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？

01-19

不邀自來:)

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：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阿薩姆：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」。

祝大家好運 ?????

潑一下涼水，當前的階段，與其說「哪些職業被人工智慧取代」，不如說「哪些職業更能利用人工智慧」。根據網易實踐經驗，商業上有幾個領域已經有成熟應用：智能客服、內容安全、智能推薦和語音識別等。

智能客服：通過智能客服及時地響應大量重複性的基礎性問詢，提升客服質量。注意智能客服並沒有做到100%的智能回復率，回答不能讓客戶滿意的，還是要轉到人工。但人是有情緒的物種，智能客服要有一定的判斷能力，能通過語言判斷客戶的意圖，判斷客戶的情緒，從而做出正確的選擇，保證客戶體驗。人工智慧也可以為客服體系創造更多的價值。

垃圾內容過濾：藉助人工智慧技術為互聯網內容完成廣告過濾、智能鑒黃、暴恐識別、涉政檢測等工作，平均1天為中國互聯網過濾大約1億條垃圾信息。

這兩個場景，都是簡單重複、答案明確、數據豐富的場景，人工智慧能夠通過充分的訓練，做到比較好的精確度，比如網易雲垃圾內容正確識別率為99.8%。人工智慧最重要的還是緩解人力成本的壓力，網易雲全智能雲客服智能回復率為86%，一年為客戶節省成本1億以上。

智能推薦說到語音識別，現在一些大會上都已經出現人工智慧戰勝人類速記的演示，看似速記員應該可以下崗了，然而現在速記員並沒有受到什麼影響，原因事多方面的，比如演講人有口音、語言習慣不那麼好的情況下，人類速記員可以實時地勘誤、潤色。一些人工智慧作詩、寫新聞稿的案例，其實也都是那種比較簡單（固定套路成熟）的作品。

所以說，目前人工智慧舉一反三的能力還差得很遠，通用型人工智慧還有太多的難題需要克服，局部專用人工智慧還是協助人類把工作做到更好，包括上述並未提及的有道翻譯官，更多發揮的也是輔助作用。未來演算法越成熟，人工智慧能幫助人做的事情會越多，如翻譯，但不包括需要很強的創造力、想像力的領域，人類也沒有標準尺度的領域，如文學、藝術。

至於說人工智慧會帶來就業問題，好吧，對社會確實會有影響，解決涉及很多方面的問題，比如教育，但大方向還是光明的，我們要積極擁抱這個趨勢，而不是阻撓，這可以參考英國工業革命期間工人集體砸機器一事，產業會是一種新形態，會有很多新職業誕生。

利益相關：網易雲提供的場景化雲服務，包括基於人工智慧的內容安全服務和全智能雲客服（七魚），網易內部的網易雲音樂（聽歌識曲、推薦）、網易新聞（內容安全）、網易考拉海購（智能客服）、網易郵箱（人臉識別）、有道（機器翻譯、語音評測）、遊戲（語音識別）等多個產品，都在使用人工智慧技術。

關於人工智慧與就業的問題，可能常見的有兩種觀點，一是擔心人工智慧會造成大面積的失業，二是人工智慧在消滅就業的同時，會創造許多新的就業機會，所以不用擔心失業的問題。

從歷史來看，似乎第二種觀點更可信。

早在200多年前的工業革命爆發時，就有人擔憂機械化會造成大面積失業。而事實上，這從未發生過，不僅是第一次工業革命，後面幾次均是這樣。因為正如第二種觀點所描述的，當舊的職業被淘汰時，又產生了新的職業。所以，由此推斷，如果人工智慧是下一次技術革命，那人工智慧將會淘汰一些舊職業，同時創造許多的新的職業。那總體上依舊保持了一種平衡。但未來真的是這樣嗎？

看哪些職業會被替代，得先分析一下人具備什麼樣的能力。

人類具備兩種能力，一是身體活動的能力，二是認知能力。過去的幾次工業革命，還有如今的弱人工智慧時代，已經或正在被淘汰的多是主要需要前一種能力的工種，例如流水線工人，銀行櫃檯人員（ATM），收銀員（無人便利店）等。這類工作以重複性的體力勞動為主。

人類在第一種能力上與機器或演算法相比毫無優勢，所以以這種能力為主的工作被淘汰理所當然。在以第二種能力即認知能力（記憶、分析、思考、判斷）上，人類似乎有很大優勢。所以，似乎只要有需要認知能力的工作（律師、藝術家、設計師），人類就不會被淘汰。過去和現在是這樣，不代表未來會一直這樣。

許多看似需要強認知能力的工作還沒被機器或演算法所取代，是因為演算法還不夠先進，運算能力還不夠強大。當機器的運算能力足夠強時，以至於在認知能力上也超過人類時，可能所有的工作都會被替代。

對於美國職業棒球隊而言，尋找球星一項需要豐富經驗，良好直覺的工作，這一般由球隊星探或經理完成。往往，財才雄厚的球隊在這方面具有巨大優勢。2002年，只有極少預算的奧克蘭運動家隊的經理Billy決定走一條不同的路，他利用經濟學家和程序員開發的一套演算法，選了一批被其他土豪球隊星探忽略掉的球員。這個行為在那些星探看來是一種侮辱，因為在他們眼裡如何挑選球員一門藝術，是不可能被機器替代的。而事實是，這支通過電腦選出來的低預算球隊，不僅基本了揚基隊這樣的豪門，還創記錄了保持了20均連勝。

謝謝。不請自來，試著答一下。

利益相關：不相關

2017年10月，一篇名為 Welcoming Our New RobotOverlords 的稿件登上了 The New Yorker &<紐約客&>的封面，講述了工廠工人被機器和自動化不斷取代的現實和未來，再次引發了人們對於被人工智替代的擔憂和討論。

從過去的歷史經驗來看，幾乎每一次革命性新技術的出現，都伴隨著大量舊職業的消失和新職業的誕生。例如當汽車取代了馬車時，司機自然取代了馬夫。這一次，人工智慧也將毫無例外。

未來的具體情況很難預測，但從目前技術的發展情況來看，可以總結出的一點是——大多數可能被人工智慧取代的工作都是單調的、重複性的、不需要較長決策時間的、不需要同理心等情商、不需要創造性和敏銳性感覺的。

為此，《人工智慧時代的未來職業報告》提出了一個「五秒鐘準則」。它指的是：

一項工作中所需要思考和決策的問題可以讓人在5秒內作出相應決定，就很有可能被人工智慧技術部分或全部取代。

從目前來看，同理心可能是其中的一個關鍵。

近日，南京大學教授周志華翻譯了美國俄勒岡州立大學計算機科學榮譽教授、人工智慧進步協會（AAAI）前主席及國際機器學習協會創始主席Thomas Dietterich在近日接受《國家科學評論》（NSR）的採訪文章。其中，Thomas Dietterich說道：

「我認為在眾多人類工作中，有一個方面很難被自動化，那就是同理心（empathy）。機器人和人工智慧系統與人類將會有非常不同的經驗。與人類不同，它們無法「設身處地為別人著想」，因而無法理解人類，並和人類產生情感共鳴。相比之下，人類自然而然地就能做到這些事情，因為我們都知道「成為人類是怎樣一種感受」（what it feels like to be human）。因此，涉及同理心（例如諮詢、輔導、管理、客服）的工作最不可能實現令人滿意的自動化，當人類客戶重視「真實的人際交互」而不接受與機器人或自動化系統交互時尤其如此。」

另外，隨著新技術的不斷迭代，新的工作需求也將產生，例如創造、訓練、定製和維護人工智慧系統的工作。

我們先看看以下這幾組數據：

2013年，牛津大學經濟學家Carl Benedikt Frey和Michael
Osborne的研究指出：「在未來20年里，美國約有47%的工作面臨著自動化的高威脅。
2015年，Forrester的一份分析報告預測，到2019年自動化將取代25%的工作任務。
2017年1月，麥肯錫全球研究院的報告表示：「到2055年，約有60%的工作活動將被自動化。」麥肯錫估計，這些活動主要來自於製造業、食品服務業和零售業。
根據牛津大學人類未來研究院人工智慧影響項目（AI Impacts）和機器智能研究院（Machine Intelligence Research Institute）的研究人員統計，機器有50%的概率能在未來120年內取代所有人的工作。

這些數據看起來有些極端和危言聳聽，但隨著機器學習、深度學習、自然語言生成(NLG)、自然語言處理(NLP)和圖像識別等人工智慧技術的發展成熟，可以預見的是，會有越來越多的行業被自動化和智能化的機器所簡化，甚至取代。

至於哪些具體職業容易被人工智慧替代，我們可以看看眼下正在發生的事情：

製造業領域是最先被改變的。無論是美國的「國家製造創新網路」、德國的「工業4.0」,日本的「工業價值鏈」，還是中國的「中國製造2025」，都涉及到讓製造業流程更加智能化。2016年，蘋果供應商富士康在中國的工厂部署了超過4萬台自主研發的Foxbot機器人，取代了6萬生產線員工。

在出行領域，Uber和Google等公司正在大力推進自動駕駛技術。目前，Uber已在新加坡投放了十幾輛車進行試點測試。2016年，Uber收購的自動駕駛初創公司Otto完成了120英里5萬罐啤酒的無人駕駛送貨任務。

在配送領域，亞馬遜正在推進無人機快遞艦隊計劃。2016年12月，亞馬遜快遞無人機Prime Air在劍橋完首單快遞任務，從接到訂單到包裹送達總計耗時13分鐘。國內的順豐、京東等公司也在嘗試採用無人機進行物流運輸和快遞運送。雅樂軒Aloft酒店正在試驗用機器人管家Botlr為住店客人遞送毛巾或洗浴用品。英國在線快遞公司Just Eat開始採用Starship Technologies的DoorDash自動駕駛機器人在倫敦運送食物。

在零售領域，2016年12月，亞馬遜在美國西雅圖開了第一家無人零售便利店Amazon Go，顧客可以直接拿走商品，由感測器跟蹤購買行為並在他們離開商店後從亞馬遜賬戶自動扣款。雀巢公司在日本的百貨商店採用Pepper機器人推銷「美味咖啡」和「機器」，並回答顧客提問。德國東部IImenau的Robots Bar and Lounge中，用機器人酒保製作混合雞尾酒，並同顧客閑聊。

在安保領域，Knightscope開發出K5安保機器人，用於巡邏、監控可疑行為，並通過監測玻璃破碎、人尖叫等「聲音事件」來探測潛在犯罪事件，目前已有24個K5機器人用於在矽谷購物中心和辦公室周邊巡邏。

在服務領域，日本國家新興科學與創新博物館採用類人機器人做為展覽導遊，機器人Kodomorid負責向遊客介紹展品，機器人Otonaroid負責交談和回答科學相關問題。東京市中心的東京三菱銀行開始使用多語種機器人接待。

在醫學領域，IBM的Watson正在幫助醫生診斷醫療狀況、分析MRI並提供治療方案。手術機器人Da Vinci則從2000年起已經完成了從膝蓋置換手術到視力矯正的200萬個手術。今年Kaggle舉辦的數據科學碗（the Data Science Bowl）上，多個團隊進行了肺癌病例診斷比賽。

在金融和財務領域，高盛用軟體和200名計算機程序員取代了近600名股票交易員。在美國，Wealthfront、Betterment等機器人顧問開始處理越來越多的金融管理服務。Lexmark、Basware等公司開始提供完全自動化的賬戶系統，以執行諸如匹配購買訂單或支付發票等任務。從2017年1月起，日本保險公司Fukoku Mutual用IBM Watson

Explorer取代了34名保險索賠員工，從研究包括住院時間、執行程序以及患者病史等因素來確定支付，預期提高30%的生產力。

在教育領域，McGraw-Hill Connect和Aplia等軟體允許大學教授一次為數百名學生講授課程，大規模在線課程（Moocs）將其覆蓋面擴展到了數千個課程。2016年9月，Pepper教育機器人於進入倫敦設計與工程大學技術學院，成為英國第一個機器人老師。新加坡科學技術研究機構(A*STAR)則開發出了圖書管理機器人，承擔跟蹤圖書和整理書架的任務。

在法律領域，DoNotPay公司在倫敦、紐約和西雅圖幫助超過16萬人打官司，其成功率據稱達到60％。賽門鐵克的eDiscovery和Kroll Ontrack等平台正在幫助律師篩選文件。2016年10月，倫敦學院大學、雪菲爾大學、賓夕法尼亞大學合作開發的人工智慧法官，在處理歐洲人權法院（ECtHR）的案件時準確率可達79%。在國內，2016年北京市高級人民法院就將「睿法官」系統正式上線，2017年上海刑事案件智能輔助辦案系統「206工程」試運行。

在寫作等傳統人們認為具有創造性不會被取代的職業領域，人工智慧也暫露頭角。美國科技公司Narrative Science開發的「Quill」自然語言生成軟體可以將原始數據轉化為可理解的報告和文章。2016年，今日頭條寫稿機器人「張小明」在里約奧運會期間「一戰成名」。福布斯、美聯社、路透社、騰訊等媒體也都開始採用寫稿機器人。谷歌和微軟還在訓練人工智慧項目提筆寫詩。2017年5月，微軟「小冰」的詩集《陽光失了玻璃窗》正式出版。

這些正在發生的例子，正說明了人工智慧在未來各種行業中的可能性。不過，人類所具備的創意性、社會互動性（溝通和同理心）、身體的靈活、敏捷和行動性、決策性，是在面臨人工智慧時仍有的優勢。因此，不管是哪方面的行業，只要在過程中特別需要以上素質的工作都不太易被人工智慧系統所取代。

這其實是兩個問題，一是人工智慧奪掉人的飯碗的次序；二是被奪掉飯碗後的人怎麼辦？

首先的概念是弱人工智慧和強人工智慧，他們奪飯碗的性質完全不同。

弱人工智慧本質還是我們今天熟悉的機器，就像洗衣機、汽車一樣，只是智能化程度更強變成了各種專用機器人，本質上工業機器人、自動駕駛汽車、下圍棋的機器人阿法狗（其實企鵝家也有一個超級牛的「絕藝」有望跟阿法狗一較高下）、IBM能看病能參加智力競賽的watson，全部都還是弱人工智慧的範疇。弱人工智慧已經在奪掉人的飯碗，工業、服務業甚至管理崗位都難以倖免，無人工廠、無人超市、無人銀行、無人餐廳、無人駕駛、機器伴侶、機器警察、機器軍人、機器政府都會出現。一句話，只要機器按照人的規則能做到甚至往往會做的更好，這些飯碗就沒有了。但是人依然保持「設計者」、「創造者」的至高地位，因此創新創意和規則制定領域還有人的空間。造成大多數人在傳統意義上的失業，是必然的。

強人工智慧（又叫超級智能），是指智力全面碾壓人類的人工智慧，目前還沒有出現，但絕對不是危言聳聽，是有多條路徑指向並且大量科技狂人在致力其中，仔細了解他們在乾的工作，就知道最後成功基本是必然的，唯一的懸念是時間問題，30年？50年？還是70年？到那時候壓根就不是什麼飯碗問題，而是全人類的地位問題，誰是文明的主人的問題。。。現在其實是時候應該做些什麼，比如仿照阿西莫夫機器人三原則給機器人「賦魂」，但是實際情況遠比「機器人三原則」要複雜得多，玩火自焚的可能性還是很大的。

其次，還是暫時忘掉強人工智慧，考慮被弱人工智慧奪掉飯碗後的人怎麼辦的關鍵問題。

必須意識到，每次文明的重大更迭都是「失業-就業」的過程。文明出現以來，經歷過「農業文明、工業文明」，並正在步入「信息文明」。如今的農業生產條件，一個農民滿足100多人需求完全沒問題，也就是說如果以現在農業技術進入農業文明，99%的人就失業了！如果我們接受目前正在由工業文明走進信息文明，那麼一個工業文明時代工作者滿足100多人需求，也絕對不是天方夜譚。

因此，把信息文明時代「就業」的視野放開，別天天像在農業時代覺得人非得挑水擔糞拔草才叫工作，準備適應全世界1%的人干傳統工作，99%的人都在從事創新創意工作的新社會。

根據一項研究表明，未來700多種職業可能被人工智慧代替。

1. 研究表明，可自動化的任務越多的職業越有可能被人工智慧代替。例如司機、技工、建築工人、裁縫、快遞員、抄表員、收銀員、保安和洗碗工等等，都是很有可能被機器替代的職業。

2. 然而現在的機器欠缺原創能力、互動能力和談判能力。因此，一些職業被人工智慧代替的可能性比較小，例如：內外科醫生、編舞、教師、作家、律師、人力資源經理、科學家、工程師和記者等等。

自從無人商店火起來之後，收銀員估計是最容易被淘汰的。

以前接觸的服裝工廠花資金引進自動車縫設備，10個人的車縫量現在機器一台即可完成，簡單機械化操作的工序完全被機器替代，所以這部分人是會被淘汰掉的。

在勞動密集型產業、採用流水作業的生產方式的工廠，越簡單的工序越容易被機器替代。

縫紉設備從腳踏縫紉機到電動縫紉機到高速縫紉機到全自動縫紉設備的出現，也就30年左右，3D技術若成熟以後，估計縫紉工人就是歷史名詞了。

到時候設備研發、維修保養人員一定不會失業。

騙子？

人工智慧工程師表示，這輩子最大的夢想就是被人工智慧取代。

我只知道什麼職業最不容易被人工智慧取代：運動員。

運動競賽，就是先天承認了人的缺陷，再努力挑戰極限。這就是他的魅力。人工智慧再怎麼完美，精確，快速，也無法取代。甚至，運動競賽

人工智慧再發達，我也不會看兩隻alphago下棋。

你設計了一個兩腿機器人，能跑8秒，我也只會為博爾特歡呼。

沒有賽車手，自動駕駛的F1，你會看么？

對於這個問題的回答，我們的結論是：法律行業，這是一個很不容易被人工智慧代替的行業。原因當然不是說我自己做這個行業，所以就王婆賣瓜自賣自誇，原因在於人工智慧所需要的基礎條件在法律行業並不成熟。

那麼人工智慧所需要的基礎條件是什麼？按照吳軍《智能時代》的說法，人工智慧的落地需要四個基礎條件：1.大數據，而且這類數據呈現多維度、多來源、可驗證、可採集。但事實情況是法律行業存在多個數據孤島，目前還沒有一家機構可以聚合法律行業所需要的大數據。舉個例子來說明下，我們都知道這兩年法律人工智慧的發展主要集中在法檢領域，而法檢領域之外的公證、法務、律師服務鮮有成熟的法律人工智慧產品出現，根本原因就在於這種數據之間的【隔離】。法檢領域是自上而下，由最高院直接推動的，數據本身的採集、挖掘、產品化相對容易，也有官方強力的支持，諸如上海法院智慧法院項目能在短時間內取得成效，與官方的大力支持是密不可分的；但法檢之外的領域，一方面數據相對封閉，這也是商業法律服務的必然要求。比如律所內部的辦案數據、業務經驗、業務文本都是作為其核心的商業機密，一般這些數據都不可能公開。這種情況下，各類數據的隔離就造成法律人工智慧發展的障礙。簡單地說我們想做個智能諮詢機器人，但因為沒有過往諮詢數據的積累以及相應的優質文書模板、諮詢要點梳理這些成型的數據，只能通過網上爬取諮詢數據或者通過案例形成知識圖譜，彌補諮詢數據的不足；2.資本。人工智慧和之前的互聯網經濟不同，是一個資金密度和技術密度【雙高】的領域。法檢端暫且不論，在商業法律服務端，傳統的律師事務所作為主體無法承擔智能法律所需要的資金和技術人才，這也是法律人工智慧領域鮮有律所主體運作的主要原因。而因為法律人工智慧本身尚未有成熟的路徑，資本市場更多是把這個領域作為一個可嘗試的領域，雖然有融資項目的達成，但卻沒有形成資本大規模進場的態勢。而沒有資本的積累，法律人工智慧會始終停留在概念期，很難有可以落地的產品出現；3.技術。這裡的技術包括底層技術支持和細分領域融合性技術。底層技術支持法律行業和其他行業的條件是均等的，包括雲計算、語音識別、圖像識別等已經在通過BAT等大公司向社會做支持，官方也因此出台了新一代人工智慧發展規劃。底層技術不是障礙，而且會越來越完善，問題在於底層技術與法律這個細分領域的融合，這種融合在數據缺乏的情況下很難找到合適的場景和切入口。4.市場。相較於其他行業，傳統商業法律服務下，客戶對律師的信任是一個很重要的連接點。因為商業法律服務是一種低頻而又影響巨大的服務，客戶對於服務提供方的選擇一般都很審慎，也只有建立對服務提供方的信任之後才會予以委託。而人工智慧法律服務在一定程度上可以代替律師直接向客戶提供法律服務，比如智能諮詢服務、裁判預測分析、數據存正、在線糾紛調解機制等，重點需要建立客戶對智能法律服務提供方的認可，而這種認可是對客戶原有習慣的改變，習慣的改變自然不是一個短期內就能完成的事情。

也是基於這四點原因，我們認為法律行業短期內很難被人工智慧徹底改變，但改變是一定的，畢竟這才是真正的未來。

那些只關注有的職業會容易被淘汰，那些還要關注無的職業不容易被淘汰。

最容易被替代的：打工的

最不容易被替代的：老闆

醫學博士在讀。

導師每次開會都會講，谷歌說，十年以內醫生這個職業將會消失。

說到底醫學也是經驗科學，人工智慧通過自主學習，完全有可能取代醫生，望聞問切，視觸扣聽，機器有時比人更精確。

說一個自己的例子吧

剛開始在某商業銀行做可視櫃員，就是現在那種在機器上遠程視頻協助業務辦理的櫃員，這個就很容易被替代，標準的妝容，標準的微笑，標準的話術，標準的一流服務，再往後，標準到極致就會被機器替代了，就像我們逐漸把網點櫃員替代一樣。

後來跳出來了，第一是容易被替代，第二是太累了，第三是越往後越學不到東西，，，

然後跳到了該商業銀行後台做反洗錢分析，這個就不容易被機器替代了，需要人為的主觀分析和判斷，雖然工資低，工作繁多且枯燥，但相比較前景比較好，所以打算在這個行業一直發展下去，起碼被替代的可能性比較小……

轉一張圖，忘記出處了= =知道的人麻煩提醒下。

黑色容易被替代，白色容易保留。

大方向來說，人工智慧最先需要解決的是生存問題，最後解決的是情感問題

最不易被人工智慧取代的是

1，維繫人類情感需求，交際需求的各種

2，性工作者

其實上述也能被取代，只是相比於機械化來需求沒那麼高，排名靠後而已

這個問題有問題，你應該問：人工智慧能夠替代什麼行業，不能夠替代什麼行業？

人工智慧能夠替代邏輯行業。什麼叫邏輯，就是有確切答案，A或者B哪個好的行業。

不能代替模糊邏輯行業，就是無確切答案的行業。

人工智慧會分三步走：

第一步、完美替代邏輯行業。這個不難，技術上可行，時間問題

第二步、嘗試替代模糊邏輯行業，這個理論上不可行，但是還是在探索。

第三步、代替模糊邏輯行業，具備思維。

關於第三步，能否實現要看腦科科學是否能夠完全破解，破解後也只是理論上成立。所以如果客觀事實告訴我們不可能實現，（物理極限、材料傳導等導致）那就徹底完蛋了。

第二步，目前在做，但是永遠處於雞肋，因為第三步搞不定。

說實在的，第一步都進行的很慢，估計我死前是看不到了，但是物聯網還是現實的。

模糊邏輯最嚴重的行業：語言類、創意類（右腦為主的）。

邏輯性最強的行業：數理類、IT、律師等。

真的要是有人工智慧來幫我們工作，那我豈不是可以實現終極夢想——混吃等死了？

不涉及托關係，走門路的工作不容易被取代。