你的工作会被 AI 取代吗?李开复说这四类工作完全无需担心

作者: 丛末 2019-01-15 11:09:17

 

近日,李开复在 Time 上发布了题为《AI 的强大和人类对它的误解,以及我们能做什么来保护员工》(Artificial Intelligence Is Powerful—And Misunderstood. Here's How We Can Protect Workers)的文章。在文中,李开复谈到了人工智能目前的发展进程、潜在应用将为人类带来的价值,并重点就人工智能带来的失业、安全、隐私等方面的挑战,表达了自己对于如何应对这些挑战的观点和建议。雷锋网 AI 科技评论编译如下。

2015 年,Nigel Richards 赢得了法语拼字大赛(French-­language Scrabble)世界冠军,这件事情之所以这么引人关注就是因为 Nigel Richards 根本不会说法语——这位新西兰人所做的事情,就是在短短九周时间内,记住了整部法语拼字词典中的 386000 个单词。

Nigel Richards 这一令人印象深刻的成绩,意味着人工智能实现真正的 AI 不再像一些自诩为「未来主义者」所警示的那样——是一种痴心妄想。正如 Richards 通过记住大量的单词来掌控拼字板的区域一样,先进的 AI—或者说深度学习,从单域中接入大量的数据,然后学习数据从而在域内做出特定的决策。深度学习可以使用超长记忆和超出人类的准确率,来自动优化被称作「目标函数」的人类指定的目标。

虽然深度学习的使用范围有限,但它可以为任何人使用,并且在特定域内非常强大。正如深度学习可以帮助银行最小化贷款违约率,或者帮助机场摄像头判断是否有恐怖分子正在排队登机一样,它也可以帮助亚马逊优化推荐广告的利润,或者帮助 Facebook 优化用户在其 APP 上所花的时间。

AI 的潜在应用是尤其令人兴奋的。例如,自动驾驶汽车将会显著地降低成本以及提高安全性和效率。但是 AI 的发展同样也带来了许多挑战,不过花时间去协调这一即将到来的技术革命所带来的真正风险和围绕 AI 这一话题的误解、炒作是值得的。

首先,让我们谈谈失业问题。由于 AI 在流水线任务(假设这个任务是某个需要处理大量数据的领域)中表现得比人类更好,在未来的 15 年左右时间,AI 在技术上可以取代几亿位白领和蓝领的工作。

但是并不是每一份工作都能够被 AI 所取代。实际上,有以下四类工作完全不受 AI 威胁:

第一类是创造性的工作。AI 往往需要人类来指定它完成某个目标的优化,而无法像科学家、小说家以及艺术家一样去发明、创造。

第二类是复杂、策略性的工作,例如执行官、外交官以及经济学家等,都超出了 AI 单个领域或者大数据的限制。

第三类则是 AI 未来可能创造出的一些未知的工作岗位

你担心这三类岗位所雇用的员工人数无法弥补被 AI 取代的失业人数?不用担心,因为第四类工作所提供的工作机会更多得多,那就是善解人意和富有同情心的工作,比如教师、保姆以及医生。这些工作需要同情心、信任和善解人意,这都是 AI 所无法拥有的,并且即使 AI 试图假装它有这些品质,也没有人会愿意让一个聊天机器人告诉他们「你患了癌症」或者让某个机器人来照顾他们的孩子。

所以,在 AI 时代,人类依旧不会失业,关键是人类要重新训练自己的劳动力从而来胜任这些工作。这不仅仅需要政府担负起这个责任为公众提供帮助,还需要企业以及超级富有的 AI 受益者主动承担起这项责任。

除了失业,AI 还可能会加剧不公平问题,包括超级富豪与失业员工之间的不公平以及国家间的差距。与美国和中国相比,更贫穷以及更小的国家将无法获得 AI 所带来的经济报酬,并且难以很好地缓解失业问题。

同时,科技也会带来安全方面的巨大挑战:黑客攻入 AI 控制系统的结果非常严重——想象一下如果恐惧分子袭击了某辆自动驾驶汽车并将其用作武器,会导致怎样的后果?

最后,还有隐私、加剧的偏见和操纵方面的问题。很不幸,现在已有前车之鉴:例如 Facebook 就难以抗拒使用 AI 技术来优化用户使用和增加利润的诱惑,而以用户隐私和加剧偏见、差距为代价。

所有的这些风险都要求政府、企业以及科技人员共同来为 AI 应用制定新的准则。Facebook 所发生的事情就证明了自我监督的规则系统必将走向失败。此外,各个国家务必要分享好的实践经验并通力合作来确保这项技术为所有人的利益而使用,而不是彼此之间互相竞争。

对于「AI 正在淘汰人类」这些甚嚣尘上的乌托邦和反乌托邦言论,我们无需担忧。前者预测我们将被「吸收」并最终演化成人类半机器人;后者则认为世界将被机器人统治。这两者都没有体现太多人工智能在实现真正智能这条路上所需要担忧的问题。

「通用人工智能」时代,或者说当 AI 能够在智力任务上表现得比人类更好的时候,离现在还有一段很远的距离。通用 AI 要求推理、概念学习、常识、规划、创造力甚至自我意识和情感等高级能力,而这些能力始终是我们的科学技术所无法企及的,并且现在也还没有一条工程路径让 AI 朝着这些通用能力演进。此外, AI 要想实现巨大的突破,并不容易,也没有那么快。

重新回到在拼字比赛中击败了所有说法语的人的 Nigel Richards,他记忆数据以及从(一组文字的)排列中做出好决策的能力惊人,但是如果你让他评价居斯塔夫·福楼拜的一部小说,他将会完全不知道说什么。因此问「AI 什么时候会完全超越人类」很大程度上就相当于问「Richards 什么时候会获得龚古尔文学奖(法国最负盛名的文学奖)」,它并不是完全不可能,只是可能性微乎其微。

AI 数据 机器学习
上一篇:写给小白的AI入门指南 :了解ML和AI之间的差异 下一篇:寻找学术大牛|近十年人工智能21个子领域高引学者
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

AI 怎么知道人类对话在说什么?微软研究团队告诉你

近期,微软研究团队通过对上下文建模加以研究得出一种新的方法,这种方法能够让 AI 模型通过上下文的历史记录来改写对话中的最后话语,那么,这是一种怎样的研究方法呢?

肖漫 ·  6h前
搭建容易维护难!谷歌机器学习系统血泪教训

希望这篇论文能够为在生产环境中采用机器学习系统的开发者与维护者提供一些实用建议。作者警告称,虽然从零搭建机器学习系统还算轻松,但随后的改进却可能存在出乎意料的困难。

核子可乐 ·  16h前
如何使用Flask轻松部署机器学习模型?

本文旨在让你开始使用Flask API将经过训练的机器学习模型部署到生产环境。

布加迪 ·  18h前
【大咖来了 第4期】数据驱动的产品决策和智能化

前stitch fix/snap数据科学主管王建强分享《数据驱动的产品决策和智能化》,回放链接:http://aix.51cto.com/activity/10012.html?dk=wz

王建强 ·  1天前
【大咖来了 第2期】快狗打车智能化演进之路 精选

快狗打车高级经理胡显波分享的《快狗打车智能化演进之路》,回放链接:http://aix.51cto.com/activity/10010.html?dk=wz

胡显波 ·  1天前
AI破译千年文物铭文能力超人类 正确率比人类高30%

随着科技不断进步,人工智能AI似乎也在各方面不断超越人类。近日,AI又在考古再一次胜过了人类。

佚名 ·  1天前
手把手教你解决90%的NLP问题

利用机器学习方法来理解和利用文本,从最简单的到state-of-the-art,由浅入深,循序渐进。

Emmanuel Ameisen ·  1天前
如何解决机器学习树集成模型的解释性问题

前些天在同行交流群里,有个话题一直在群里热烈地讨论,那就是 如何解释机器学习模型 ,因为在风控领域,一个模型如果不能得到很好的解释一般都不会被通过的,在银行里会特别的常见,所以大多数同行都是会用 LR 来建模。

SAMshare ·  1天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载