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

2019 年 1 月 14 日 雷锋网

▲点击上方 雷锋网 关注

文 | 丛末

来自雷锋网(leiphone-sz)的报道

雷锋网 AI 科技评论按: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,最先进的 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。深度学习可以使用无限的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最大化推荐广告的利润,或者帮助 Facebook 最大化用户在其 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最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)排列中做出最佳决策的能力惊人,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。

via:http://time.com/5501056/artificial-intelligence-protect-workers/  

- END -

  ◆  


推荐阅读


阿里腾讯在海南自贸区「交战」

华为宣布:终止与被捕波兰员工雇佣关系

突发!波兰逮捕一名华为员工,指其从事间谍活动

CES 2019 新品趋势大盘点,今年最热的产品都在这里了

雷军公布小米新战略:5年100亿 All in AIoT

红米Redmi品牌独立后首发新品 雷军:『友商就不要用性价比这个词了』



关于「AI投研邦」


雷锋网旗下会员组织,聚焦AI+10大领域 :AI+汽车(智能驾驶)、AI+教育、AI+金融、AI+智慧城市、AI+安防、AI+医疗等。仅剩199个早鸟席位,欢迎加入。

登录查看更多
2

相关内容

李开复是一位信息产业的执行官和计算机科学的研究者。1998年,李开复加盟微软公司,并随后创立了微软中国研究院(现微软亚洲研究院)。2005年7月20日加入Google(谷歌)公司,并担任Google(谷歌)全球副总裁兼中国区总裁一职。现任创新工场董事长。
专知会员服务
54+阅读 · 2020年7月4日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
【复旦大学-SP2020】NLP语言模型隐私泄漏风险
专知会员服务
24+阅读 · 2020年4月20日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
人工智能摧毁的不是工作岗位,而是商业模式
数据分析
5+阅读 · 2018年5月13日
半路转型做人工智能,谁说不可行?
AI前线
3+阅读 · 2018年2月28日
面向IT专业人员的8个新兴AI工作
数盟
3+阅读 · 2017年12月17日
大咖来信 | 李开复:北美AI时局图
量子位
4+阅读 · 2017年12月11日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
8+阅读 · 2018年12月6日
Arxiv
9+阅读 · 2018年10月24日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Arxiv
17+阅读 · 2018年4月2日
Arxiv
7+阅读 · 2018年1月24日
VIP会员
相关论文
Top
微信扫码咨询专知VIP会员