人工智能不会取代你，使用人工智能的人会
人工智能会抢走你的工作吗？还是会让你变得不可替代？人工智能革命正在顺利进行，这种未来主义的变革浪潮正在改变我们的生活、工作和娱乐方式。
可以理解的是，这让我们中的许多人担心它对就业市场的潜在影响。
人工智能会偷走我们的工作吗？
答案是“是”...除非你学会冲浪。
人工智能对就业市场的影响
在2023年初进行的ZipRecruiter调查中，62%的人担心ChatGPT和其他人工智能工具可能会取代他们的工作，最令人担忧的是Z世代（76%）和没有高中文凭的人（72%）。
坦率地说，谁能责怪他们？
根据高盛2023年66月的一份报告，美国和欧洲目前大约25%的工作“暴露于某种程度的人工智能自动化”，而大约%的工作可以由人工智能完成。
在另一项研究中，OpenAI（ChatGPT的创建者）与非营利研究实验室OpenResearch和宾夕法尼亚大学一起发现，80%的美国劳动力可以看到至少10%的任务受到AI的影响。而大约19%的员工可以看到至少50%的任务受到影响。
对你来说足够凄凉吗？
嗯，有个好消息。但在我们开始之前，让我们谈谈哪些类型的工作会受到影响——包括可能出现的一些新的工作机会。
最有可能被人工智能取代的工作
那么，哪些类型的工作很有可能被人工智能取代呢？
具有以下一个或多个特征的任何工作。他们申请您的工作的次数越多，您的工作就越有可能受到影响：
涉及执行常规和重复性任务。
涉及一套标准化的规则或程序
涉及遵循固定、可预测模式的物理任务
涉及数据的处理和分析
涉及基于数据和常见模式的基本决策
不涉及创造力或人为判断
不涉及对人类情感的理解
为了进一步说明，以下是一些可能存在风险的工作类型的示例。
技术工作（例如软件开发、数据分析等）
尽管计算机编程的需求量很大，但ChatGPT和类似的AI工具可能会取代编码人员。
为什么？
因为人工智能在快速准确地处理数字方面非常出色。例如，ChatGPT已经可以比任何人更快地编写代码。
OpenAI已经在考虑用AI取代其软件工程师。
媒体工作（广告、内容创作、技术写作等）ChatGPT和其他人工智能工具也对媒体行业产生了巨大的影响。
这是因为人工智能现在正处于可以很好地读取、写入和理解基于语言的数据的地步。随着时间的推移，它只会变得更好。
正因为如此，媒体公司开始使用人工智能工具来创建内容，而不是仅仅依赖人类作家。
客户服务职位
客户服务聊天机器人变得越来越智能。用不了多久，支持人工智能的聊天机器人将成为常态，能够理解客户要求的细微差别。
不会被人工智能取代的工作人工智能可以做的事情仍然存在局限性。因此，某些工作只有人类才能完成。
那么什么样的工作会经得起时间的考验呢？
从本质上讲，任何需要人工智能无法复制的以下一个或多个“人类”品质的工作：
涉及人类的创造力
涉及人类同理心、情商、对人类情感和行为的理解
涉及在情感层面上与他人互动和联系的能力，以及建立深厚的关系和信任的能力
涉及有效的沟通和/或谈判技巧
涉及批判性思维、战略规划和决策
涉及适应新情况、解决复杂问题和处理不可预测情况的能力
涉及人类的判断和直觉
涉及领导力
包含这些品质的工作示例包括首席执行官、教师、辅导员、外科医生、人力资源经理、营销专业人员和撰稿人。
正如@naval所说：
“自动化意味着不必做任何事情两次......剩下的就是创造力和判断力。
新的工作机会虽然人工智能将不可避免地自动化并取代一些工作，但也有另一面：由于这场人工智能革命，新的就业机会将出现。
所以并非一切都是厄运和阴霾！
其中一些工作是现有的与人工智能相关的职位，随着时间的推移需求会增长，而另一些工作将是人工智能创造的新职位。
以下是我们已经看到的新工作机会类型的一小部分样本：
提示作家：随着像ChatGPT这样的人工智能语言模型在不同行业中变得越来越普遍，对称为“提示作家”的专业人士的新需求已经出现。
这些专家擅长编写有效的提示，指导AI模型根据用户的特定要求生成精确、相关和有价值的输出。
人工智能开发人员：随着人工智能系统变得越来越先进，对这群专家设计此类系统的需求将继续增长。
人工智能开发人员和工程师负责创建特定算法、构建神经网络和开发自然语言处理能力。
人工智能顾问和战略家：随着世界各地的企业越来越多地采用人工智能，对人工智能顾问和战略家的需求将越来越大，以帮助企业制定战略，以利用人工智能技术并实施基于人工智能的解决方案，以改善其当前的运营。
人工智能辅助医疗保健专家：这是非技术行业中新角色的一个很好的例子。这些是专门从事人工智能辅助医疗系统操作和维护的个人。
随着人工智能在医疗保健中的使用越来越多，例如使用人工智能算法进行疾病诊断和治疗计划，对能够管理和维护这些系统的专家的需求将越来越大。
为AI对我们工作的影响做好准备
这是我上面提到的好消息。人工智能革命将继续存在，但你可以“证明”你的工作，并为这个新世界做好准备。更重要的是，您可以利用人工智能使您的职位不可替代。方法如下。
与人工智能合作，而不是反对它随着人工智能在工作场所变得越来越普遍，你必须学会如何使用人工智能，而不是反对它。
如何？
通过利用其优势并弥补其弱点（反之亦然）。
这通常被称为协作智能，您可以将AI的速度、准确性和效率与创造力、情商和社交技能等人类品质相结合。
结果呢？你会让自己变得不可替代。
在实践中，这可能看起来像在你的工作中使用人工智能来自动化日常任务并优化你当前的一些工作流程，让你专注于其他更重要的方面，比如规划和创造性地思考。这反过来又会让你在工作中更有效率和生产力。
一个很好的例子是内容写作。可悲的是，许多作家将被人工智能取代。但有些人会学会使用人工智能来研究和撰写草稿，然后利用他们自己的创造力、同理心和人类经验来改进它们。这些作家会写出比人工智能更好的内容，而且他们会比大多数人更快。
正如机器语言工程师@svpino所说：
“人工智能不会取代你，而是使用人工智能的人会取代你。“
学习和发展新技能另一种做好准备的方法是学习和发展新的技能和知识。
开始了解AI提示和算法，这些提示和算法将使您能够充分利用ChatGPT等强大工具。如果您从事软件开发等技术领域的工作，请花时间学习流行的AI编程语言，如Java、Python和R。
同时，不要只关注工作中硬技能;相反，发展人工智能无法取代的软“人类”技能。在这个新的人工智能世界中，这些技能将变得越来越重要，并且可以使您与众不同。
及时了解AI发展通过阅读行业出版物和可靠的网站/博客、关注思想领袖和影响者、参加会议和研讨会以及与您所在领域的其他专业人士互动，及时了解最新的AI趋势、发展和工具。
通过这样做，您可以更好地了解这些发展将如何影响您的行业和工作，为即将发生的事情做好准备，并学习如何利用人工智能作为工作的一部分。如果您所在的行业很有可能被颠覆，这一点尤其重要。
您可以参考的一些优秀AI资源示例包括：
对新机会持开放态度一些工作将由人工智能取代;其他将被创建，或者可能合并。如果你想在人工智能方面保持领先地位，你需要走出你的舒适区，对新的机会持开放态度。
不要害怕尝试新事物，无论是学习新的编程语言（例如快速工程）还是在全新的行业（例如自动驾驶汽车）工作。
探索需要创造力、同理心和人际互动的工作如果迫不得已，你失去了工作，那就用天生的人类工作来取代它——这可以追溯到我上面提到的软技能。
这股浪潮正在加速。不要忽视它。不要害怕。拿起你的冲浪板，开始划桨。您可能会发现自己比以往任何时候都做得更好-并且享受旅程。
高考季：哪些专业未来更不容易被人工智能替代
从去年下半年到现在，短短一年不到的时间，人工智能出现了跨越式的发展。原本离生活还很远，感觉只能在手机上帮人问个时间天气的“人工智能”，突然变得非常跨界，大量AIGC式人工智能开始出现。画图的，写作的，做PPT的，生成视频的……对于很多人来说，人工智能已经大幅度改变了他们的工作方式和工作流程，也给目前正准备选择专业的高考生们提出了新的思考维度。
我选择的专业，会因为人工智能出现改变吗？这些改变会怎样影响我未来的就业呢？
这个问题极为现实。
比如一些语言类专业的学生就有这样的担心——目前许多翻译类的人工智能性能已经非常强大，之前只能做一些在线翻译，现在连同声传译，摄像头拍照翻译都能做到。设计、美术相关的专业，在StableDiffusion、Midjourney和Adobe的压力下，也遇到了同样的问题。
当然，在目前的技术水平上，这些软件目前只能使用来满足不太复杂或者不是特别定制化的需求，因此对于专业中的顶尖人才来说，其工作暂时无虞。但对于专业技术能力一般的，占每个行业绝大部分的从业者来说，人工智能的产出效果正在实实在在地逼近甚至超过他们，而其价格和时间耗费却又要比人类从业者低得多。对于这些人来说，他们的工作岗位正在实实在在地被人工智能所威胁，甚至替代。
在之前的推送中，我们分析了什么样的职业可能会被GPT（们）影响以及替代，当时我们沿用了OpenAI对美国劳动力市场的分析方法，分析了中国的劳动力市场。
在高考成绩即将公布的今天，我们再来看一看，哪一些专业的就业更容易被这类人工智能替代？
一，从16.4亿条招聘岗位中获取专业需求——每个专业的学生去向了哪一个岗位？
如何研究每个专业被人工智能所影响的程度呢？
有人可能会从专业的脉络、原理和产出上进行研究。比如我们前面举出的一些例子中，语言专业的可能会去翻译岗位，而翻译这一个行当会被人工智能影响；美术专业的可能会去设计岗位，而设计这一行当会被人工智能影响。这是从供给侧上判断。这都是从能力的供给侧和人工智能的发展趋势来判断的。
但是，每个专业的学生毕业后，会去哪一些岗位，哪一些职业，其对应关系真的会如此明显吗？我们手中正好有从2015年到2022年共8年16.4亿个岗位的招聘数据。在这些招聘数据中，有相当一部分会写出非常明确的专业需求来，一个典型的例子如下：
我们将16.4亿条招聘岗位的专业需求，和中国的本科、高职、高专的专业列表做了一一匹配，其中约2亿条招聘对专业有着明确需求。相对供给侧来说，我们希望从需求侧来研究不同的专业在劳动力市场上的位置是怎样的。
举个例子，对于一个“外国语言文学类”专业的毕业生来说，他的毕业去向可能会在哪里？
我们使用招聘数据随机抽取了几条专业需求为“外国语言文学类”或者其下具体专业细类的招聘广告，他们的具体要求如下：
可以看到，这三个岗位都在专业需求中列出了对于英语、日语的专业要求，但是在具体工作中，涉及到语言的部分其实很少。
外贸单证员，虽然需要英语，但其实大部分工作都是各种具体的流程处理和关节打通。
外贸业务员，虽然需要日语，但却更像是一个完整的销售人员，售前售后都得一把抓。
留学文案，虽然对英语的要求更高，但本质上是在各种了解客户需求，以及与各方做沟通和调查。
所以，职位对专业的需求，和这个职位真正在做的工作，可能完全不一样，甚至差十万八千里。
大家都是去做销售，这项销售工作可能只有5%的工作和外语的听说读写相关，而就是在这5%的工作中，外语专业的毕业生可能可以替公司省1块钱，快1分钟，沟通起来成单率高那么一点点。
好的那么就是你了，外语专业的毕业生！
限定专业，对于绝大部分岗位来说，并不是该岗位确实需要大量专业知识，而是需要在更低的用人成本上，保证这个岗位的某一项任务的某一个环节上，最终应聘者的表现更好的概率更大一些、成本更低一些。
在这样的供需背景下，选择某一个专业，不是选择了它的专业知识，而是在广泛的职位需求组合中找到一个相对更大的公约数，而如果你的专业，能在这个公约数上，比起其他人存在一些比较优势。
是的，人工智能确实在许多场合已经非常优秀。但在大量工作中，人工智能还是只能承担一小部分任务，而这一小部分任务是被链接在各种任务组合当中，无法独立出来。此时，某一个专业的毕业生只要在某一个环节存在一个微弱优势——哪怕是在这个领域的人工智能的利用得比别人更熟练一些，这个优势也会在高度同质化的岗位需求以及海量的应聘者供给的今天被成倍放大。
二，从每一条职业需求中获取具体工作任务（考生可以跳过）
评估一个具体的职位的各种性质，是一件很困难的事。一些岗位的人口多，收入高，声音大，我们可能相对比较熟悉。但如果要评估另一些岗位，比如我们前文举例中出现的一个岗位——外贸单证员——有多大可能性会被人工智能的发展所影响？那行业外人士可能根本难以说出个一二三，因为大部分人不知道这个岗位具体是做什么的。
只有当我们将“外贸单证员”这一项工作的具体职责一项项剖开后，拆解成一个个工作任务后，人们才能对这个岗位稍微有一些实感。
在之前那篇文章中，我们用了下图这样的方法来拆分职业。一个职业可以按照一定标准被拆分成具体的任务和具体工作，然后使用GPT来判断每一项具体工作被替代的可能性。
由于时间所限，当时这一项工作基本上是完全复制了openAI的做法，即使用O*NET的数据库，将不同职位拆分成具体的task（任务），再把每一个task（任务）给拆分成具体工作（detailedworkingactivity）。
我们用O*net的数据，将中国的职业映射到O*net，再分拆成19265条工作任务和23534种工作内容。
而这个步骤对于中国劳动力市场来说，其实存在一系列不太合理的假设：
1，O*NET给出的工作任务拆分，是针对美国劳动力市场进行问卷调查得到的，这是一个基本保持静态的数据库。而这个拆分并不一定适合中国。同一个岗位，比如都是销售，都是设计，都是程序员，在美国的具体工作任务和在中国可能是不一定相同的。
2，就算大家都是程序员，在北京、上海和三线城市，在大厂和外包公司，在初创企业和成熟企业，具体工作是一样的吗？显然也是有差别的。
我们需要更好的方法来拆分每一个岗位的具体工作内容。
而每一个招聘广告的招聘需求，就是一个天生已经做好的工作拆分。比如在上面引用的招聘广告中，一个外贸单证员的工作内容包括这些：
不过，如果我们直接把这些文本作为每一个工作的任务来进行分析，那么16.4亿条岗位中，可能会存在至少5亿条不同的“职责”。
但是，如果我们把这些文本，变成一条条动宾结构再来处理，会怎么样呢？
比如第一条职责：负责公司一切与储运有关的运费管理。实际上其中心的动宾结构就是“管理-运费”。
第二条职责：负责公司一切与储运有关的供应商管理。其实中心的动宾结构就是“管理-供应商”。
第三条如果用动宾结构来总结，就是“协调-环节”、“保证-储运”。
在成千上万个外贸工作人员中，可能存在成千上万种和储运相关的具体工作职责，但其中相当一部分在抽取了具体动宾结构后，就能得到“保证-储运”这一条。复杂而多样的职业职责文本，经过这样的处理，变得更加标准，其分析数量也下降了至少100倍。
我们对招聘数据进行了这样的处理，最终获得了约80万条动宾结构，而其中出现频率最高的10万条就占据了所有岗位所有职责的93.2%，频率最高的5万条就占所有岗位的90%左右。
其中出现频率最高的20条动宾结构如下所示：
光是看不同的职业的动宾结构变化，其实就能对中国的经济形势变化有所判断。比如从2015年到2022年，销售代表的工作内容出现了什么变化？
从动宾结构的抽取结果看，结果如下：
随着经济增速的放缓，需求潜力开发已经基本完成，即使同样叫做“销售代表”的一个岗位，其具体工作内容也随时间出现了不小的变化，从向外扩张发展新客户开拓新市场，变成了维护和现有客户的关系。
这部分工作，为我们下文的人工智能暴露计算打下了良好的计算基础。
三，什么样的工作任务更容易暴露在人工智能的发展路径上？（考生可以跳过）
评估每一个具体的工作任务是否会受到人工智能的影响，我们依然要使用GPT-4。
现在看来，人工智能多模态地存在于各种平台上的日子，眼看着就越来越近了，人工智能的特点，其实就是用现存知识，模拟了人类大脑“慢思考”的过程。考虑到这一点，我为GPT-4提供了这样略显激进的prompt——
使用GPT-4的API对于出现频率最高的前5万条动宾结构进行打分后，下表列出了GPT-4在我给出的prompt下，打分最高和最低的动宾结构。
说实话，对于GPT-4的打分结果，左边的这一列，受影响最小的动宾结构，并不令人觉得很意外。而右边这一列，GPT-4还是在用自己的理解，给我们提供了一个可能性不小的未来。
四，不同专业的人工智能暴露率
前面的三项工作中，我们将每一个具体的工作岗位首先和专业列表进行了映射，再把每一个工作岗位拆分成了不同的工作动宾结构，最后使用GPT-4对于每一项动宾结构进行了打分，看这项具体的工作任务有多大可能性会暴露在人工智能发展的路径上。
接下来，我们将三个结果合并在一起。
首先，根据每一个岗位的动宾结构打分，再将0-5分换算成一个0-1的人工智能暴露系数。（之所以用0-5分，而不直接用0-1分，是因为GPT-4似乎不太擅长给出小数）
接下来，给每一个岗位的专业需求赋予权重——如果这个岗位只要某一个专业，那么权重为1。如果这个岗位需要N个不同的专业，那么每个专业的权重为1/N
最后，对于每一个专业，加权平均计算它在所有岗位中的平均暴露系数，得到这个专业的人工智能暴露系数。下表列出了在对应招聘岗位较多的本科专业中，20个暴露系数最高的专业和暴露系数最低的专业。
这个结果，可以说在一定程度上是较为出人意料的。
比如同样属于经济学大类的金融学在表格左边，而财政学却在表格右边。
比如许多医学大类专业，包括口腔医学，中西医结合，心理学，中医学，动物医学等，出现在了表格左边。但药学类、公共卫生和预防医学类，却又出现在了表格右边。
这是为什么？
关键在于，GPT-4会对于每一个岗位的动宾结构进行打标，而需要每一个专业的岗位，他们的责任分布和动宾结构，是完全不一样的。
从医学大类的分布来看，越是在左边，暴露率更低的医学大类专业，都是越需要和病人打交道，并且抚慰病人痛苦的专业。甚至包括动物医学，因为需要动物医学的许多岗位都是宠物医院的医生，他们面对的“病人”可能并不会表达心情，但是这些病人的主人是非常需要安慰的。
而越是在右边，暴露率更高的医学大类专业呢，不管是药学还是预防医学，相对来说与病人大量交流的频率就要低得多了。在这张表格中，还没有出现的还有临床医学、基础医学、法医学，这几个医学专业的人工智能暴露率从低到高，也与我们的直观感受相吻合。
将所有本科专业的暴露率和2021年的平均工资放在一张散点图上，可以看到，两者出现了较强的相关性。毕业后去向岗位平均工资越高的专业，其岗位的人工智能暴露率也越高。
工资是由劳动生产率确定的，而劳动生产率，在很大程度上是由每个人的专业知识确定的。脑子更聪明，更努力，专业知识掌握得越多，经验越丰富，其工资也越高。
但目前的人工智能，正是在挑战这一点。如果说专业知识和经验之前是一个山峰，目前的人工智能的发展趋势，就是要削平整座山峰——但还留下山顶那些，因为山顶代表了人工智能知识的边界——在山顶以下，人人平等。
所以我们才会看到，医学的真谛“总是安慰，常常帮助，偶尔治愈”中，“总是安慰”会变得越来越重要，心理学，口腔医学，中医学，动物医学，更多地处在了暴露率最低的区间。更多负责“偶尔治愈”的基础医学和临床医学出现在了暴露率中等的区间，而以“治未病”为天职的的药学、预防医学正处在高暴露区间。
所以我们才会看到，同属经济学大类，金融学的暴露率较低，而财政学暴露率较高。因为“编制-预算”这样的动宾结构被GPT-4列为最容易替代的工作内容。而在最难替代的动宾结构中，赫然出现了“引入-资金”。
在专业知识之外，人和人的交流变得前所未有的重要。现在，如果你想成为一个不与客户和同事打交道的专业人才，那么你最好做到顶尖。如果做不到顶尖，那么你至少得有客户、渠道或者资源这些人工智能更难替代的东西。“人际交往的事情，你们不用管，你们就负责研究和开发”这样的日子，对于大部分专业人才来说，一去不复返了。
五，为了帮助考生选专业，我们做了一个小工具
AI带来的变化，目前可能只是出现在了地平线的远端。但这一届高考考生毕业时，他们可能就不得不面临更大的挑战。因此，选择专业也就成为了更重要也更为复杂的一件事。
我们在微信小程序“数据团+”中（是的，就是去年给出了各城市疫情预测的那个小程序），便更新了这样的内容。填入你的分数和科类，你可以看到2022年时你的排名可以去向的专业。
点进每一个专业的“趋势/薪资”页面，你将能看到每个学校、专业从2016年开始的排名变化。越高的排名表示录取名次越靠后，即趋势上越容易被录取。
在页面下方，还能看到每一个专业的趋势变化和薪资变化。
这里的红绿色柱状图，表示的是经济学专业总体的录取趋势，这个数值是根据所有学校的所有经济学专业的专业百分位排序计算的，红色柱越高，表示该专业在每个学校的录取排位名次在该学校的总位次的百分位中上升，即热门程度上升；绿色柱状图代表了相反的趋势。
而薪资则是使用16.4亿个带专业需求的岗位工资平均计算的，从这里也能看到不同专业的绝对工资和相对工资变化。我们仍在用招聘数据复核计算各专业的详细人工智能暴露率，未来两天会更新到小程序中。
希望小程序提供的数据，能够帮助各位高考考生结合学校、专业的位次变化以及专业总体的报录趋势、薪资趋势和人工智能替代等信息，选择适合自己的专业。