未來新職業：向人工智能“搶飯碗”

羅元婕

未來如何與人工智能相處，這在很大程度上體現在人工智能對我們的職業造成的沖擊。許多產業專家將人工智能技術稱為“增強智能”，強調該技術的角色是協助并拓展個人的生產率，而非取代人類的工作。相反，在超乎我們想象力的未來，人工智能還可能給我們帶來一些前所未有的新職業

很久以前，“computer”這個詞并不是指我們現在所使用的計算機，而是一個叫做“計算員”的職位。從18世紀中葉起，企業、工程公司和大學就開始雇傭計算員（computer）。計算員多為女性，她們負責計算、做數字分析。很多科學上的重大突破都有這些人類計算員的功勞，比如，1758年第一次準確預測出哈雷彗星的回歸。

在計算機科學最早期的論文里，作者們千方百計地向讀者科普“計算機”的概念。阿蘭·圖靈就用人類的計算員來類比數字計算機：“這些機器旨在執行人類計算員可以完成的任何運算工作?！比欢缃竦默F實是，computer能夠做的工作又怎是計算員所能比擬的！

計算機技術發展到今天，很多人開始擔心“奇點”到來——人工智能會取代人類的工作，甚至統治人類，掌管地球。也許會吧！當許多工種不再由人類去做，而借助于計算機的數字處理功能時，看看我們現在擁有了什么——世界互聯、火箭上天、全球定位、預測地震、用基因療法治療癌癥……雖然計算員這個行業消失了，但是IT經濟也創造出數不勝數的就業崗位。

其實，現在還很難預料哪些工種將被人工智直接影響，因為人它不是一項單一的技術，而是一個可以應用于特定任務的技術集合，它的影響力將通過經濟活動而得以不均衡地傳達，某些工作可能比其他工作更多地受到人工智能的影響。

基于人工智能技術當前的發展趨勢，一些具體的預測是可能的。例如，駕駛和房屋清潔都是僅需要較少的教育就可以完成的。計算機視覺和相關技術的成熟已經可以讓自動化車輛（或者叫無人駕駛汽車，Automated Vehicles， 即AVs）靈活安全地在路上行駛。這表明，它很有可能讓某些以駕駛車輛為職業的人失去工作。AVs依賴于在復雜環境中的自動駕駛能力、分析動態環境和優選線路的能力。與此能力要求類似的是家用清潔機器人，但是對它而言，操作任務沒有駕駛車輛那樣具體，比如，“打掃房間”這個命令，就與自動駕駛到一個具體的目的地不同。從這一點看，讓機器人像人類那樣高效地清潔房間的技術仍不成熟。

2016年10月11日，在英國米爾頓凱恩斯，一款無人駕駛車在步行街區試運行，吸引了不少路人注目。

美國白宮經濟顧問委員會（CEA）把職業按薪資水平排序發現，每小時工資低于20美元的工作中，83%將遭受自動化技術的壓力;相比之下，每小時工資在20至40美元的工作中僅有31%將受到自動化技術的威脅;而這個比例在每小時工資40美元以上的工作里只有4%。研究顯示，低于高中學歷的美國勞動者中有44%的人從事包含高度自動化內容的工作，而僅有1%的本科或更高學歷的人從事的工作受自動化的影響。教育水平與薪資、技能緊密聯系的程度，暗示了未來對低技能工人的需求會大幅減少，而高技能工人幾乎不受影響。

在很多領域，人類仍將維持對人工智能技術和機器人的相對優勢。雖然人工智能技術致力于發現人類社會的某些模式，但它仍不能復制人類的智力、創造力和判斷力。顯然，使用這些能力的職業對教育水平有較高的要求。此外，考慮到當前機器人在敏捷性方面的限制，在近期，市場仍對需要靈活手動操作的職業有需求。

理論上，技術的發展能促進生產效率的提高，是提升GDP的主要動力之一。在同樣的勞動時間里，如果能利用人工智能技術提高生產效率，對總體經濟而言是有利的。從19世紀到20世紀，的確有不少工種被新技術所取代，如電話交換機操作員、流水線裝配工人。與此同時，新技術也提高了從事抽象思維、創造性任務以及做決策的人的生產力。

研究者預測，短期內，人工智能對勞動力市場的影響將與過去幾十年來計算機化對勞動力市場的影響的持平。未來10～20年，每3個月約有6%的就業機會消失。但隨著機器潛力的逐步釋放，也會有新的職業出現，工作崗位因此而有所增加，從而使失業率保持大體不變。

基于現有的技術，我們大膽預測，盡管人工智能可能對某些職業帶來沖擊，但未來它也可能創造出一些新的職業?？纯茨闼莆盏募寄苁欠褡銐驊獙磳⒌絹淼娜斯ぶ悄軙r代？

私家數據偵探

大多數人還沒有意識到，自己的臉已經進了世界各大科技公司的數據庫里，用于人臉識別系統的研發。臉書（Facebook）用戶可以在自己上傳的照片中標出（tag）合照的朋友，Facebook的人臉識別軟件也因此獲得海量圖片數據，并逐步優化其圖像識別功能。蘋果的新應用Clips可以識別視頻中動態的人臉。Snap、臉萌團隊出品的Faceu這類自拍濾鏡的走紅，憑借的正是其獨特的動態捕捉功能，實現實時自動識別人臉并動態疊加的效果。

中國的曠視科技公司搭建的人臉識別云平臺Face++，以“讓機器看懂世界”為目標，在金融銀行業、智能社區、企業管理、網購等商業領域及智能安防方面加速落地。2015年，馬云在德國“刷臉”從淘寶上購買了1948年的漢諾威紀念郵票，也讓阿里公司名聲大噪。隨處可見的監控攝像頭更是每周7天、每天24小時不間斷地在搜集圖像。

然而，不是每個人都愿意讓自己的臉成為大型科技公司的工具，很多人也不希望商家在他進門的那一刻就知道其消費習慣、生辰、星座、工作屬性與家庭背景。受限于有限的財力和精力，消費者無力獲得足夠證據起訴那些未經允許就搜集匹配自己數據的企業與商家，但他們可以雇傭“私家數據偵探”（黑客），找到那些用非法渠道盜取自己人臉圖像或其他個人數據，并用于商業行為的個人或機構，維護自己的“網絡肖像權”。在人工智能無處不在的時代，這種新型的維權將產生新的有技術含量的職業。

CGI素人星探

詹姆士·卡梅隆1989年執導的電影《深淵》被認為是史上第一次完美應用電腦三維動畫（CGI）技術的電影。隨著時間的推移，CGI技術愈發成熟，《侏羅紀公園》《泰坦尼克號》《指環王》《冰河世紀》等大制作均得益于它。去年，郭敬明以“全真人CGI魔幻大片”為營銷噱頭出品的《爵跡》，制作方法是后期制作人員在特效模型上加上演員動作表情的運動軌跡，配合綠幕制作后期場景，讓真人飾演虛擬角色。雖然其口碑和票房雙雙失利，但不失為一種可開發的小眾低成本類型片?！毒糅E》的真人演員用的是范冰冰、楊冪這種片酬要求高的大牌明星，而如果使用“素人”，成本勢必能降低一半以上。

為此，將來會有CGI素人星探為影視公司服務。他們利用大數據，分析不同面部特征、性別、體態的演員出現在哪種題材的影視作品中收視率最高，再以此標準，到人臉識別數據庫中去匹配，然后尋找合適的素人，與他們接洽、簽約，并為其定制適合的CGI角色。如果這一包裝方式被證明可行，這些素人明星出道后擁有一定數量的粉絲，甚至可以開發自己的版權。此外，游戲公司也可以與他們合作，開發更逼真的游戲體驗，探索更多的商業模式。個人也可以購買素人明星的肖像使用權，自己創作合成電影，和任何喜歡的角色在虛擬世界里演對手戲。

教育游戲開發者

傳統的教育方式難以很好地培養學生的自主學習能力，也無法培養其時間規劃與任務規劃能力。對于靠死記硬背的知識點，教師只能通過多次重復訓練的方式進行灌輸。如果學校能采用可互動的教育平臺，個性化地搜集學生作業的數據，通過大數據分析并按照系統實時反饋對課程進行調整，老師就不需要像現在那樣依靠經驗來指導學生學習了。

未來的“教育游戲”設計師，可設計出能提高學生學習動力的程序，把長期目標進行短期細化和可視化，讓學生每一天都能看到自己的小進步，并被這種成就感激勵。比如，針對低年級學生，也許每攻克一個知識點，就能獲得積分或虛擬獎勵;同一科學實驗，如果是個人完成的，和團隊完成的積分也不同;針對高年級，可以用虛擬現實（VR）和增強現實（AR）等技術，為他們營造尋寶游戲，把不同的知識點融進不同的線索中，一一破解之后就能拿到大獎……

這樣的未來可能并不遙遠。Facebook這樣的科技巨頭已進軍教育行業。他們目前幫加州的特許教育集團Summit Public Schools開發的 Summit Learning Platform（簡稱SLP）就是一個個性化學習方案的平臺。SLP 平臺上的課程包含了不同的重點，清晰地列出了學生需要掌握的知識點。每個知識點都有專屬的題庫（playlist），里面包含10題小測試。如果10道題中答對8道以上，學生就能升級通關，進入下一個測試。SLP上目前已有700多個題庫，老師可以根據學生具體的情況去改良或更新。SLP模式的運作已經幫助Summit學校取得了傲人的成績。

炒股機器人開發者

股票市場瞬息萬變，人類無法像機器那樣不受情緒影響而做出理性決策。且股民炒股多以人工推薦為主，主要是基于個人判斷。由于散戶缺乏專業知識，獲取信息的渠道受限。此外，散戶不可能時時盯著大盤，無法做到有效擇時交易，往往錯過好的交易時機。

如果使用機器人炒股，個股的各種信息將被做成一個個可量化的標簽，用戶基于自己的風險偏好（激進、穩健、保守）和投資偏好（短期、中期、長期），對標簽進行自由組合設定，交給機器人用后臺量化模型進行大量的實時運算，實現自己的選股決策。

炒股機器人的開發者將是證券經紀人的升級版，他們根據每個客戶的個人偏好量身定制算法。比如，客戶想以特朗普的推特作為買賣股票的依據，那么炒股機器人就會密切關注特朗普的發言，分析他提到的公司的股價變化。如果算法發現被特朗普提及的公司的股價常在一天內上漲，第二天就恢復原狀，那么每次機器人抓取到公司名的時候，就會幫持股人按此規則快速買入，并在一天內拋售，獲取利潤。炒股機器人開發者還需要訓練電腦分辨總統的語義，理解其真正所指。

硅谷一家名為“感知力”的公司表示，他們讓人工智能程序全程負責股票交易，其收益已超越公司設定的內部指標。

辨畫師

谷歌去年推出過一款基于人工智能的網頁工具，能根據用戶的涂鴉來猜詞。目前，這些涂鴉正在被用于指導谷歌的人工智能如何繪畫。谷歌的這項成果名為Sketch-RNN，其目前的繪畫水平與嬰兒相當。為了開發Sketch-RNN，谷歌大腦團隊研究員大衛·哈（David Ha）和道格拉斯·艾克（Douglas Eck）從谷歌的工具Quick，Draw！中收集了50余萬幅用戶的涂鴉。每當用戶在該應用中進行涂鴉時，應用不僅會記錄最終圖片，還會記錄用戶每一筆的順序和方向，最終的數據能夠更完整地反映人類是如何繪畫的。谷歌的目標是開發出一種能“以類似人類的方式繪制并生成抽象概念”的深度學習人工智能。

一旦教會人工智能涂鴉，未來類似Sketch-RNN的人工智能系統可以作為設計師、建筑師和藝術家的創意助手。如果某人對自己的繪畫或設計不滿意，則可以讓人工智能去總結當前的成果，進而提出建議。完全由計算機生成的圖畫可能沒有太大價值，但它可以給藝術家帶來靈感。

隨著人工智能繪畫能力的提高，未來將會產生辨畫師這個職業，他們能判斷一幅畫作的創作者是人類還是機器，或一幅畫作受到人工智能啟發的程度有多少，從而對這幅畫進行估值——原創含量越高，內涵越豐富，畫作的價格越高。

私人健康咨詢師

在人工智能的初始階段，開發工作非常重要，而且需要跨界、多技能的人才。但是當該領域發展到某種程度，就會出現一些歸納、收集、解讀人工智能數據的崗位。隨著人工智能在醫療健康行業的推廣應用，就需要健康咨詢師負責此類工作。

2015年一年內，在發表于全球高等級期刊的醫學文獻中，僅有關腫瘤的就有4.4萬篇。如果一位腫瘤醫生要全面學習全球各地的最新治療手段，平均每天需要花費160個小時才能閱讀完。一個全職皮膚科醫生一生大概會看20萬個案例，而斯坦福大學的機器算法在3個月內就吸收了13萬個皮膚病案例，而且它還能在這個基礎上不斷學習修正算法。去年，IBM人工智能醫療系統沃森僅用了10分鐘左右時間就為一名60歲女性患者診斷出了很難判斷的白血病類型，并向東京大學醫科學研究所提出了適當的治療方案，為這名女性的康復做出了貢獻。