AI先行下的个人发展与变革

胡玉晶 王雪情 黄颖

摘要：本文探讨了AI的定义，论述了目前AI走进多处领域的真实应用场景，并与商业模式紧密结合的6个模式中发挥的价值。由于AI在发挥价值的同时减少了部分产业对人力劳动的需求，从而产生了对劳动力的替代效应，但同时AI化浪潮打开了全新的维度，造成行业间的创新，开辟新的就业空间。人类发展以及教育体制对此需要作出变革来更好地适应AI的到来。

关键词：AI定义；AI模式应用；替代效应；行业创新；个人发展变革

★基金项目：本文得到江苏省教育科学“十三五”规划项目“交互式情境化微课教学改革方案研究”（D-2018-01-61）以及2019江苏省大学生本科创新项目“人工智能技术发展对劳动者就业影响的调查研究”项目支持，编号：201910289088Y。

1、AI是什么

人工智能之父——艾伦·图灵（Alan Turing）1950年提出了图灵测试，第一次引出人工智能概念。1956年，达特茅斯讨论会上提出“学习和智能的每一个方面都能被精确地描述，使得人们可以制造一台机器来模拟它”[1]。进入21世纪，计算机性能提升以及网络的迅速发展为AI的发展提供了必要的基础条件，人工智能这一探讨了许久的领域又重新引发了全社会的关注。

那么逐步走向人们视野的人工智能究竟是什么？AI发展历程中曾历经多次定义转变，AI从不可思议的计算机程序，到与人类思考方式相似的计算机程序，再到与人类行为相似的计算机程序，到如今被定义为会学习的计算机程序[2]。很多哲学家为了AI的定义而展开了激烈的辩论，如仿生学家倾向于AI能遵照人类思维里的逻辑规律进行思考，实用主义者又会反对形而上学的定义，注重从实用性能定义AI。但不可否认的是，最后一个定义是在最近的人工智能热潮里，AI在人类眼中最贴切的模样。谷歌人工智能软件“阿尔法狗”凭借深度学习的能力，战胜了世界围棋冠军李世石。人类的智慧与能力离不开持续地学习， AI也是通过学习人类经验数据，模拟人的动作与行为，以此解放人类的双手。现在的AI以“无学习，不AI”为研究的主要指导思想。或许在将来，AI能突破人类主导意识，自主决策。

2、AI模式应用

在人工智能浪潮里，AI走进多处领域的真实应用场景，如自动驾驶汽车、预测分析应用程序、人脸识别，聊天机器人、虚拟助手、认知自动化和欺诈检测等。AI走进这些领域，并与商业模式紧密结合，在产业界发挥出巨大的价值。

然而，不管AI的应用如何，这些应用都存在共性并可归类到六个模式中，即超个性化、自主系统、预测分析和决策支持、会话/人机交互、识别系统和目标驱动系统六个模式。无论在什么领域的真实应用场景中，AI都遵循自己的标准规则集，分别应用或组合应用这六个模式来解决特定的问题。

2.1 超个性化模式

在马云的商业王国里，淘宝平台基于超个性化模式，将每个客户视为个体，使用机器学习每个个体的浏览记录与购买记录，并进行偏好预测，从而提供个性化推荐[3]。

超个性化的实现不仅限于营销行业，它还出现在金融、医疗保健、个性化健身和健康应用等行业。例如，支付宝推出蚂蚁信用贷款，其针对个体的信用度，评估还贷可能性，从而可制定相应的贷款额度。

2.2 自主系统模式

自主系统是在最少的人际交互情况下，能够独立感知外部世界，并完成任务的系统。如人们在电商平台下单后，订单传输到仓储WMS系统中，随后进行货物的拣选。在设施规模一般的物流公司，可采用蚂蚁拣货法（人到货模式）提升拣货效率。若引进人工智能机器，可利用搬运机器人实现货物从存储区到拣货台以及拣货台到打包台的自动搬运。在货物周转的过程中，人的作用便是手动分拣与打包。这样一种货到人的工作模式，减少了对手工劳动的需求，并提升了工作效率。

2.3 人工智能助力预测分析和决策支持

机器可通过深度学习或其他认知方式来理解过去或现有的行为，帮助人类预测或决定未来的结果。在这种模式下，深度学习和大数据密不可分。有足够的数据作为人工智能深度学习的输入，人工智能就可以学会以往只有人类才能理解的概念或知识，然后将之应用于未知的新数据上。如教育机构拥有海量的课程教学数据，人工智能通过深度学习这些数据，可以更好地帮助教师发现教学中的不足，并针对每个学生的特点加以改进[4]。

在金融学领域，也拥有大量的客户数据。基于大数据的深度学习，人工智能可以更好地对员工进行风险防控，对客户进行精准营销，以及帮助厂商预测销售情况，做好提前进货的准备等。

2.4 会话/人机交互

大型企业的售前咨询与售后服务环节拥有大规模的客服语音和文字数据，人工智能通过深度学习这些数据足以被训练成为自动客服员，在人工客服忙碌或者非营业时间上线，给予客户更好的咨询服务。如目前平安寿险已经上线的人工智能客服——金管家AskBob，融合了在线复杂业务办理和服务咨询功能，以及专家级智能保险顾问功能，可为客户直接提供在线复杂保险业务办理。其业务办理成功率较传统模式提升了3倍，时长由传统3天降至最快1分钟，给客户带来极其便利的消费体验。

2.5 识别模式

人工智能识别模式的一个应用为识别现有模式并发现异常；它通过深度学习模式中的数据，识别现有模式机理，并学习新的数据点之间的高阶连接，将它与现有模式相比较，找出与现有模式中匹配或不匹配的数据。

这种模式的应用包括预测文本，它可以分析语法中的模式，帮助提出选择哪些单词的建议，帮助我们更好地修改文章、改进文章质量。

人工智能识别模式的另一个应用是通过深度学习来大大提高与识别相关的任务的准确性，如图像和对象识别、面部识别、音频和声音识别、分类和鉴定等。这也是人工智能最核心的能力。从具体应用的角度来说，该模式通过设定的输入可输出正确答案，如：输入人的照片，识别出是谁；输入说话的音频信号，输出说话内容；输入患者的医疗影像，输出疾病的原因和性质；输入用户过去的购买记录，输出相应的产品推荐；输入一只股票过去的價格和交易信息，输出未来的价格走势；输入围棋对弈中当前的盘面形势，输出各处落子的胜算等。

识别模式是一种开发良好的模式，在各领域中帮助简化工作。如人工智能通过学习成千上万张人脸图片，掌握认识和分辨人脸规律后，便可以帮助警察识别罪犯，完成了以往需要数万名警察合力才能完成的任务[5]。识别模式具有很大商业潜力，是人工智能非常擅长的，并已经得到了广泛的应用。有许多公司已经在识别系统上投入了巨资。如资金最充足的人工智能公司之一Sensetime公司正专注于人脸识别应用，中国政府正在大力投资采用这种模式[6]。

2.6 目标驱策系统

机器尤其擅长学习游戏规则，以Alpha Go为例，从它的问世到进入大家视野以来有三个版本。一是5：0击败樊麾的内测版本；二是4：1击败李世石的版本；三是它的改进版——Master战胜了当时世界第一的棋手柯洁的版本[7]。这三个版本的学习不断迭代，从而达到目标驱动系统的模式。但游戏并不是目标驱动系统的唯一可能性，该模式的应用还包括资源优化、迭代问题解决、投标和实时拍卖等[8]。

3、AI对劳动者的替代效应

AI走进多处领域的真实应用场景，发挥价值的同时减少了部分产业对人力劳动的需求，从而产生了对劳动力的替代效应。人工智能的替代效应分为三个阶段，在第一阶段，机器将人们从繁重的体力劳动中解放出来，人们的职场转向办公室，工作不再危险和繁重，却变得枯燥和乏味[9]；在第二阶段，从事事务性工作的脑力劳动者开始受到冲击，例如秘书、打字员、银行柜员以及电话客服等；在第三阶段，机器日益智能化，开始逐渐渗入决策工作。

在销售业，人们可以通过扫描二维码自动付款的方式进行商品结账，于是结账收银员的工作逐渐被取代。亚马逊已经开始小规模运营人工智能、无人结账的超市，客户通过使用智能手机支付购物篮中的商品。在制造业，自2000年以来，由于工业机器人的全球崛起，已有170万个制造业工作岗位被淘汰，在中国，已有多达55万个制造业岗位因机器人化而被取代，相当于目前制造业劳动力数量的1%左右。据牛津经济研究院最新报告表明，世界上平均每个新安装的机器人可取代1.6名制造工人，预计到2030年，全球有多达2000万个制造业工作岗位将被机器人取代[10]。

但是人类与人工智能的关系不同于人与机器以及人与智能机器，他们之间的关系是更为复杂和有粘性的。首先人类同机器的关系永远是制造与被制造，支配与被支配，使用与被使用，在智能世界里边目前能承载的关系就是这样的。而人工智能不等同于智能，可被支配，无自我意识。真正的人工智能是具备通用性的学习和实践能力的，也就是与之接触和搭配的人和物都会变得更智能，在这个过程中，人类制造人工智能是前提，能提供的功能与服务的场景也是既定的规则与限制，即人工智能的发展需要有一些规则规章来保护。

人工智能虽然具备人类思维的部分能力，能在各个场景实践中体现超乎人类的协作能力，并在有效的人类工作协同中，延伸人类的大脑，扩大人的智能，放大和代替人类脑力，作用不可估量。但人工智能同时也是人类的功能性主导产物，情感意志等方面无法匹敌人类，所以不会完全替代人类[11]。

4、AI引起的产业创新

第一次工业革命中，蒸汽机和纺织机的出现迫使农民和手工业者成为廉价工人。短期来看，第一次工业革命对这些人造成了残酷的伤害，但从历史长远角度，对生产力的提高造成了巨大的贡献。而那些因现代机器的出现而被迫离开传统农业和传统手工业的劳动者，在现代工业生产或服务业中找到了新的就业机会。第二次工业革命中，汽车取代了马车，与马车相关的一系列工作链都遭到了威胁，如马匹饲养者、马车夫、马车商等。但新兴起的汽车行业，在公众普及后对汽车设计、汽车制造、汽車维修等一系列工作岗位需求巨大，创造出的产值和工作机会远远超过马车行业。由此可见，科技革命虽然造成部分工作岗位的淘汰，但同时开辟了许多新的就业机会。大多数情况下，岗位不是消失了，而是转变成了新的形式。

同样当前AI化浪潮倾向于生产力提高和经济增长，对部分劳动者产生了替代效应，但是它在取代工作岗位的同时打开了全新的维度，造成行业间的创新，创造了新的就业空间。

这些就业机会有两种形式，一种是原来工作行业内部的工作转变。如ATM机取代了银行出纳员的收付账职能，但是据调查，美国全职银行出纳员的数量先是下降，随后逐渐回升，并超过了原先出纳员的数量。因为这些人不再是帮忙存款和收款，他们现在成为银行各类业务的销售员，因此需求量反而增加。而另一种是跨行业的工作转换，也许未来会比较常见，如当银行业不再需要这么多客服人员时，他们可以转移到服务行业等人类情感意志主导，需要人与人直接交流的工作。

5、个人发展与变革

在人工智能时代，重复性的、程序化的技能价值最低，几乎完全可以由机器来完成；而那些基于经验的常识判断能力、基于自身情感与他人互动的能力、审美能力和创造能力等以人类情感意志为主导的工作是很难被取代的，如演员、艺术家、音乐家、建筑师、护理工作者等。在AI成熟发展的未来，这些工作会成为稀缺并受人尊重的职业，能够吸引更多转型人员。

人类历史上自古以来的协作分工，基本遵循着正金字塔的结构模型。在现代商业体系中，处于金字塔顶层的少数的政治家、经济学家需要为整个经济活动的总体布局指示方向；稍下层的企业家则需要设计最符合自身企业需求的商业模式；这样逐级向下，最底层的是从事简单劳动的大多数人。事实上，若最低端人群从事的是非标准化的工作，本身对他们支出的成本就较低，他们往往难以被取代，因为优化底层劳动者需要支付更高的硬件能本。相反，对于处于一定的管理层级，但从事的是软性技术和流程方面活动的工作者往往工作易被自动化，如医院的放射科医师将来会被自动化技术取代。因此，即便是在金字塔中顶层的人，面对AI技术的冲击，也需要重新适应，如医疗影像系统能自动完成一些医学影像的分析，医生必须适应与AI共同协作以提高诊断效率等。

因此，面对AI的发展，金字塔层级中享受了更高收益，但是增值率较低的中间阶层会首先受到冲击，取消了大量的中间代理人后，金字塔体系将变得更加扁平。杰瑞·卡普兰曾提出一个解决AI带来的工作转换问题的方法——工作抵押。本质上，这种方法是由政府、教育系统和雇主联合提供保障的再培训机制。当雇主希望使用AI替代人时，必须为他提供免费再培训的机会，并在培训结束后，为雇主工作一段时间。而这里的工作，是指不需要大量训练也很难被自动化的工作[12]。如司机被自动驾驶汽车替代后可重新培训成为按摩工作者，这个技能是比较容易掌握的，且未来自动驾驶汽车普及后，人们没必要买车，可将省下来的钱用于享受按摩服务，因此按摩师的需求量就大大增多了。也就是说，金子塔结构更多的是在现有基础上进行内部调整。被调整的人不必勉为其难地从事更为复杂的决策和创作工作。因此，AI的发展可能会改变金字塔的社会分工，但是会使金字塔的结构更加高效和稳固。

对部分学习技能强的人，可以选择用多种技能武装自己，成长为复合型人才，这样即使面对AI冲击的调整，这些人也能很快适应。如谷歌内部的技术团队，大多采用扁平化管理，每个人职能灵活多变，能快速学会新的技能，并迅速适应新的岗位。如技术管理者同时也是软件开发者，代码工程师同时也参与技术决策，因此，AI团队无论做什么转型，都有合适的人员分配方式，这样，受到的AI的冲击也会较小。而这样的人才管理体系在AI的发展下会越来越普及[13]。

但是，人才的成长结构也是一个金字塔模型，先要从初级工作做起，经过不断的学习和经验累积，才能胜任中层管理者工作，最后以至高级管理者的工作。若AI直接取代了初级工作，那么人才岂不是少了发展所必需的磨练？因此，当前教育体制也需要变革，需要从小注重高端教育，重视复杂培训、创造力培养的机会，从而未来可以培养出更多技术人才、艺术人才、管理人才等。而职业教育更应注重培养人机协作的技能，拓展服务行业的人才培训[14]。

如此才能更好地适应金字塔体系，并随着社会协作分工的调整，快速灵活地调整人才需求体系，更好地面对AI的完全到来。

6、总结

AI目前逐渐走进多处领域的真实应用场景，并将之与商业模式紧密结合，在应用的6个模式中发挥出巨大的价值，同时减少了部分产业对人力劳动的需求，造成了对劳动力的替代效应。但不是所有工作都会被取代。那些基于经验的常识判断能力、基于自身情感与他人互动的能力、审美能力和创造能力等由人类情感意志主导的工作是很难被取代的。AI化的浪潮打开了全新的维度，造成行业间的创新，开辟新的就业空间。当AI冲击初级工作者的岗位后，他们也不必勉强自己去做高级的决策、分析、艺术类等工作，可以从事一些服务行业中新的需要较少的培训便能很好掌握技能的工作。而学习技能强的人才可以通过不断地学习，即使AI带来岗位调整也能很快掌握新技能，适应新工作要求，由此减弱AI的冲击。另外，高级工作者也必须学习新技能，更好的利用新技术，去适应AI的协作，来推动社会的进步。

除此以外当前教育体制也需要变革，需要从小注重高端教育，重视人得到复杂培训、创造力培养的机会，未来培养出更多的技术人才、艺术人才、管理人才等。而职业教育更应注重培养人机协作的技能，拓展服务行业的人才培训。这样才能更好地适应社会金字塔体系，并随着社会协作分工的调整，快速灵活地调整人才需求体系，更好地面对AI的完全到来。

参考文献：

[1] 谭营.人工智能的研究现状与创新发展方向[J].国家治理，2019（07）：29-33.

[2] 李开复，王咏刚. 李开复：到底什么是人工智能[J]. 科学大观园， 2018（2）.

[3] 赵广雷. 基于协同过滤的电子商务推荐算法的研究[D].贵州师范大学，2016.

[4] 劉涛.以人工智能引领高校学生思想政治工作变革探究[J].四川省干部函授学院学报，2018（01）：51-53.

[5] 栾润生，刘国防，王超强.动态人脸识别在侦查工作中的应用[J/ OL].中国刑警学院学报，2019（05）：122-128[2019-12-09].

[6] 中商产业研究院.2017年中国人脸识别重点企业研究报告[R]. 2017.https：//doi.org/10.14060/j.issn.2095-7939.2019. 05.017.

[7] 刘步青.人机协同系统中的智能迁移：以AlphaGo为例[J].科学？经济？社会，2017，35（2）：73-77.

[8] Forbes China. 人工智能的7大应用模式[OL].[2019-09-18]. http：//www.forbeschina.com/technology/44331.

[9] 窦育民，李富有.正常商品的替代效应与收入效应研究[J].西安石油大学学报（社会科学版），2012，21（06）：31-36.

[10] Adrian Cooper.How Robots Change the World[R]. OXFORD ECONOMICS JUNE 2019.

[11] 陶锋.创造性与情感：人工智能美学初探[J].中国图书评论，2018（07）：26-34.

[12] 谢发徽.图书馆技术人员的职业发展危机与对策探析[J].漳州职业技术学院学报，2017，19（01）：96-99.

[13] 高士娟，曹恒来.《人工智能初步》教学设计[J].中国信息技术教育，2018（24）：39-41+62.

[14] 李开复谈AI：不接受“AI+概念”的公司将被颠覆[J].信息与电脑（理论版），2017（04）：6-10.

作者简介：

胡玉晶，江苏科技大学张家港校区商学院，研究方向：物流管理。

王雪情，江苏科技大学张家港校区商学院，研究方向：物流管理。

黄颖， 江苏科技大学张家港校区商学院副院长，研究方向：物流与供应链管理。