博弈論，他就會發現利他又會利己。我覺得他足夠聰明同時也會有道德觀念。」

張首晟的觀點很好玩，他認為如果人工智慧真能達到如此之高的程度，那麼機器與人工之間的博弈必然也會被機器考慮進去，從而實現平衡。
大家想想為什麼程序化購買在中國被玩壞了？其中一個原因在於觸動了太多人的利益了。
程序化購買如果夠聰明，就應該學會博弈，給其他人的利益保留一定空間。

六、
其實對於營銷人員，至少有一個事情是可以勝任的：將營銷的方法進行總結概括，使得營銷變得更加科學，從而翻身做主人，教導人工智慧怎麼來工作。
就像百度要挖李叫獸去做信息流廣告一樣，把信息流廣告變得更加科學，可以衡量。
還有一點值得慶幸：所有已經發生的創意都是無用的。
所以，這個工作可以一直完善下去。

七、李三水說，
我想問人工智慧一個問題：
如果人工智慧能代替你哄小孩，教育小孩，接小孩上下學，給小孩做早餐，那麼你怎麼告訴小孩你愛他呢。

查閱圖文完整版，可以關注公眾號：最近商業洞察Lonely Planet.
2017年5月27日

人工智慧目前的水平還很低。

但是水平很低的人工智慧結合上已經成熟技術已經能替代很多行業了。

還沒流行開始因為成本。

目前已經基本的成熟的。

一，替代售貨員，收銀員。

阿里京東的無人超市已經在做了，但是超市還得有防損，還得有理貨，完全無人的超市現在還做不到，替代收銀是可以做到的。

現在阿里京東都在搞線下。
以後超市進門刷臉指紋確認身份，拿東西(標準化，生鮮還不行)自動算錢結賬的超市會普及。
一個大超市，只有幾個保安在監控室看著就可以營業。

二，礦車，廠內，倉庫的司機

無人駕駛現在跑公路還差點，但是礦車，碼頭，工廠的內部運輸是沒問題的。這塊會先替代。

三，技術崗位的輔助者

人工智慧不會上來就是一個機器人，而是體現在越來越好用的機器上面。

其實ATM就是替代櫃員的機器，加上人工智慧人臉識別無非更安全更快捷而已。

這種效率會體現在同樣的工作，需要的人越來越少。

譬如文字識彆強了，會計的單據可以自動掃描裝訂生成賬簿報表。以前三個會計能幹的活，一個會計就能幹完。兩個會計就失業了。

貸款自動識別信用，一個人的所有信息大數據都有了，檔案自動生成。貸款前台後台十個人的話一個人就幹了，九個人就用不著了。

甚至以後戰爭，只要一個指令下去，一批無人機，無人坦克衝過去，某個區域帶紅外特徵的東西全部打成不帶特徵的。戰爭就結束了。一個下士操作員替代一個營的輕步兵。

謝邀！

顯然，機械性動作的工種很容易被人工智慧取代。最為著名的是富士康的機械臂。但今天我來說說一個有意思的想法。

大家留意了沒有，很多政府的辦事部門做的業務，都是機械化流程的。比如你去相關部門辦個證件或者什麼的，就很適合用人工智慧來替代。因為即使沒有人工智慧的時候，人為的辦公方式也是流程化的。

比如你要辦去國外的簽證，你是要先取號排隊，然後跟著一系列流程來走的，跟你對接的是一個公務員，但公務員，不敢說全部，總有一些有時候不開心，或者說準時下班的問題。如果安裝了人工智慧，就不一樣了。以後可以通過機器24小時開放給大家辦公了。

而且，機器辦公還有個好處，永遠是笑臉相迎，無論你怎麼說，機器都會像siri一樣可愛。而最重要的，當然是提高政府的辦公效率，一方面減少人工開支，另一方面機器可以做到24小時的辦公。當然，這也意味著，很多公務員會被淘汰掉，不是有人說了，未來70%的工作被機器取代，如果真這樣，公務員應該也占很大一部分。

當然，大家會擔心兩個問題，第一個問題是人臉識別的問題，第二個問題是疑難雜症問題決斷問題。

對於前者，人臉識別已經很成熟了，而且未來會越來越成熟，所以我覺得這塊不用擔心，因為遊俠岔子，就算是人工也會出，用人工智慧來替代的話，也有可能有錯誤，但這個概率跟人為的概率應該可以做到差不多。這樣的話，技術的問題其實是不用擔心的，就算現在不行，未來等到完全成熟後再部署也行。

第二個問題估計機器難以取代。因為人工智慧是按照流程辦事的，但有些人比較特殊的時候，估計還得找人，這個時候，可以留著兩個真人的窗口，專門解決疑難雜症的，這樣會更好。

總體來說，很多公務員崗位的確適合用人工智慧。

本回答根據與 IBM 電子行業全球智能製造解決方案總經理鄧欽對話整理

————————————

比如說製造行業的質量檢測員，人工智慧就可以幫很多的忙。

在生產流水線上的質檢員，他們需要每天花10個小時以上的時間去判斷質量。很多工廠這個工作崗位兩三個月就要輪一次崗，因為肉眼確實受不了。

現在大家都在搞智能製造、智能工廠，工廠前端的自動化程度非常高，很多的工作崗位完全由機器人來代替。但是大家沒看到的是工廠的後端，需要給工廠做產品質檢那一段。很多這種類型的工廠，後端的人黑壓壓一片。

為什麼之前沒用技術的手段幫助解決質檢的問題呢？主要原因是誤判率比較高。大概是有百分之二十，甚至三十的誤判率。這也就是為什麼工廠沒有辦法大規模的推廣和使用這種技術。

而現在人工智慧介入了以後，工廠的這種誤判率會在上線時達到3%-4%的水平，並且會逐步減少到更低。

人工智慧的質檢員怎麼判斷出劃痕呢？

在生產中一個劃痕會有很多種不同類型的定義。比如：這個劃痕的位置，它的長度、它的深度，這都需要預先做好一些判斷。

在傳統的工具中，它會以類似一個九宮格的方式去給它畫這種不同類型的缺陷，然後類似一種算術的方法去作對比，然後定義它的各種缺陷類型。

實際生產過程中，很多缺陷類型，哪怕是劃痕都會有一些模稜兩可的一些比較難判斷的狀況出現。這樣的話，傳統方法就會有很高的一些誤判率。

但是人工智慧最重要的一個能力，它具備學習能力。比如說，同樣一個劃痕，它會和傳統系統一樣，第一次都犯錯誤。但是人工智慧第二次、第三次，它不會犯一樣的錯誤，它具備一個學習能力。同樣的問題或者類似的問題，下次它會做出非常精準的判斷。而傳統的系統除非你改程序，同樣的問題，下次它一樣會犯錯誤。

基於人工智慧的系統可以自主的、自動的去學習，從過去的一些判斷失誤中學習。從一些有經驗的質檢員那兒學習，這是完全自動的方式，不需要人工干預的，生產線可以正常的運行下去。

認知質檢員需要不斷地被訓練

很多人把IBM的認知系統理解成一個套裝軟體，即插即用，裝好立馬就可以做。

其實任何一個認知系統，都跟傳統的軟體有非常大的區別，它需要一些開發的過程。拿認知質檢員做例子來說就是，它有三個主要的一些開發過程。

第一個階段，IBM已經做出來了，就是開發了一套具有學習能力的圖象識別系統，用數百萬GB的相片，日常工作中或者生活中的相片，手機、蘋果、梨子、火車，這種相片去培訓出來一個有圖片識別能力的基礎模型。這個過程用的基本上不會是工廠的圖片去培訓它，這就是日常生活中的圖片。這樣的一個基礎模型，它的認知能力基本上類似於一個七八歲的孩子。

第二個階段，需要工廠產品特定的照片來，去培訓這個模型。一般會需要數萬張照片，讓這個模型接受培訓。基本上通過這個階段，這個模型的能力相當於一個技校畢業的學生的水平。

也就是說，基本上有一些生產工經驗知識了，但是放到工廠上立馬讓他工作，可能還有一點難度。這也是為什麼會需要第三個階段。

第三個階段，就是用比較有經驗的質檢員來培訓這個模型。就像老師傅帶學徒一樣。因為每一個模型，讓它去做一次判斷，它總會有一些失誤存在。一旦這些失誤產生，就會讓老師傅去跟它說：「我為什麼判斷錯了，主要原因是哪些？」

這樣，這一套模型或者說系統，就具備了老師傅剛才傳授的經驗，下一次遇到類似的問題，就不用再找老師傅了。

因此，第三階段培訓結束後，認知質檢員基本就具備上崗能力了。

並不是所有的人工質檢員都會被取代

認知質檢員來了，會不會一個質檢員都不需要了呢？

不是的。

其實就是認知質檢員的上崗也是需要一個過程的，就跟新的學徒上崗一樣，您可能不敢100%的放手讓他去干，還是讓一個老員工在他後面去做一些監督、做一些觀察工作。所以說我們在實際生產的過程中，一個認知質檢員系統上崗，通常還會有一個人工在旁邊去幫它做一些監督檢查。但是經過一段時間之後，這一部分需要監督或者檢查的人工就會逐步的節省下來。

另外一個非常關鍵的點，是這一套人工智慧系統每一次判斷，它會給一個「自信度」。所謂「自信度」就是「我有多大的信心，這個判斷是對的，但是我可以量化它」，比如：我看到這個劃痕，基於它的長度和它的位置，我有99.9%的信心這個劃痕是一個必須檢查到的問題，需要下一步去做處理的。這樣的話，就給到生產線上的同事一個比較清晰的信息，這一塊東西我不用人再看了。但是會有模稜兩可的問題出來，我們的質檢員也會有信心比較低的時候。

比如：我這個劃痕有80%的信心，它是這裡錯誤。師傅，您能不能幫我再看一下。

這時候人類師傅拍板，不簡簡單單是「對」和「錯」這樣的拍板。人工智慧質檢師更需要的是，師傅您得告訴我，這個為什麼對了，這個為什麼錯了？這樣才能學。

具備人工智慧技術的認知質檢員，是不會100%替代現有的人工質檢員的，但是它能夠大大的減少人力在這種有害健康的工種上的投入，對企業來講也會大大的提高它的生產效率。

這一套系統在生產線上是一個逐步迭代和提高的過程，一般一開始可能能幫助工廠節省20%-30%的人力，還需要相當一部分人力去做一些比較複雜的判斷。但是隨著時間的推移，這個百分比會逐漸到五十、六十、八十，甚至更高，但是永遠不會100%的取代所有的人，因為還需要企業保留最有經驗的一部分質檢員，幫人工智慧質檢員去做一些最複雜的判斷。這樣的話，這個系統才能不斷的去提高。

人工智慧質檢員效益如何？

這套系統已經開始在一家中國的LCD面板工廠實施了，給他帶來的效益真是按千萬級來計算的。不光是人力的成本減少，更多的是一些生產力的提高，是讓他工廠的生產能力得到了釋放。

只要涉及到外觀檢測的行業，這套系統都有應用。不光是電子行業，這套系統已經開始在汽車行業的一些汽車外觀、噴漆的檢測得到了應用。

製造業之外，其實在建築業方面，也有一些應用。

比如說，一些比較高危的部位的檢測，人爬上去可能比較困難，而且效率也不高。IBM在跟另外一家公司合作，用無人機帶著攝像機上去拍攝，然後再去判斷工程質量的問題。所以說這個應用，真是方方面面都有。只要是需要人去做外觀判斷檢測的，這一套技術都用得上。

簡單的總結一下。只要能拍出來照片，在照片上能識別問題的這一類場景都可以去運用。

無論是食品外觀出現了問題，比如：一個蘋果上出現了斑點，能不能上架；還是服裝上的一個線頭露出來太長，能不能讓它判定為質量合格。

這樣的場景太多了，認知質檢員都可以用起來。

時代變化的很快，而且只會越來越快。

比如20多年前的中國，人們都在為了國企的「鐵飯碗」爭得頭破血流，未想到幾年後國企改革導致大批員工下崗，自此再也沒有「鐵飯碗」一說。

再比如過去幾十年里，美國華爾街的交易員從為飯桌上的麵包發愁，到成為人人都羨慕的百萬年薪「金飯碗」職業，再到最近的大幅裁員下崗。變化之大難免讓人感到唏噓。

（圖1：現在的UBS交易大廳）

（圖2：八年前的UBS交易大廳）

為了防止在未來的某一天被時代拋棄，我也會偶爾思考一下職業選擇問題。很多人口中的「選擇比努力重要」，很大程度上說的便是這個就業的選擇。現在看來金融仍然是最火的行業之一，大批同學趨之若鶩。作為一個金融民工，另類投資從業者，我想就這個領域如何選擇工作分享一點自己的思考，想到啥說啥哈，不成體系請勿怪勿噴。

首先同意高票答案的說法，最容易被替代的職業往往是附加值相對而言較高的，因為這類工作一旦人工智慧化便可省下很大的人力成本，這往往是創新的內在驅動力。所以金融行業一定會花大價錢去做人工智慧的創新。比如高盛近年投資了很多錢在Fintech領域，僱傭了很多工程師甚至科學家，為什麼呢？因為付給這幫trader的工資實在是太高了，效率也無法和機器人比擬。。。所以一邊AI化的同時也解僱了很多交易員。

其次，我想聊聊數據量、信息完整度以及標的標準化程度。就投資而言，我先籠統的劃分為一級市場和二級市場，二級市場主要就是債券和股票（以及相關衍生品），一級市場比如VC、PE，也包括實物資產，如房地產、基礎設施等。假設一個剛畢業的小朋友要進入一家投資公司或基金做分析師，行業研究也好，投資分析也罷，該怎麼思考？

我認為更容易被替代的是二級市場的分析師。原因就在於標的過於標準化，數據和信息完備。任何一支股票都會有與其對應的股價、交易數據，其公司的所有財務信息和運營數據都是公開且被審計的，各路研究分析評論絡繹不絕，還有社交網路上的點評和情緒，如此標準化的產品、如此大量且完整的數據，最適合機器人做分析了。

舉個具體的例子。比如領導叫你就某個公司做個分析，你得先拉數據到excel，整理一番，畫個歷史數據圖找找趨勢，然後做個競品分析橫向對比一下其他公司。等你數據摳出來，幾個圖表畫完，編出一套自洽的結論，再改改格式調一下字體，兩天都過去了，最佳的交易時間或許也已經錯過。而在可預期的未來，這種級別的工作，機器人理應可以在幾秒內就把一個非常完整的分析報告展示出來。

再換一個例子，領導要你判斷一下市場對某個股票的情緒和未來的走勢看法，短時間內你可能就搜一下研究報告，或者和賣方研究員通個電話，給出一個感性的結論，比如看多還是看空。但是機器人可以匯總和分析互聯網上每一條針對這隻股票的評論，去量化這種「情緒」。所以信息越多，超出人類可以操作和接受的範圍，人工智慧化就是穩贏。

所以信息量是關鍵。人類很多錯誤的決定，往往是因為看不到事情的全貌，無法了解全部的信息。

而如果是一級市場，比如VC行業，某個小公司可能業務模式都沒搞清楚，其他財務數據更是完全沒有的情況下如何呢。作為有經驗的VC投資人，他們可以看團隊，看賽道，至少可以憑藉自己的經驗和對人性的理解，針對項目有一個相對靠譜的判斷。而人工智慧在如此稀少的數據下幾乎無法做出任何可信的分析，特別是對人的判斷更是無從談起。

從這個維度上說，數據越少，信息越殘缺，標的物標準化程度越低，越難以被人工智慧取代。

當然，現在的固收和股票市場比一級市場的規模大很多倍，所以機會較多薪酬也可觀。但是風險就是可能隨時被替換，而更可怕的是你3-5年的股票交易/分析的積累在人工智慧時代幾乎接近於一無是處。到時又應該怎麼辦？現在剛畢業的小朋友可能沒感覺，覺得這麼離奇的事情不會發生，可如果你熟悉近一百年的歷史，站在歷史的角度去看，你會發現這種事變化實在是太稀鬆平常。

所以選擇工作，可以考慮往這個方向去靠，有戰略性的往前端或信息量更少的輪次移動或許是對沖未來人工智慧化的一個好的選擇。

當然，如果可以做到業內頂級，也自然不用太擔心（包括股票分析師）。畢竟暫時而言人工智慧還是由人類主導，靠人類的編程和演算法完成。風險最高的永遠是處於食物鏈中低端的話語權不高的人們。所以如果你認為可以在人工智慧全面侵入之前爬到領導的位置，那也是沒問題的。不過這個問題，就屬於歷史的進程了。

再開一下腦洞，如果人類社會真如尤瓦爾赫拉利的《未來簡史》中所描述的，從人文主義到了數據主義，那個時候的金融行業又會怎樣呢~如果到時候發達的人工智慧可以了解每個人體內的生化反應，從而通過數據掌握人類的行為模式。。。不敢想會發生什麼，但是馬太效應或許會愈來愈嚴重吧。

別的國家我不好說，在中國我想首先必須是銀行，醫院以及各類工商稅務民政機構業務。
首先這類業務流程清晰，容易流程化編程。
其次這些業務是剛需，但總是導致用戶大量時間浪費。
最後這些業務的主管部門有實力也有影響力提供人工智慧服務。

想想那些公僕們，你排了好久的隊耐心全無過去辦理業務，結果他們也因為持續長時間機械重複的工作變得耐心全無，很容易懟起來。是時候推出機器解放公僕們，讓他們能每天輕鬆地放假了！

象牙塔里待太久的人，總覺得面向基層的政府機構、事業單位等等窗口部門會被ai甚至自助辦證機取代。

我覺得他們眼裡的窗口部門可能就和學校補辦食堂飯卡差不多。

一切白領行業的entry level崗位

AI不會在你我有生之年取代人類智慧在這些行業的決定性地位，但是可以幫助有經驗的行業資深人士以幾何級數提高生產力，從而大部分消除資深人士對於打雜新手的需求，並將令多數專業對口的大學畢業生失去入行學習的機會。

範例的話，只要想想CAD出現之後，建築系學生苦不堪言的就業機會就知道了

牛津大學的研究人員對702種職業做出了研究，發現，在將來的20年之內，47%的工作都可能被人工智慧/機器人取代。

下面是一些職業被取代的風險。

高危職業有：

底層文員，行政人員，貸款專員，法律助理，司機，物流運輸人員等等。而初級的程序員也有一半可能會被AI取代。。。

風險較低的職業包括了：

律師，演藝人員/娛樂圈人士，外科醫生，小學老師等等。

可以看出，容易被取代的職業包括下面幾個特點：

不需要與外界交流
和數據/數據分析相關 (基礎的)
有明確定義的任務和規則
機械化的勞動

不容易取代的職業特點：

需要與人/社會直接的交流接觸
需要個性化服務
有創造性
有個人影響力/品牌/資源

更多的職業在這裡：

http://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf

不少人沒有體驗過，也可以了解下第1-3次工業革命，全球化，國企改革吧。AI/機器人就是第4次工業革命的一部分啊。

即使一些工作失去了，一些人也沒法轉業，我樂觀地相信總體來說社會更高效，產能和生活水平會提高的。

AI/機器人可以讓人們從很多枯燥重複危險的工作里解放出來，去做更有創意的事情或者不需要工作就能享受生活。比如掃地機器人，按摩椅之類已經很常見了。

----------------- 小廣告，歡迎參加我的Live！-----------------

自動駕駛無人車如何影響地產, 房價與商業？

入口：

知乎 Live - 全新的實時問答

其實沒有必要太擔心人工智慧帶來的失業潮，這個過程應該是緩慢而堅定的，不會在一夕之間發生。現在人工智慧領域泡沫還比較大，而大部分行業其實還遠沒有達到人工智慧革命的階段。以我供職的一家諮詢服務類公司為例，為了趕上潮流提供人工智慧方向的諮詢，老闆專門招聘了多個相關領域的博士，包括數學、統計、計算機，甚至還有一個行為科學(Behavioral Science)的美女博士。然而我們這個團隊迄今為止還沒有成功的做出一個「顛覆行業」的產品，大部分賣給客戶的都是比較小的模型。我們嘗試過「審計自動化」但也因為各種原因失敗了，如 @阿薩姆老哥在問題隨著人工智慧的進步，財務工作者會大批失業么，該如何應對，我們也試過代替人事用於面試的對話機器人(Chat Bot)，受限於自然語言生成(NLG)結果也不夠驚艷。

1. 人工智慧的存在是否可能會導致失業呢？

我覺得還是有的，但此處的失業僅特指在某個方向和小範圍上，而不是全面失業。舉兩個簡單的例子：翻譯和律師。眾所周知，這兩年的文字/語音翻譯模型進步飛速，自然語言處理(NLP)也有很多依靠深度學習發展很好的例子。以律師行業為例，多倫多/矽谷共同孵化的Ross Intelligence就很好的為法律文件檢索提供一個快捷免費的方案，讓大律師們的失業變得成為了可能。前一陣子我想大家也看到了騰訊和學術界共同開發的「騰訊覓影」來檢測早期食管癌。這些例子不難看出，在短時間內，很難出現全領域的人工智慧或者機器學習模型。但是在利潤率高、數據結構化好、數據儲量大、問題定義明確的單一領域，AI可以發揮其力量。隨著一個個小領域被逐步擊破，或許我們就可以迎來強人工智慧時代，是福是禍暫時還未可知。

所以在我看來，一個行業/職業達到被人工智慧取代至少需要滿足以下三個條件:

結構化的數據和良好的數據積累：人工智慧需要結構化的數據，至少是電子數據。人工智慧的秘訣就是通過學習數據發現並重現其中的規律，沒有大量的數據積累導致利用人工智慧舉步維艱。大部分領域的大數據化，甚至是數據結構化都還有很長的路的要走。以審計為例，很多公司還有大量的票據都不能無紙化，更不要提AI能夠消化的電子數據了。以我上文提到的面試AI為例，因為沒有原始數據可以直接使用。於是我們讓12個剛入職的員工花了一周時間把我們保留的面試視頻逐字逐句的轉譯到文字+特徵，整個過程苦不堪言。
清晰明確的任務定義：現階段比較在商業化中被廣泛應用的機器學習還是監督學習，而監督學習要求有比較明確的問題定義。現在看起來很有希望的強化學習，遷移學習等還並不能大規模普及應用。以簡單的監督學習為例，如果你想建立一個模型來預測企業併購是否會影響公司股價，那麼你需要提供大量併購數據，以及併購後股價是否發生了變動。理想情況下，在收集足夠多的併購消息和股價變動信息後，做自然語言分析後提取特徵放到機器學習模型裡面就大功告成了。然而在實際情況中：我們無法給出明確的問題定義和邊界。如果想用AI來來制定一個股票交易策略，那麼需要考慮進去多少因素？僅僅只考慮併購消息就夠了么？越多相關的因素越可以提高模型的擬合性和準確性。如宏觀政策和微觀的具體情況都會影響到股價的波動，漏掉其中哪一個都會造成一定的影響，往往是多多益善。在這種情況下，每個問題都需要大量人和數據來支撐，這也是為什麼大量用AI來預測股票走勢的探索都無疾而終的原因。現階段或者可預見的未來，在很多問題上不會出現這種明確的定義和範圍。
可接受的回報周期和高利潤率：每個人工智慧問題可能都需要大量人和數據來支撐。因此研究探索型的、不能產生利潤的方向很少有公司來投資AI。換言之，有財力提供AI研究的公司不多，小型的企業或者學術機構又缺乏資源（資金，技術人才，數據積累）來進行系統的研究。因此在很多傳統的行業，大家其實是缺乏動力來投資人工智慧的。比如你很難說服一個燒烤店老闆投資AI來吸引更多客人或者開發自動燒烤機器人。如果某個人工智慧產品不能在合理的周期內提供回報，那大部分企業和資本不會選擇投入。

因此總結來看，滿足以上條件的暫時有:

醫療：疾病檢索、早期預測、手術機器人(勉強把機器人算作人工智慧) ；
翻譯/律師：作為收入比較豐厚的行業，中低端的工作會被人工智慧代替；
金融：作為數據結構化比較好且資金豐厚投入好的行業，越來越多的金融分析師都迎來了失業；
駕駛：其實運輸行業是大家不大了解的體量巨大回報豐厚的行業，這也是為什麼無人駕駛被那麼多公司追捧；
高危行業：高危行業約等於高回報率，如礦洞機器人和高空作業機器人。

2. 什麼行業不容易被替代？

不容易被人工智慧影響的行業一般都不符合以上幾點中的某一點，而很多行業暫時沒有被替代不是因為技術門檻高，而只是回報周期太長且利潤率不夠高，對投資人缺乏吸引力。人們常年掛在嘴邊的藝術算是比較特別的一類不容易被替代的行業，而原因只是因為藝術有「主觀性」的特徵。

嚴格意義上說，正在被人工智慧替代或者將被人工智慧替代的行業其實都是黃金行業，這符合資本逐利的特徵。這也是為什麼我們很少在傳統行業，如餐飲或者製造業聽說人工智慧新聞，而更多的是在高新金融行業。說句政治不正確的話，雖然有越來越多的超市進行無人化，但短期內象徵意義大於經濟價值，同理還有外賣機器人等。

因此不要買櫝還珠，不要為了迴避失業風險而選擇冷門專業。

3. 如何應對潛在失業潮？

像我說過很多次的，趨勢這個東西不要想著對抗，而要想著順勢而為。如果你身處我提到的容易被替代的行業，建議積極發揮自己的領域知識，變成既懂人工智慧又懂金融的領域專家，成為跨領域人才才是保命稻草。具體的建議可以看我另一個答案未來 3~5 年內，哪個方向的機器學習人才最緊缺，重點就是不要拋棄自己的本行和領域經驗，建議取巧從交叉領域發力。

如果你身處傳統領域，或許你有機會成為行業顛覆者。有目的地的收集數據，開始著手逐步自動化/智能化你的工作，像你的老闆灌輸人工智慧思想。但不要操之過急，要一步一個腳印，說不定你就是人工智慧時代餐飲業的大佬。相較於高新金融行業，傳統領域有更多機會，因為技術普及程度低，人才少，你有更大的機會進行顛覆。

對於還在就讀的學生朋友來說，如果不是計算機/統計方向，建議有計劃的學習和了解更多數據分析相關的知識，也可以考慮去讀一個數據分析碩士。核心觀點是，在這個「人工智慧」盛行的時代，即使泡沫終將會破，有一些數據分析能力也能夠幫助你「逢凶化吉」。

註：本文觀點轉自 @阿薩姆老哥在問題有哪些職業容易被人工智慧替代，又有哪些行業不易被人工智慧替代的回答，轉載請私聊原作者並註明出處。做一隻IT乾貨的搬運工，喜歡就給個讚唄。希望繼續在IT行業突破提升自己的各位朋友，歡迎加群384053806，不管你自我感覺牛不牛B。

先說結論：僅就目前的AI來看，判斷某項工作是不是會被機器替代，有一個大前提，和一個小前提：大前提，是可以獲得足夠的有效數據，也就是說機器有快速進化的基礎；小前提，是人本身的進化過程沒有見過大量的數據，也就是說人的起點並不高。

前些日子，去人類文明發祥地埃及轉了一圈，不料想人類文明已臨大敵——DeepMind又在搞事情了！完全靠左右互搏練出來的AlphaZero，居然不顧人類心理陰影面積，碾壓幾千萬張棋譜喂出來的前輩，真是嬸可忍，叔不可忍！

看起來，不僅人類經驗已成廢柴，連我們膜拜的大數據也將一無是處？正好相反，AlphaZero的勝利，恰恰說明了數據在AI領域的唯一神性。現在，請把所有異端踩在腳下，來跟我一起念：

萬物非主，唯有數據； 深度學習，數據使者！

什麼是數據？其實就是一個二元組(x, y)：其中x是一次觀測值，也就是「看到了什麼」；而y是觀測的標籤，也就是「看到的是什麼」。這兩個要素，湊在一起才叫一條數據，缺一不可。舉個例子，在語音識別中，x就是一段聲音信號，y就是對應的文本；而在人臉識別中，x就是一副圖片，y就是這個人的編號。

人們對數據唯一神性的認識，並非一帆風順。在原始AI時代，由於計算能力的限制，縱有數據也無法處理，於是多神崇拜盛行：有人信演算法，有人信專家，有人信窮舉，也有人只信人品。直到本世紀，採用GPU的深度學習方案實用以後，我們才恍然大悟：原來數據里蘊藏著那麼多的寶藏，只是過去我們無力挖掘罷了。現在看來，有充足(x, y)這樣的數據是AI必要的物質基礎。既然數據如此關鍵，聰明人肯定會問——能不能自動獲得數據呢？對此，AlphaZero給了我們一個並不意外的漂亮答案！

在圍棋問題里，x是某局棋，而y就是這局棋的輸贏。由於圍棋的規則確定，任給一個x很容易算出y，於是機器就可以自動生產數據了！有了無窮無盡的數據，AI笑傲江湖在戰略上並無意外。這揭示了無監督訓練的一個本質要求：由觀察x能夠顯著降低y的不確定性。對於圍棋，x定了y也就定了，這簡直太美妙了，三千萬棋譜又算什麼？我這兒要多少給你編多少！

自動生成的棋譜當然還得靠譜。就說你算力超過奧特曼，可是天天冥思苦想下圖《環珠格格》中紫薇下出的弱智局面下的策略，也不過是浪費電罷了。這提出了自動生成數據的另一個要求：生成的數據p(x)分布，要跟真實分布盡量接近。對此，AlphaZero是否考慮了，怎麼解決的，我還沒有仔細研究過。

AlphaZero的勝利，一靠數據至上的信仰，二靠圍棋自生數據的特點。不過，不要以為在其他領域，也會被這樣的餡餅砸到，因為能自生數據的任務並不常見。那麼，有沒有可能通過方法上的改進，大幅降低對數據的依賴性呢？有可能！對比一下人與AI的視覺，會發現兩者對數據的利用效率大為不同：有寶寶的可以留意，他們在畫上見過一張卡通長頸鹿，到了動物園就能認出真的長頸鹿；而目前的AI要認長頸鹿，怎麼也得看個幾萬張高清無碼長頸鹿寫真才行。

其實，從動物到人的上億年進化中，視覺系統不斷地被外界景象所刺激，也就在不斷吸收數據和加強能力。妙就妙在，人類的視覺能力一則可以遺傳，二則可以在不同任務上復用。想想也是：辨別紋理、線條，與認長頸鹿還是河馬並無關係。那一張卡通圖片的作用，只是告訴小孩子怎麼拼出輪廓罷了。這與「強AI「可能有些關係：深度神經網路的下面若干層，往往表達的是類似「線條、紋理」這樣的初級信息，與高級語義的關係較弱，如果我們能把這些初級單元復用起來，AI就能夠充分利用類似任務的數據，而不是撂爪就忘。這樣一來，缺少數據的問題就大大緩解了。

人類的感知系統還有另一點令人困惑：別忘了在進化過程中，從來沒人告訴一隻猴子，眼前的哪個物體是鱷魚。也就是說，人類的感知進化很可能是無監督的，這給了我們無限的希望，也讓我們後背發涼。

回到問題，僅就目前的AI來看，判斷某項工作是不是會被機器替代，有一個大前提，和一個小前提：大前提，是可以獲得足夠的有效數據（能自動生成數據則無敵），也就是說機器有快速進化的基礎；小前提，是人本身的進化過程沒有見過大量的數據，也就是說人的起點並不高。

速記、客服這些與語音視覺相關的工作，滿足大前提，不滿足小前提，AI從這裡起兵卻遭遇勁旅——人類的視聽系統可是上億年的數據喂出來的啊！反而是股票操盤手、互聯網數據分析師這些工作，遲早是AI的菜，人類並無還手之力——不信去測測基因，您有祖上遺傳下來的炒股本能么？

還有什麼工作容易被AI顛覆呢？考慮到「自動生成數據」這個關鍵，我冥思苦想以後，無奈地告訴大家，還真沒準是編程。

機器自動寫代碼並不是個新問題，這叫做「歸納程序綜合」（Inductive Program Synthesis，IPS）。IPS問題可以描述為：給定一組&<輸入，輸出&>數據對，自動產生一段代碼，將這些給定的輸入轉換為給定的輸出。傳統的IPS方法，有點類似只能在4路小棋盤上的暴力搜索；可實際的編程任務，好比是19路大棋盤上的對局，還得靠萬物靈長的程序猿來人肉搞定。

可如今天下大變，機器在19路圍棋上已經碾壓人類，憑什麼編程就不行呢？機器人下棋，靠的是統計的方法和大量數據；而機器人編程，當然也要用機器學習替代暴力搜索。這裡的關鍵，還是數據從哪裡來。在這點上，AlphaZero給了我們極大的啟發。

如果在某些問題中，編程需求可以像圍棋規則那樣形式化表達。此時，給定一種輸入，輸出很容易確定，這就可以自動生成大量的測試數據。有了這些數據，後面無非就是演算法進化的問題了。

所以，真正的難點，還在那個形式化的需求表達，目前這離我們有多遠，我也說不清。設想一下，應該是在不同領域各個突破，分別制定表達方案。不過，編程領域的基礎準備相當充分：那個叫Gitbub的網站，將是機器顛覆人類程序猿的大本營！從Github上的海量項目出發，分領域定義需求表達模式的話，後面的數據生成和編程模型訓練，其進展恐怕比我們想像得要快得多。

現有的碼農工作流程，可以分為溝通、設計、實現、調試、測試這幾個步驟。某典型程序員隨著年資變化，這幾個步驟的時間佔比大致是上圖的樣子。如果形式化腳本+自動編程成為現實，上圖中的實現、測試、調試逐步驟就可以交給機器了。而溝通這一步，也將大大簡化。由於可能比較自動地生成數據，機器人編程解決複雜的任務，恐怕是遲早的事兒。到了那一天，程序猿就要大幅減少，產品狗勢力會進一步擴張：就算是不懂什麼堆排序、B+樹、CNN，只要用腳本把需求表達出來，一樣能做出產品！不過，那時產品狗的要求可高多了，得有真正的邏輯提煉和任務分解能力，就會吵個架、搶個功是遠遠不夠的。

「遍身綺羅者，不是養蠶人。」親愛的程序猿們，不要天真地以為你們創造了未來，未來就屬於你們。狡兔死，走狗烹未必是機器自發的願望，無奈編程這樣高度形式化、數據可自生的任務，可能正是AI鐵蹄首先踏過的沃土。除了少量的高端碼皇（參見答案《20萬、50萬、100萬的演算法工程師，到底有什麼區別？》），廣大碼農碼畜們只有儘早皈依大數據教，向高級產品狗快速進化，才能避免被淘汰的命運！

［我是@北冥乘海生，想吸收更多負能量，請大家關注我的公眾號「計算廣告」(Comp_Ad)和知乎專欄「計算廣告」！]