未来新职业：向人工智能“抢饭碗”

罗元婕

未来如何与人工智能相处，这在很大程度上体现在人工智能对我们的职业造成的冲击。许多产业专家将人工智能技术称为“增强智能”，强调该技术的角色是协助并拓展个人的生产率，而非取代人类的工作。相反，在超乎我们想象力的未来，人工智能还可能给我们带来一些前所未有的新职业

很久以前，“computer”这个词并不是指我们现在所使用的计算机，而是一个叫做“计算员”的职位。从18世纪中叶起，企业、工程公司和大学就开始雇佣计算员（computer）。计算员多为女性，她们负责计算、做数字分析。很多科学上的重大突破都有这些人类计算员的功劳，比如，1758年第一次准确预测出哈雷彗星的回归。

在计算机科学最早期的论文里，作者们千方百计地向读者科普“计算机”的概念。阿兰·图灵就用人类的计算员来类比数字计算机：“这些机器旨在执行人类计算员可以完成的任何运算工作。”然而如今的现实是，computer能够做的工作又怎是计算员所能比拟的！

计算机技术发展到今天，很多人开始担心“奇点”到来——人工智能会取代人类的工作，甚至统治人类，掌管地球。也许会吧！当许多工种不再由人类去做，而借助于计算机的数字处理功能时，看看我们现在拥有了什么——世界互联、火箭上天、全球定位、预测地震、用基因疗法治疗癌症……虽然计算员这个行业消失了，但是IT经济也创造出数不胜数的就业岗位。

其实，现在还很难预料哪些工种将被人工智直接影响，因为人它不是一项单一的技术，而是一个可以应用于特定任务的技术集合，它的影响力将通过经济活动而得以不均衡地传达，某些工作可能比其他工作更多地受到人工智能的影响。

基于人工智能技术当前的发展趋势，一些具体的预测是可能的。例如，驾驶和房屋清洁都是仅需要较少的教育就可以完成的。计算机视觉和相关技术的成熟已经可以让自动化车辆（或者叫无人驾驶汽车，Automated Vehicles， 即AVs）灵活安全地在路上行驶。这表明，它很有可能让某些以驾驶车辆为职业的人失去工作。AVs依赖于在复杂环境中的自动驾驶能力、分析动态环境和优选线路的能力。与此能力要求类似的是家用清洁机器人，但是对它而言，操作任务没有驾驶车辆那样具体，比如，“打扫房间”这个命令，就与自动驾驶到一个具体的目的地不同。从这一点看，让机器人像人类那样高效地清洁房间的技术仍不成熟。

2016年10月11日，在英国米尔顿凯恩斯，一款无人驾驶车在步行街区试运行，吸引了不少路人注目。

美国白宫经济顾问委员会（CEA）把职业按薪资水平排序发现，每小时工资低于20美元的工作中，83%将遭受自动化技术的压力;相比之下，每小时工资在20至40美元的工作中仅有31%将受到自动化技术的威胁;而这个比例在每小时工资40美元以上的工作里只有4%。研究显示，低于高中学历的美国劳动者中有44%的人从事包含高度自动化内容的工作，而仅有1%的本科或更高学历的人从事的工作受自动化的影响。教育水平与薪资、技能紧密联系的程度，暗示了未来对低技能工人的需求会大幅减少，而高技能工人几乎不受影响。

在很多领域，人类仍将维持对人工智能技术和机器人的相对优势。虽然人工智能技术致力于发现人类社会的某些模式，但它仍不能复制人类的智力、创造力和判断力。显然，使用这些能力的职业对教育水平有较高的要求。此外，考虑到当前机器人在敏捷性方面的限制，在近期，市场仍对需要灵活手动操作的职业有需求。

理论上，技术的发展能促进生产效率的提高，是提升GDP的主要動力之一。在同样的劳动时间里，如果能利用人工智能技术提高生产效率，对总体经济而言是有利的。从19世纪到20世纪，的确有不少工种被新技术所取代，如电话交换机操作员、流水线装配工人。与此同时，新技术也提高了从事抽象思维、创造性任务以及做决策的人的生产力。

研究者预测，短期内，人工智能对劳动力市场的影响将与过去几十年来计算机化对劳动力市场的影响的持平。未来10～20年，每3个月约有6%的就业机会消失。但随着机器潜力的逐步释放，也会有新的职业出现，工作岗位因此而有所增加，从而使失业率保持大体不变。

基于现有的技术，我们大胆预测，尽管人工智能可能对某些职业带来冲击，但未来它也可能创造出一些新的职业。看看你所掌握的技能是否足够应对即将到来的人工智能时代？

私家数据侦探

大多数人还没有意识到，自己的脸已经进了世界各大科技公司的数据库里，用于人脸识别系统的研发。脸书（Facebook）用户可以在自己上传的照片中标出（tag）合照的朋友，Facebook的人脸识别软件也因此获得海量图片数据，并逐步优化其图像识别功能。苹果的新应用Clips可以识别视频中动态的人脸。Snap、脸萌团队出品的Faceu这类自拍滤镜的走红，凭借的正是其独特的动态捕捉功能，实现实时自动识别人脸并动态叠加的效果。

中国的旷视科技公司搭建的人脸识别云平台Face++，以“让机器看懂世界”为目标，在金融银行业、智能社区、企业管理、网购等商业领域及智能安防方面加速落地。2015年，马云在德国“刷脸”从淘宝上购买了1948年的汉诺威纪念邮票，也让阿里公司名声大噪。随处可见的监控摄像头更是每周7天、每天24小时不间断地在搜集图像。

然而，不是每个人都愿意让自己的脸成为大型科技公司的工具，很多人也不希望商家在他进门的那一刻就知道其消费习惯、生辰、星座、工作属性与家庭背景。受限于有限的财力和精力，消费者无力获得足够证据起诉那些未经允许就搜集匹配自己数据的企业与商家，但他们可以雇佣“私家数据侦探”（黑客），找到那些用非法渠道盗取自己人脸图像或其他个人数据，并用于商业行为的个人或机构，维护自己的“网络肖像权”。在人工智能无处不在的时代，这种新型的维权将产生新的有技术含量的职业。

CGI素人星探

詹姆士·卡梅隆1989年执导的电影《深渊》被认为是史上第一次完美应用电脑三维动画（CGI）技术的电影。随着时间的推移，CGI技术愈发成熟，《侏罗纪公园》《泰坦尼克号》《指环王》《冰河世纪》等大制作均得益于它。去年，郭敬明以“全真人CGI魔幻大片”为营销噱头出品的《爵迹》，制作方法是后期制作人员在特效模型上加上演员动作表情的运动轨迹，配合绿幕制作后期场景，让真人饰演虚拟角色。虽然其口碑和票房双双失利，但不失为一种可开发的小众低成本类型片。《爵迹》的真人演员用的是范冰冰、杨幂这种片酬要求高的大牌明星，而如果使用“素人”，成本势必能降低一半以上。

为此，将来会有CGI素人星探为影视公司服务。他们利用大数据，分析不同面部特征、性别、体态的演员出现在哪种题材的影视作品中收视率最高，再以此标准，到人脸识别数据库中去匹配，然后寻找合适的素人，与他们接洽、签约，并为其定制适合的CGI角色。如果这一包装方式被证明可行，这些素人明星出道后拥有一定数量的粉丝，甚至可以开发自己的版权。此外，游戏公司也可以与他们合作，开发更逼真的游戏体验，探索更多的商业模式。个人也可以购买素人明星的肖像使用权，自己创作合成电影，和任何喜欢的角色在虚拟世界里演对手戏。

教育游戏开发者

传统的教育方式难以很好地培养学生的自主学习能力，也无法培养其时间规划与任务规划能力。对于靠死记硬背的知识点，教师只能通过多次重复训练的方式进行灌输。如果学校能采用可互动的教育平台，个性化地搜集学生作业的数据，通过大数据分析并按照系统实时反馈对课程进行调整，老师就不需要像现在那樣依靠经验来指导学生学习了。

未来的“教育游戏”设计师，可设计出能提高学生学习动力的程序，把长期目标进行短期细化和可视化，让学生每一天都能看到自己的小进步，并被这种成就感激励。比如，针对低年级学生，也许每攻克一个知识点，就能获得积分或虚拟奖励;同一科学实验，如果是个人完成的，和团队完成的积分也不同;针对高年级，可以用虚拟现实（VR）和增强现实（AR）等技术，为他们营造寻宝游戏，把不同的知识点融进不同的线索中，一一破解之后就能拿到大奖……

这样的未来可能并不遥远。Facebook这样的科技巨头已进军教育行业。他们目前帮加州的特许教育集团Summit Public Schools开发的 Summit Learning Platform（简称SLP）就是一个个性化学习方案的平台。SLP 平台上的课程包含了不同的重点，清晰地列出了学生需要掌握的知识点。每个知识点都有专属的题库（playlist），里面包含10题小测试。如果10道题中答对8道以上，学生就能升级通关，进入下一个测试。SLP上目前已有700多个题库，老师可以根据学生具体的情况去改良或更新。SLP模式的运作已经帮助Summit学校取得了傲人的成绩。

炒股机器人开发者

股票市场瞬息万变，人类无法像机器那样不受情绪影响而做出理性决策。且股民炒股多以人工推荐为主，主要是基于个人判断。由于散户缺乏专业知识，获取信息的渠道受限。此外，散户不可能时时盯着大盘，无法做到有效择时交易，往往错过好的交易时机。

如果使用机器人炒股，个股的各种信息将被做成一个个可量化的标签，用户基于自己的风险偏好（激进、稳健、保守）和投资偏好（短期、中期、长期），对标签进行自由组合设定，交给机器人用后台量化模型进行大量的实时运算，实现自己的选股决策。

炒股机器人的开发者将是证券经纪人的升级版，他们根据每个客户的个人偏好量身定制算法。比如，客户想以特朗普的推特作为买卖股票的依据，那么炒股机器人就会密切关注特朗普的发言，分析他提到的公司的股价变化。如果算法发现被特朗普提及的公司的股价常在一天内上涨，第二天就恢复原状，那么每次机器人抓取到公司名的时候，就会帮持股人按此规则快速买入，并在一天内抛售，获取利润。炒股机器人开发者还需要训练电脑分辨总统的语义，理解其真正所指。

硅谷一家名为“感知力”的公司表示，他们让人工智能程序全程负责股票交易，其收益已超越公司设定的内部指标。

辨画师

谷歌去年推出过一款基于人工智能的网页工具，能根据用户的涂鸦来猜词。目前，这些涂鸦正在被用于指导谷歌的人工智能如何绘画。谷歌的这项成果名为Sketch-RNN，其目前的绘画水平与婴儿相当。为了开发Sketch-RNN，谷歌大脑团队研究员大卫·哈（David Ha）和道格拉斯·艾克（Douglas Eck）从谷歌的工具Quick，Draw！中收集了50余万幅用户的涂鸦。每当用户在该应用中进行涂鸦时，应用不仅会记录最终图片，还会记录用户每一笔的顺序和方向，最终的数据能够更完整地反映人类是如何绘画的。谷歌的目标是开发出一种能“以类似人类的方式绘制并生成抽象概念”的深度学习人工智能。

一旦教会人工智能涂鸦，未来类似Sketch-RNN的人工智能系统可以作为设计师、建筑师和艺术家的创意助手。如果某人对自己的绘画或设计不满意，则可以让人工智能去总结当前的成果，进而提出建议。完全由计算机生成的图画可能没有太大价值，但它可以给艺术家带来灵感。

随着人工智能绘画能力的提高，未来将会产生辨画师这个职业，他们能判断一幅画作的创作者是人类还是机器，或一幅画作受到人工智能启发的程度有多少，从而对这幅画进行估值——原创含量越高，内涵越丰富，画作的价格越高。

私人健康咨询师

在人工智能的初始阶段，开发工作非常重要，而且需要跨界、多技能的人才。但是当该领域发展到某种程度，就会出现一些归纳、收集、解读人工智能数据的岗位。随着人工智能在医疗健康行业的推广应用，就需要健康咨询师负责此类工作。

2015年一年内，在发表于全球高等级期刊的医学文献中，仅有关肿瘤的就有4.4万篇。如果一位肿瘤医生要全面学习全球各地的最新治疗手段，平均每天需要花费160个小时才能阅读完。一个全职皮肤科医生一生大概会看20万个案例，而斯坦福大学的机器算法在3个月内就吸收了13万个皮肤病案例，而且它还能在这个基础上不断学习修正算法。去年，IBM人工智能医疗系统沃森仅用了10分钟左右时间就为一名60岁女性患者诊断出了很难判断的白血病类型，并向东京大学医科学研究所提出了适当的治疗方案，为这名女性的康复做出了贡献。