想不被人工智慧取代，留學選專業時要把持這兩個大方向

如果你覺得人工智慧在未來10年對我們的影響還虛無縹緲的話，那麼請你回想一下：

20年前，下崗潮席捲東北，那之前沒人能想到，國企鐵飯碗竟然也會有被砸掉的一天，很多雙職工家庭因此淪為赤貧。儘管裡面涉及的因素極為複雜，可工人缺乏市場化技能的事實使他們再就業非常困難，只有極少數真正有預見性有技術的人拼出了一條生路；

2年前，各地紙媒紛紛停刊，那之前沒人能想到，事業單位一般存在的報社居然也會說沒就沒。而很多記者和編輯長期乏味的寫作風格使他們很難在就業市場里分一杯羹，只有極少數真正可以進行深度報道或適應新媒體寫作的人才能如魚得水。

一次浪潮過境，就會有一批人被拍在沙灘上，但也有一批人會成為弄潮兒。

現在可預見到的下一次大浪潮，估計就是十幾年後的人工智慧了。

雖然總有人在擔憂：會不會有那麼一天，隨著自我學習能力的不斷進化，人工智慧最終產生意識和情感，進而把創造它們的人類幹掉呢？但目前看來，這種恐懼還僅限於影視劇中的科幻噱頭，而人工智慧即將引發的失業大潮，才是我們真正應該覺得受到威脅的現實。

最可怕的是，這種威脅並不遙遠。

亞馬遜，目前全球倉庫中有30000台Kiva機器人取代原先的倉庫管理員和配貨員。

富士康，流水線上60000名裝配工人的工作已經被機器人替換掉。

沃爾瑪，計劃用無人飛機來掃描倉庫中的貨物，比人類庫存檢查員要有效率得多。

Uber，正在測試自動駕駛汽車，目標是當條件成熟時徹底取代人類司機。

特斯拉，正在內華達州建造的工廠將全面實現自動化生產，只需要極少數人類僱員負責監管。

阿迪達斯，在德國開設第一家自動化工廠，以後再也不必Made in China了。

……

（有些酒店已經開始用機器人替代客房服務）

2013年牛津大學的一項研究顯示，現在的工作崗位有50%都處於即將消失的高危狀態，這裡面固然有我們意料之中的司機、建築工人、製造工人和客戶服務等低技術含量職業，但卻並非都是如此。

有的藍領工作因為沒有能夠程序化的標準，長時間內還需要人工。比如，雖然已經有了通過顏色識別來收割果實的機器，但果實成熟的實際情況要複雜得多，而且在力度和精細度上機器人還不夠到位。再典型一點兒的例子就是採茶，如何快速準確地找到並採摘嫩葉對機器人來說並不容易。

出乎我們意料的是，一些現在看起來高薪體面的工作，因為可以被數據化和標準化，受到的衝擊反而比體力工作更大，甚至會徹底消失，這也是為什麼部分中產階級會因此遭到毀滅性打擊的原因。最典型的就是金融、法律和醫療三個行業，一起來看看幾個例子。

信貸員

在銀行中，ATM和手機軟體的大量使用已經令很多早先體面的櫃員工作漸漸消失，而當人工智慧繼續發展下去，一些較複雜的開戶和貸款等業務也完全可以交由機器人來完成，它們表現得會更有效率更準確，成本也更低。

理賠員

IBM的沃森人工智慧程序可以分析和解讀所有的相關數據，包括未經整理的文字、圖像、音頻和視頻，比人做的更好更快，極大地縮減了計算理賠金額的時間。日本一家人壽保險公司最近就用該程序徹底替代了30名醫療保險理賠員。

理財分析師

通過閱讀和分析歷史數據，進而預測出未來金融市場走向，在這一方面人工智慧絕對比人類在行。更何況，人工智慧在進行建議時不會摻雜主觀情緒，也不會出現計算錯誤，比起人來說也更容易得到客戶的信任。

律師助理和非訴訟類律師

主要承擔資料查詢和案件整理工作的律師助理，成為首當其衝被人工智慧取代的崗位，畢竟這些高度數據化和標準化的內容，人工智慧學習起來更快速，操作起來也更得心應手。而非訴訟類律師，比如處理移民、遺產、離婚等業務的律師，也同樣因為高度程式化，所以很容易被取代。

醫療助理

除了像測體溫和配藥等簡單工作完全可以被不那麼智能的機器人取代，現在通過對大量醫療數據的學習，人工智慧甚至可以承擔起部分醫生的工作：沃森系統診斷腫瘤後提出的治療方案與專家達到100%匹配；達芬奇系統則成了手術助理，因其機械手臂的特殊性，有時甚至能完成外科醫生無法操作的任務；邁瑞診斷也實現了病房內的智能監護。

當然，很長一段時間之內，由於病人的個體差異以及病狀千變萬化，人工智慧還不能取代醫生，但成為醫生不可或缺的小助手，那簡直是一定的了。

除此之外，一些我們本以為無法被人工智慧取代的中產階級工作，也在逐漸淪陷。

對於模式固定的新聞，只要任由人工智慧去抓取數據和圖片，一篇篇實時報道就出爐了。其實早在2014年，美聯社就開始運用智能軟體撰寫盈利報告，每個季度都有3000篇報告是由人工智慧完成的。

通過深度學習幾百萬篇作文和相應的評分，人工智慧很快就能掌握批改作文的套路。想一想，一名教師在從教的四十多年裡可以閱讀一萬份作文，那麼僅在幾分鐘內就讀完上百萬份作文的人工智慧似乎經驗更為豐富。而且確有實驗表明，人工智慧給出的分數與人類教師的幾乎完全匹配。

也就是說，現在紅紅火火的專業，頃刻之間，也許就會變得恍恍惚惚。

十幾年後到2030年，待我們的孩子成長為社會的中流砥柱，他們又該如何生存呢？

想要不被人工智慧取代，在選擇專業時要考慮兩方面：

設計人工智慧的工作

人工智慧無法完成的工作

設計人工智慧的工作很好理解，就是現在最火的計算機科學（Computer Science）和電子工程（Electrical Engineering）兩大專業，以及與其相關的部分專業。因此，無論美國還是中國，人工智慧領域的名校博士（比如麻省理工、卡內基梅隆和斯坦福這樣的級別）被招攬到工業界搞研究，一畢業就拿到幾十萬美金的年薪絕非難事。因此，「編程從娃娃抓起」也並不是一句空洞的口號，而是有各方力量在背後推動的流行趨勢。

但是，這裡面有一個很現實的問題，如果孩子對編程不感興趣，或者孩子的天賦確實不在於此，那麼非逼著孩子學習這些專業，不僅孩子痛苦，將來也未必能學出名堂。正像上面提到的，只有與人工智慧領域密切相關且能力卓越的科研人員才會前途無量，而學藝不精的初級碼農也同樣會被淘汰。

因此，大部分人還是要歸入到第二種，應該朝著人工智慧無法完成的領域發展。

確實，人類棋手根本不可能與阿爾法狗相抗衡。這是因為人工智慧可以在很短的時間裡通過歷史存在的大量棋譜和棋局數據不斷學習，當人類棋手陷入夢鄉時，阿爾法狗已經跟自己下了幾百萬盤棋了。可這也恰恰是人工智慧的局限所在：一旦新事物或新情況出現，還沒有數據可供人工智慧學習，那麼人類創新性解決問題的優勢就體現出來了。

先講個故事。

二十世紀初的一天，供職於雷神公司的雷達管設計專家培西站在一台運作中的雷達設備前，發現自己口袋裡的巧克力居然融化了。他並不是最早發現這種現象的人，但卻是最早開始思考和研究這種現象的人，因此我們才有了今天的微波爐。

把融化的巧克力與電磁波聯繫起來，進而發明用於加熱食物的微波爐，這便是人工智慧永遠不可能完成的任務。

當然，創新不只是科學家的專屬領地，理髮師可以創新髮型，園藝工可以創新修剪技藝，很多領域都有創新的空間，只要我們有創新的意識，而這就是人工智慧無法取代的能力。

除此之外，還有兩個方向的工作是人工智慧無法取代的。一個是需要與人溝通的工作，比如心理醫生和幼兒教師；另外一個是需要複雜邏輯思考的工作，比如模式化拼湊信息的記者會被淘汰，但能挖掘出事件前因後果和背景意義的深度報道卻無法被人工智慧數據化和標準化。

其實，大多數行業中都存在重複性標準化的工作，也同樣存在人工智慧無法完成的工作。而且，隨著人工智慧日新月異的飛速發展，一個人一生也許不再只做一種工作，而是不得不在不同的工作中流轉。因此，比起挑選專業，也許更治本的方法是培養一些能夠以不變應萬變的核心競爭力：創新、溝通、深度思考以及終生學習。

然而，與人工智慧迅猛發展形成反差的是公立教育體制的一成不變。現代公立教育與私立精英教育不同，更側重於讓大多數人成為社會分工中的一枚稱職的螺絲釘，同時卻扼殺了孩子對世界的好奇心和興趣，因此大多數孩子提起學習只會感到無聊和厭煩。

可是，在又一次浪潮襲來之際，當不久之後人工智慧充當起螺絲釘的角色時，我們的孩子又將何去何從？這是每一個關注教育的人都應該思考的問題。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！