圖片來源：Bitify

芥末堆 怡彭 報道

高考剛剛結(jié)束，即將開始的志愿填報成為了又一個社會關(guān)注的焦點。在一些相關(guān)的社區(qū)、群組和論壇上可以發(fā)現(xiàn)，除常規(guī)的大學排名、專業(yè)難度、就業(yè)率等常規(guī)問題外，專業(yè)的長期發(fā)展?jié)摿σ渤蔀楸魂P(guān)注的重點。飛速發(fā)展的人工智能技術(shù)也為人類出了一個新的難題：學什么，才不會被人工智能搶走“飯碗”？

不只 AI，技術(shù)在讓大多數(shù)工作“自動化”

其實，機器已經(jīng)開始搶人類的工作了。

自一年前 AlphaGo 用五場比賽擊敗人類棋手李世石后，與人工智能相關(guān)的消息便在媒體圈層出不窮。金融、電商、翻譯，對人類來說也門檻頗高的許多事物，都傳出了機器超越人類的可能。甚至在教育領(lǐng)域也是如此，學霸君與準星云學兩家企業(yè)的“高考機器人”分別拿出了 134 分和 105 分的高考文科數(shù)學成績。在做題方面，機器可能也已經(jīng)超越了不少人類。

圖片來源：rethinkrobotics

事實上，機器對人類工作的“替代”早已開始，其所用的技術(shù)甚至不只是人工智能。例如工業(yè)機器人 Baxter，配有手臂，爪狀手柄和帶 LCD 面的頭部，由 rethinkrobotics 公司推出。這架機器被用于取代重復(fù)但仍然未經(jīng)過自動化任務(wù)的工廠線工人，比如將大型部件插入電路板。而 Google 的自動駕駛汽車和 IBM 的人工智能電腦 Watson 則告訴全世界，駕駛員與承擔低階工作的辦公室白領(lǐng)可能就要在不久后被取代。

數(shù)據(jù)來源：Erik Brynjolfsson/Andrew McAfee - The Second Machine Age.

宏觀數(shù)據(jù)從另一個角度說明了這一問題。在二十世紀下半葉的大部分時間里，美國產(chǎn)生的經(jīng)濟價值 、國家的生產(chǎn)力與工人數(shù)量相輔相成。但是在 2000 年這兩個措施開始分歧。從本世紀之交開始，生產(chǎn)力與總就業(yè)之間就有了一個差距。到 2011 年，這個三角洲大幅度擴大，反映了經(jīng)濟持續(xù)增長，但就業(yè)創(chuàng)造并沒有增加。

不可否認的是，以大數(shù)據(jù)、人工智能為首的新一代技術(shù)，讓“機器替代人工”變得更加顯性。2013 年 9 月，牛津大學的卡爾.弗瑞（Carl Benedikt Frey)和邁克爾.奧斯本（Michael A. Osborne)發(fā)表了就業(yè)的未來 （The Future of Employment) 研究報告，調(diào)查各項工作在未來 20 年被及計算機取代的可能性。結(jié)果顯示，日本有高達 55% 工作能被機器人替代，勞動密集型國家中國和印度則分別為 51% 和 52%，美國、歐洲的比重則分別為 46%、47% 。

這份報告認為，在 2033 年，許多被熟知的職業(yè)將有大概率會最終消失：

• 電話營銷人員和保險業(yè)務(wù)人員：99%

• 運動賽事裁判：98%

• 收銀員：97%

• 廚師：96%

• 服務(wù)員：94%

• 律師助理：94%

• 導(dǎo)游：91%

• 面包師：89%

• 公交司機：89%

• 建筑工人：88%

• 獸醫(yī)助手：86%

• 安保人員：84%

• 檔案管理員：76%

兩位學者在報告中表示，在未來幾十年中將出現(xiàn)兩個“自動化浪潮”，在此期間不同類別的工作將被沖走，沒有任何就業(yè)領(lǐng)域保持不變。

“在第一波浪中，大多數(shù)運輸和物流業(yè)的工人以及大量的辦公和行政支援人員以及生產(chǎn)勞動力都可能被計算機資金所取代?！監(jiān)sborne 表示。

面對洶涌而來的“機器大軍”，人的價值在哪里？

“常規(guī)的、易被定義的工作是最易被自動化的?！甭槭±砉W院經(jīng)濟學家 Erik Brynjolfsson 表示，“因此從事中等技能的結(jié)構(gòu)化任務(wù)和日常信息處理任務(wù)的人可能最危險，如收銀員、行政人員?！?br/>

根據(jù) Brynjolfsson 以及牛津馬丁學院哲學系的研究，人類活動的三個廣泛領(lǐng)域，將在短期至中期內(nèi)對自動化具有一定的“抵抗力”。

• 手工、體力勞動
  

盡管許多體力勞動者薪資不高，但這種類型的工作可能會對自動化產(chǎn)生驚人的抵抗力。許多簡單的體力工作，超出了大多數(shù)現(xiàn)代機器人的能力。這種現(xiàn)象被稱為 Moravec 的悖論：人類所獨有的高階智慧能力只需要非常少的計算能力，例如推理，但是無意識的技能和直覺卻需要極大的運算能力。一個經(jīng)典的例子是：人只需要幾分鐘時間來疊一條毛巾，但在 2010 年完成這一任務(wù)的機器人花費了近 25 分鐘。

《The Future of Employment》報告指出：“在短期內(nèi)，廚師，園丁，修理工，木匠，牙醫(yī)和家庭健康助手都不會被機器所取代，所有這些專業(yè)都涉及到大量的感應(yīng)工作，其中許多也需要思想技能，大框架模式識別和復(fù)雜的溝通?！?/p>

• 創(chuàng)造性工作
  

盡管已有媒體開始使用機器來撰寫新聞稿件，但在很大程度上，數(shù)字技術(shù)在創(chuàng)造性工作中的角色是補充，而不是替代創(chuàng)意。

“一首新歌，一個視頻或一個軟件，可能沒有任何一個歷史時期比現(xiàn)在更適合找到成百上千的用戶了?！盉rynjolfsson 表示，“對創(chuàng)造者來說，未來仍然是一個好時代?！?/p>

• 人際交往

到目前為止，無論是蘋果的 siri 還是軟銀的情感機器人 papper，都不能很好的激勵，培養(yǎng)，照顧和安慰人。機器發(fā)育遲緩的社交技能，或許意味著銷售人員，經(jīng)理人和企業(yè)家有一個相當光明的未來，護士，幼兒園老師也是如此。

教育的新任務(wù)：讓人類適應(yīng)智能時代

倫敦經(jīng)濟學院經(jīng)濟學教授 Alan Manning 曾發(fā)言稱，歷史告訴我們，勞動力市場能夠從技術(shù)變革所帶來的變化中恢復(fù)過來。

在美國歷史的最早期，大多數(shù)勞動力集中在農(nóng)業(yè)領(lǐng)域，而現(xiàn)在這一數(shù)字僅為 2%。“技術(shù)變革總是會摧毀一些工作，再創(chuàng)造一些新的工作。”Manning 說，“有些人花了 20 到 30 年的時間專門從事某項工作，突然間沒有了這樣的需求，就會遭受巨大的打擊。但從長遠的角度來看，年輕人會涌入那些新的領(lǐng)域，市場上也總會有適合人來做的工作?！?/p>

牛津大學經(jīng)濟學講師斯坎德 Daniel Susskind 則表示，為了避免淘汰，未來人類的工作應(yīng)該是“彈性的”，工作性質(zhì)愿意隨著越來越多領(lǐng)域被自動化而改變。例如，一個護士今天所做的事情與 25 年前已大不相同。以前，他們處理諸如臨床護理和照顧便盆之類的事務(wù)。而現(xiàn)在，他們甚至可以進行小手術(shù)。而終身學習與教育的重要性，將被提升到前所未有的高度。

Brynjolfsson 在自己的文章中表示，很難期望人們能夠簡單地適應(yīng)新技術(shù)給他們帶來的就業(yè)機會，為適應(yīng)工業(yè)革命后的勞動力動蕩，需要對教育制度進行長期的改革。“人們將不得不采取更積極的態(tài)度學習更多新技能，因為技術(shù)變化越來越快?！盉rynjolfsson 說，“當然，教育還是昂貴和困難的。但數(shù)字技術(shù)和在線教育網(wǎng)站們可以解決一部分問題?！?/p>

以美國為例，自上世紀六十至七十年代現(xiàn)代教育制度確立以來，這套體系已穩(wěn)定運轉(zhuǎn)了數(shù)十年。按照學科教授知識，以考試、綜合評價、課外活動等表現(xiàn)對年輕人進行篩選分層，這是一套在工業(yè)時代被驗證行之有效的教育系統(tǒng)。但在人力資源不斷從第一、二產(chǎn)業(yè)向第三產(chǎn)業(yè)流動的過程中，學校所“產(chǎn)出”的人才結(jié)構(gòu)與社會的需要已經(jīng)出現(xiàn)了失衡。隨著工作不斷被“自動化”，這樣的失衡將越發(fā)嚴重。

“老系統(tǒng)將不得不進行認真地修改”，美國西北大學的 Joel Mokyr 指出，教育系統(tǒng)鼓勵專業(yè)化，這樣學生就能在越來越少的主題上學到越來越多。但隨著知識過時的速度越來越快，重要的是要學會再學習（relearn）。Mokyr 認為，當下的教育更像粘土——“塑造它，然后烘烤它，就定型了”。未來，隨著越來越多任務(wù)變得自動化，人類技能顯得最有價值的任務(wù)會不斷變化。

被稱為阿爾法狗之父的 DeepMind 創(chuàng)始人 David Silver 透露，AlphaGo 與此前的機器最大的不同就在于擁有自我學習能力，可以通過進行自我對戰(zhàn)來不斷提升能力。從某種意義上來說，教育所需要的變革與此十分相似：計算機由服從代碼命令到具備學習能力，人類所需要的也正是學會“學習”。

在有關(guān)教育的學術(shù)探討中，“教育目標”是一個需要被永久討論話題。但人工智能所帶來的不確定性在于，沒有人知道二十年后怎樣的知識或技能是真正“有用”的。與此前的無數(shù)次教育變革相比，這可能是最困難的一次。教學內(nèi)容如何安排？評價體系如何建立？高效而又不令學生喪失個性的教學形式又如何實現(xiàn)？還有太多問題有待解決。

自初代計算機誕生開啟信息時代以來，人類社會已踏上了“變化”的快車道。而對于重傳統(tǒng)、慢節(jié)奏的教育來說，如何趕上社會發(fā)展的節(jié)奏，可能會是接下來最重要的課題之一。