人工智能会取代医生吗
从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科。
上海市第一妇婴保健院院长
这个问题有两种答案：
看好人工智能的人会说YES，因为用不了几年人工智能真的会取代那些平庸的医生，取代那些Belowaverage（低于平均水平）的医生，但是暂时不会取代那些Aboveaverage（高于平均水平）的医生。
不看好人工智能的保守医生会说NO，TA真的是发自内心的、天真地以为人工智能不会取代任何医生。其实未来最需要AI的是Belowaverage的医生，也是最不理解和最不接受人工智能的人。
最近，人工智能很火，不仅仅是在投资界很火，在学术界也很火。
好的人工智能公司很容易融到钱，连不咋地的人工智能公司也拿到钱了，这也难怪一些临床医生说有些AI项目纯粹是圈钱和烧钱，将来肯定进不了临床。
但是，好的AI项目还是挺靠谱的，最近《自然》杂志连续发了好几篇人工智能完胜各个学科医生的文章。
看看这些夺人眼球的文章题目，你就会明白了。
近日，来自谷歌、谷歌大脑与Verily公司的科学家，开发出了一款能用来诊断乳腺癌的人工智能，它的表现甚至超过了专业的病理学家。
内行人都知道，病理诊断的准确性严重依赖于病理医生的水平，即便是对于同一名病人，不同病理学家给出的诊断也往往会有很大不同：一篇2015年的论文发现，不同病理学家对乳腺癌诊断的一致率只有75.3%。在某些不典型的乳腺癌中，诊断的一致率竟下降到了48%，不足一半。
看了这种现状你害怕不？而且在中国我们还缺很多很多的病理科医生。
病理科医生必须经过数年甚至十几年的训练才能掌握足够的经验，成为一名合格的病理学家，要成为优秀的病理学家更是难上加难，在医疗资源不足的地区，想要得到诊断，都是一种奢望。
为了解决病理诊断的瓶颈，谷歌和Verily的科学家们做了一个尝试。他们将单张病理切片的图像分割成了数万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标注为“肿瘤区”，从而有效地将肿瘤组织与健康组织区分开来。
学习完毕后，这款人工智能迎来了实战。科学家们邀请了一位病理学家，并让他与人工智能进行一场比赛。这名病理学家花了整整30个小时，仔细分析了130张切片，并给出了他的诊断结果。在随后基于灵敏度（找到了多少正确的肿瘤）和假阳性（将多少正常组织诊断为肿瘤）的评分中，这名病理学家的准确率为73.3%。人工智能交出的答卷是88.5%，完胜人类。
2017年1月10日，美国FDA首次批准了一款心脏核磁共振影像人工智能分析软件CardioDL，这款软件将深度学习用于医学图像分析，并为传统的心脏MRI扫描影像数据，提供自动心室分割分析，这一步骤与传统上放射科医生需要手动完成的结果一样精准。
这一基于深度学习的人工智能医学影像分析系统，已经进行了数以千计的心脏案例的数据验证，该算法产生的结果与经验丰富的临床医生分析结果不相上下。
据悉，这款人工智能心脏MRI医学影像分析系统，不但得到了FDA510(k)的批准，还得到了欧洲的CE认证和批准，这标志着该软件将被允许应用于临床。
近期，在北卡罗来纳大学（UNC）教堂山分校精神病学家HeatherHazlett的带领下，人工智能在疾病诊断领域又下一城。她们开发的深度学习算法，在预测2岁前的自闭症高危儿童（有个自闭症哥哥或者姐姐）是否会在2岁之后被诊断为自闭症上，以88%的准确度远超准确度只有50%的传统行为问卷调查法（Charman,2014）。
人工智能在疾病诊断领域再次战胜人类。
2016年8月16日,《自然·通讯》发表了一份斯坦福大学医学院研究人员的研究：计算机可被培训在评估肺癌组织切片时，比病理学家更精确。
研究人员使用了从腺癌、鳞状细胞癌患者获得肺癌基因图谱的2186张图像。数据库还包含了每例肿瘤的级别、期别以及每例患者在诊断后的存活时间信息。
然后，研究人员使用这些图像来训练计算机软件程序，以确定更多肉眼所不能观察到的癌症特异性特征——近10000种个性特质vs几百种病理学家通常使用的评估特征。这些特征不仅包括了肿瘤细胞的大小及形状，也包括了细胞核的形状与质地以及与相邻肿瘤细胞的空间关系。
斯坦福大学遗传学教授Snyder博士说：“事后看来，一切都在情理之中。计算机能够比人类更加准确、快速地在数以千计的样本中，多次评估甚至是微小的差异。”
2月2日，斯坦福大学研究人员采用深度卷积神经网络，通过大量训练发展出模式识别的AI系统，使计算机学会分析图片并诊断疾病。
训练计算机的数据库由129450张皮肤病变图片和对应的文字描述组成，涵盖了2032种皮肤病。而诊断的“参考答案”则由皮肤病专家提供，他们依靠的是非侵入性图像分析和组织活检。
之后，计算机迎来了“毕业考试”。研究者向受训的计算机和21名执业医师分别提供了一批训练数据集中，没有出现过皮肤病变的图片，这些图片都由组织活检确定了对应的病症。诊断比赛的结果是计算机的准确率和人类医生差不多，有时候还胜过人类医生。
人工智能会如何取代医生？
人工智能不是万能的，但是它的确会在某些学科和领域超过人类的能力，取代医生的工作甚至是完全取代医生。
如果用于诊断疾病，判断预后的数据或图像可标准化、量化、结构化的话，基本上可用人工智能来完成。在确立算法后，可让机器不断地学习和积累，逐步完善，最终战胜人类。
从目前的应用来看，人工智能应用比较好的领域是皮肤科、病理科和影像科。
皮肤科在台湾和一些欧美国家，都是医学院学生在毕业的时候最喜欢选择的科室，因为工作相对轻松，收入颇丰，而且还不用值夜班。它也是在线问诊收入最高的科室。
很遗憾，人工智能要来了，而且很有可能会取代很多人的工作，假以时日，皮肤科的人工智能医生将会取代很多人的工作。
目前，中国最缺的医生是病理科，很遗憾，届时病理科和影像科医生的工作也有可能被人工智能抢走，而且它们的水平将会高于大多数普通医生。
再看看我从事的妇产科，有很多常规工作将来都可以用人工智能来完成，根本不需要那么多的医生了。
宫颈癌的筛查：医生收集宫颈脱落细胞以后，机器可以自动制片，自动判别是否有癌细胞。在宫颈细胞良恶性方面，至少80-90%的病理医生的工作可以被人工智能取代。
产科超声：在胎儿畸形的筛查与诊断方面，北美的普遍做法是由一般的Sonographer超声技师来按照标准的切面截图保留，然后由MFM母胎医学专家审读、写报告。理论上讲，这些超声截面图的审读是可以由人工智能来完成的，原理类似于人工智能对CT和MRI片子的解读和判断。
胎心监护：胎心监护结果的解读和判断也完全可以由人工智能完成。
机器比人可靠，更精准，而且它还不会疲劳，随着算法的不断进步和数据的不断积累，人工智能的水平会越来越高，会从现在的帮助人类做判断，演变到代替人类做判断。
这个趋势是不可逆的，也不可抵挡，FDA也挡不住。将来会有一个BreakingPoint引爆点，过了这个引爆点以后，会出现医生常规工作量断崖式的下跌。
未来的情景将会是：Aboveaverage的医生由AI做助理，Belowaverage的医生是做AI的助理。
当然，那些非标准化、充满不确定性以及人工操作的临床工作，还是人工智能无法替代的。
《知识分子》是由饶毅、鲁白、谢宇三位学者创办的移动新媒体平台，致力于关注科学、人文、思想
[责任编辑:宋雅娟]
人工智能时代的工作变化、能力需求与培养
摘要：在人工智能时代，程序化工作和一部分非程序化工作将被人工智能取代，工作将向高度智慧化转移，劳动者的工作定位将发生升级方式、介入方式、前进方式、转移方式和集中方式等不同的变化。为了适应人工智能时代，要在学校教育和企业教育中注重提高受教育者的人工智能素养、培养创造性思维能力、社会交流能力以及环境应变能力。应对人工智能时代培养所需人才的关键措施包括：突出个性化培养理念；构建人工智能素养教育体系；实施问题导向及跨学科合作探讨的学习方式；利用人工智能技术提高学习效率。
关键词：人工智能；工作定位；能力需求；能力培养
基金项目：本文系中国社会科学院登峰战略企业管理优势学科建设项目、中国社会科学院京津冀协同发展智库研究课题的阶段性成果。
当前，我们正处在全面进入人工智能时代的过渡期，几乎所有领域都出现了装载有人工智能技术的机械设备。18世纪中期以来，人类历史上先后出现了蒸汽机、内燃机与马达、计算机与互联网技术。这些技术极大地改变了人类的生产生活方式，推动了人类社会的发展。可以说，人工智能是继三大技术之后的又一重大技术。况且，与以往技术不同，人工智能可以替代人的脑力劳动，这将大幅度地改变人们现有的工作内容，并要求人们拥有不同于以往的特殊能力。然而，关于如何界定人在人工智能时代的工作定位及所需能力、如何培养人工智能时代所需要的人才，是尚未解决的课题。目前，有研究围绕人工智能可能产生的就业影响，尤其是结构性失业风险以及社会经济对策等方面进行了分析（万昆，2019；陈明生，2019；王君等，2017；潘文轩，2018），也有研究对人工智能背景下职业教育体制改革与发展问题进行了探讨（南旭光，汪洋，2018；毛旭，张涛，2019；丁晨，2019），但深入到工作能力层面，从劳动者角度探究人工智能时代的人才培养问题的相关研究还较为少见。鉴于此，本文基于技术—工作—能力—培养的视角，结合前沿研究进行理论分析，阐明人工智能对工作业务的影响机制，明确人工智能时代的工作定位与能力需求，探讨能力培养的战略思路和关键方法。
一、人工智能时代的工作变化
人工智能（ArtificialIntelligence，简称AI）是指可以感应环境、做出行动，并获取最佳结果的合理主体（RationalAgent）（S.J.Russell，P.Norvig，2018）。感应环境、做出行动和获取最佳结果，属于人的智慧行为，而这些行为通过计算机程序（合理主体）被再现出来，就成为了人工智能。换言之，人工智能就是具有人类智慧的计算机系统。而在现实的工作环境中，人工智能的计算机系统又是与大量的感应器、超高速通信网、大数据收集分析装置、终端设备、机器手等组成更为复杂的系统来进行实际作业的，如机场出入境管理的人脸识别系统、汽车自动驾驶系统等。因此，可以说人工智能就是装载有可以模拟人类智慧行为的计算机程序的自动化设备。
现阶段的人工智能可以在一定程度上替代人完成识别、决策和操控方面的任务。在识别方面，人工智能可以进行信息判别、分类与检索，如从影像中发现癌变征兆；从音调语速中检测情绪；从图像中监控设备异常、天气异常、用户账号异常等。在决策方面，人工智能可以进行数值形式下的物象评估与匹配，如预测销售额、GDP指标、民意度、信用风险、病变风险；推断消费者爱好、产品推销时机；根据消费者爱好、习惯不同而推荐不同内容的商品广告等。在操控方面，人工智能可以进行表现生成、设计行动最佳化及作业自动化，如自动撰写新闻稿件、概括文章大意；设计项目路线图、商品标识、网页布局、药品成分、建筑物结构；优化游戏策略、送货路线、店铺布局；实施自动驾驶、客户咨询等。只要人规定好了计算机程序的信息处理目的和分析方式，人工智能就能准确无误地替代人工进行作业（安宅和人，2015）。
（一）工作变化的特征
人工智能时代工作变化的特征体现在以下三方面。
1.程序化工作被人工智能取代
所谓程序化工作，按照美国经济学家奥托（D.H.Autor）等的定义，是指变化少、可以按照事先规定的程序进行的工作（Autoretal，2003）。程序化工作又分为主要使用认知能力的程序—认知型工作和主要使用肢体能力的程序—肢体型工作。认知能力是指直觉、判断、想象、推理、决策、记忆、语言理解等能力；肢体能力是指体力。程序—认知型工作具有重复性、单一性、目的明确并且主要使用脑力等特点，如行政事务、会计工作。程序—肢体型工作虽然也有重复性、单一性、目的明确等特点，但主要使用体力，如流水线组装、仓库运输业务。由于程序化工作相对简单，易于编制成计算机程序，所以人工智能对人类劳动的替代，首先会从这些工作开始。例如，产品组装是按照作业标准反复实施同样内容的工作，而作业标准完全可以编制为计算机程序，所使用的设备以及动作也完全可以建立成模型，因此，产品组装就可以由人工智能来代替实施。再如，需要一定认知能力的会计业务，人工智能也可以通过扫描或接受电子信号等方式获取相关数据，而后根据规定程序进行分类、汇总等作业。因此，在人工智能时代程序化工作会呈现明显的减少趋势，以往的自动化设备，基本是替代体力劳动的蓝领劳动者，而人工智能将替代白领劳动者。英国剑桥大学学者弗雷（C.B.Frey）与奥斯本（M.Osborne）在2013年发表的报告中指出，美国在未来20年里将有47%的工作存在被替代的可能性，电话推销员、标题审查与摘要人员、手工缝纫工、技工、保险受理员、手表修理工、货物运输人员、税务代理员、照片处理工、会计助理、图书馆技术员、数据输入员等工作被取代的概率可高达99%（C.B.Frey，M.Osborne，2013）。日本经济新闻和英国金融时报2017年合作进行的调查显示，制造、餐饮、运输等23个产业的2000项工作中有超过3成的业务可能被替代，制造业被替代的比例是80.2%，包括焊接、组装、裁缝、制鞋等业务；餐饮业被替代的比例是68.5%，如客服、点餐、食材准备、餐桌与餐具摆放等业务；运输业被替代的比例是48.4%，包括车辆维修、飞机驾驶、运输信息提供等业务（ShotaroTani，2017）。这些研究表明，被取代概率高的工作基本上都是重复性、单一性、目的明确的程序化工作，其中不乏白领岗位的部分业务。
2.一部分非程序化工作被人工智能取代
相对于程序化工作，非程序化工作通常变化较大，难以按照事先规定的计划进行。这一工作又分为两类，一类是非程序—认知型工作，如科学研究、文学创作、作曲作画、经营管理、医疗诊断、诉讼辩护等；一类是非程序—肢体型工作，如烹饪、理疗、看护以及汽车驾驶等。非程序—认知型工作需要高层次的文化水平、分析能力和想象力，现阶段的人工智能还达不到完全替代的水平。烹饪、理疗、看护以及汽车驾驶等非程序—肢体型工作需要高度的人际间互动、灵敏的环境反应能力以及灵活的肢体动作，而这些要求现阶段的人工智能尚不能完全做到，所以这些工作基本上还需要人来承担。但随着人工智能技术的发展，人工智能在未来不仅会代替人做更多的程序化工作，而且有望将一部分非程序化工作纳入替代范围，如自动驾驶、行走助力、编制诉讼方案、作曲作画等（Autor，2015）。届时非程序化工作完全由人来完成的局面就会发生变化，进而带来业务重组，从以前由人承担所有业务变成由人工智能和人共同分担业务，如影像诊断由人工智能完成，最终诊断由医生完成；围棋陪练由人工智能承担，棋艺解说由教练承担。
3.工作向高度智慧化转移
装载有人工智能的设备可以替代人的程序化工作，甚至部分非程序化工作，但现阶段人工智能仍有很大的局限性，如人工智能不能设定目标和规划未来、不能产生意识、不能对未曾有的变化作出反应、不能提出问题、不能设计分析框架、不能产生灵感、不具有常识判断力、不具有指挥人的领导能力（安宅和人，2015）。所以现阶段仍有四类工作是人工智能所无法替代的。一是高度创造性的思维工作。如通过综合分析各种知识归纳和提出新概念、通过多方面分析发现问题并提出解决方案、基于情感创造出文学艺术作品等。二是高度社会化的沟通工作。如包含理解、说服、交涉在内的工作，人际间交往与协同作业等。三是高度灵敏的肢体型工作。如演奏乐曲、表演舞蹈、高难度手工艺等。四是高度非程序化的工作。如看护、清扫工作。这些工作看似简单，但需要人根据知识、经验以及常识等对情境作出判断，如在清扫时对发现的废纸需要进行判断，确定它是重要笔记还是真正的废纸，而人工智能的扫地机是无法做到的（野口悠纪雄，2018）。但即使如此，现在几乎所有领域中都在使用人工智能，并且人工智能的工作领域还在不断扩展。在看护工作中，移动搀扶患者机器人已经开始出现；人工智能已能够进行文学、绘画及音乐的初步创作，人与人工智能协同作业的状态已成为普遍现象。在这种状态下，人的工作内涵必然要向高度智慧化转移。
（二）人机关系与工作定位
在刚开始引进人工智能的生产过程中，人仍是作业的主体，人工智能起辅助性和支持性作用。人工智能辅助人进行数据和信息处理方面的业务，支持人做一些复杂的、技术性的工作，从事需要肢体劳动的、程序化的操作，但对于需要高度认知能力的工作，如推理与决策，以及需要与人沟通的工作，如协调、开发与咨询、沟通与互动，人工智能的贡献相对较少，但这种情况将会发生改变。世界经济论坛《职业前景报告2018》发表了2018年人与设备的工作时间占比值和2022年人与设备的工作时间占比的预测值（见表1）。对于所有业务，2022年设备的工作时间占总工作时间的比值会增加，其中设备在信息和数据处理、探索和获取业务信息的工作时间占比将超过人的工作时间。在行政、肢体的程序化任务、识别和评估业务信息、执行复杂技术任务中，设备的工作时间占比也将超过四成。即使在推理与决策以及沟通与互动这样原本主要由人来完成的业务中，设备的工作时间也将提高三成左右。因此，未来人工智能不仅能在生产过程中起辅助、支持的作用，而且在一些业务中将会作为“数字劳动力”发挥主导作用。进而言之，在人工智能时代，智能设备将越来越多地替代人的劳动，人机协作的关系将越来越显著。
表12018年、2022年人与设备的工作时间占比值单位：%
资料来源：作者根据世界经济论坛《职业前景报告2018》整理。
在人工智能时代，一些职业及一些工作被替代是不可避免的趋势，因此劳动者必须对职业及工作选择有清楚的认知。美国管理学学者达文波特（T.H.Davenport）和卡比（J.Kirby）认为，人工智能时代劳动者的工作定位，即如何选择能实现自身价值的职业，有五种方式，分别为：一是升级方式，即提升管理素质和掌握超越计算机的大局思维，向高级管理岗位发展。这要求对经营系统有透彻的理解，并需要有充分的计算机知识与技能。随着人工智能质量的提高、数量的增加，高级管理岗位的事务性工作将被大幅度替代，因此升级到高级管理岗位的人数会比以往少；二是转移方式，即转移到不能程序化、结构化的工作领域。现阶段，人工智能设备尚不能完全替代人的劳动，因此工作流程中会保留一些人的岗位。但随着人工智能水平的提高，这些岗位也将逐渐被替代，因此，这些岗位的劳动者，要有充分的危机感；三是介入方式，即学习计算机的程序化决策过程，掌握监视和调整计算机功能的新型能力，以现场管理者的身份介入基本上由人工智能实施的作业过程中；四是集中方式，即以计算机程序尚未渗透到的领域为唯一标准来选择职业或工作。这种方式要求特殊、高超的人类智慧及技能，需要早期、长期训练，甚至需要天赋；五是前进方式，指与时俱进，加大学习力度，研究开发能改变当前领域工作效率的高水平智能机器（T.H.DavenportandJ.Kirby，2015）。从与人工智能的关系看，升级方式、介入方式和前进方式，都需要学习人工智能技术。对这些人群，国家应该对他们的学习进行资助。转移方式中劳动者没有学习新技术的欲望或能力，他们的收入可能会减少，就业也不稳定，国家应从就业政策角度进行援助。集中方式需要从中小学起通过个性化教育对这方面的人才进行培养。
二、人工智能时代的能力需求
随着人工智能在生产过程中的普遍应用，人在生产中的地位不断发生变化，大量程序化作业、甚至越来越多的非程序化作业都将由自动化设备实施，而人必须能够驾驭智能设备，发现和解决工作流程中的问题，对智能设备进行更新创造，从而使其更好地服务于人类社会。从劳动者角度看，必须具备符合人工智能时代所需要的能力，才能使自己的劳动付出变得更有价值；从企业角度看，具有符合人工智能时代能力的员工，是创造价值所不可缺少的人力资源，值得大力引进和培养；从社会角度看，劳动队伍和后备力量都具备符合人工智能时代要求的能力，就可以稳定就业，促进社会经济持续发展。关于能力，可以对有认知能力和社会情感能力的基础理论进行研究。为了探讨能力与社会需求的关系，能力被分成诸多子能力，以验证与不同技术条件的适配性。在解析这些研究之后，笔者将提出符合人工智能时代要求的能力要件，以便为理论研究和政策决策提供参考。
（一）能力的两个方面
理论上看，人的能力一般包含两个方面。一个方面被称为认知能力，另一个方面是非认知能力。其中关于非认知能力有着几种不同的命名，如社会情感能力、软能力、社会能力、人格特质、性格（Heckman，Kautz，2012）。以下将沿用经济合作与发展组织（OECD）（2015）的表述样式，用“社会情感能力”来表示非认知能力。该研究认为，认知是关于获取和应用知识经验的过程，而认知能力就是所有与获取和应用知识经验有关的能力。认识能力有三个层次：第一层是基本能力，如模式识别、计算和记忆；第二层是获取能力，如检索、分类和解释；第三层是应用能力，如思考、推理和概念化。这三层能力的复杂程度从低到高、依次递进。与认知能力不同的是，社会情感能力是对目标实现、社会协作和情感控制产生影响的人格特征。例如，目标实现方面的忍耐、自律、意愿；社会协作方面的沟通、开放、体贴；情感控制方面的自尊、灵活、自信等。
在实际中，人是认知能力和社会情感能力的载体。换言之，这两种能力在人的身体中同时存在，相互影响、相互作用，形成了人的脑力活动和肢体行为。例如，批判性思考就是两种能力合二为一的结果。批判性思考既有认知能力的特点，即能够客观地进行逻辑推理，严守成本收益原则，冷静地进行战略分析。同时，因为批判性思考的对象是现实中的新问题，仅仅依靠过去的经验和教科书手法是不够的，还必须对新现象持有开放心态，根据具体情况，灵活改变思路和行动，而这些特点正是社会情感能力范畴的内容（池迫浩子，宫本晃司，2015）。
（二）能力需求变化与预测
技术进步使得工作环境发生变化，对劳动者的能力需求也出现了新变化。20世纪70年代以来，以大型计算机、电脑终端和互联网为代表的信息通信技术迅速发展，制造业以及服务业的生产过程大为改观，这使得对劳动者的社会情感能力的需求显著提高（Deming，2015）。在1980-2012年间，需要高度社会情感能力的职业就业人数占美国所有就业人数的比例增长了近12个百分点，而只需要认知能力的职业就业人数占比减少了3个百分点。另外，需要高度社会情感能力的职业的工资增长也比其他职业更快，并且2000年以后的增幅大于2000年之前。这是因为生产过程自动化，岗位任务重组，人员重新分配，团队形式增加，而社会情感能力可以降低协调成本，加强不同作业领域的有效合作。
以数字技术为轴心的自动化设备的应用，不仅要求劳动者提高社会情感能力的水平，同时也要求其认知能力和社会情感能力综合水平的提高。维因伯格（Weinberger，2014）利用美国职业大典的数据，对1977-2002年间各职业就业人员具有的计算能力、人际能力以10阶段法进行了赋值，根据数值把职业分为了两类，一类是计算能力与人际能力赋值均高于5的职业，一类是两种能力中一方赋值高于5而另一方赋值低于5的职业。分析发现，两种能力赋值均高于5的职业的就业人数增加，仅一种能力赋值高于5的职业的就业人数减少。该研究还以1972年和1992年的高中3年级中的两个年级层为对象，考察了各层人群的高中数学成绩、领导经验和高中毕业7年后的工资之间的关系。结果表明，同时具有数学能力和领导经验的人的工资在增加，只有一方面能力的人的工资没有变化，不具有这两方面能力的人的工资在减少。这个结论揭示了能力间互补的重要性，即认知能力与社会情感能力，不是各自单独产生价值，而是相互组合（互补）来产生更大的价值。技术进步并没有否定人的任何一方面的能力，而是要求在提高各自水平的基础上达到新高度的互补。由此可以推论出，兼有两种能力的劳动者在以人工智能为轴心的新技术时代将为社会所需，他们的劳动价值会得到社会认可。
表22018年、2022年关键能力需求
资料来源：世界经济论坛《职业前景报告2018》。
以上的推论不仅在以往的数据研究中得到了验证，在近未来的预测研究中也得出了同样的结论。世界经济论坛的《职业前景报告2018》发表了313家跨国企业管理高层的调查数据，从中可以看出2022年需要的关键能力中，属于认知能力的有8个，分别是：分析性思考与创新，主动学习与战略性学习，创造性、独特性和主动性，技术设计与编程，批判性思考与分析，解决复杂问题，问题推理与构思，系统分析与评估。与2018年相比，技术设计与编程、系统分析与评估是新增项目，反映出人工智能时代对劳动者的数字技能的强烈需求，揭示了劳动力素质提高的方向。而领导力和社会影响、情绪性智商属于社会情感能力的范畴。这两个能力同时出现在2018年、2022年两个时间段里，由此可以说，社会情感能力在未来的人工智能技术环境中是不可缺少的。只要生产过程中有人的存在，只要市场及组织内部环境不断变化，就需要社会情感能力去发现问题、运用技术技能去解决问题从而实现劳动的价值。另一方面，包括脑力、肢体在内的基本认知能力的需求将会减少，如操作灵活性、持久性与准确性，视觉、听觉与说话，读、写、算等能力。一些基本操作能力的需求也会减少，如财务和物资资源管理、设备安装与维护、质量管理与安全管理等能力。这些能力基本用于实施程序化业务，其工作的操作标准简单明了，个人发挥创造性的空间较少，从能力层次看，虽然属于知识经验应用能力范畴，但处于低级层次。
世界经济论坛在2016年对人工智能时代的能力需求变化进行了探讨。当时的研究报告指出，高层次认知能力不仅在当时受到重视，而且在2020年对其的需要将会进一步增加。而对于与肢体相关的能力，专家大都认为其需求将会减少。尤其是设备维护、质量管理与安全管理等能力，2016年报告中还有五成的人认为需求会处于稳定状况（世界经济论坛，2016）。由于2016年、2018年的调查方式不同，因此不能对其进行严格的对比，但可以看到能力变化的趋势，即对高层次认知能力的需求一直处于增强趋势，而对设备安装与维护等低层次能力的需求则明显减弱，这反映出人工智能时代对能力的高层次化有着越来越强的需求。
巴克什（Bakhshi）等利用美国和英国数据预测了两国2030年各职业的就业增长和职业所需的能力（Bakhshietal，2017）。该研究中的职业能力包括120项。美英两国各职业最为重视的能力有15项（见表3）。从表3看，美国和英国总体情况类似。在美国，与人际交往有关的能力会越来越重要，这些能力包括指导、社交知觉/认识、协调、服务导向、主动倾听，以及相关知识，如心理学和人类学、教育和培训、治疗和咨询、哲学和神学。认知能力范畴中的应用能力也会越来越重要，如要求能够了解当前和未来形势并且能够做出行动规划（战略性学习）；能够了解新信息对当前和未来问题的解决与决策发挥影响（主动学习）；能够提出有关某个主题的许多想法（思想流利性）。在英国，有10项属于认知能力范畴中的应用能力，这些能力是判断和决策、思想流利性、主动学习、战略性学习、原创性、系统评价、推理、解决复杂问题、系统分析、批判性思考。在人工智能技术更为广泛应用的近未来，劳动者只有充分具备这些能力，才能够有效解决新环境中出现的新问题，并且能够有针对性地提出新想法，积极吸收新信息；能够识别社会技术系统的变化，了解社会技术系统各环节的互连和反馈关系并采取正确行动。另外，英国对于人际交往的能力也非常重视，这些能力包括指导、协调，以及相关知识，如教育和培训等。
表32030年美国、英国各职业中最重要的15项能力
资料来源：作者根据Bakhshi等（2017）整理。
2017年，日本人才咨询公司阿德卡（Adecco）对309家上市公司管理高层进行了抽样调查，收集到了两个时间点（调查时间点为2017年、人工智能普遍应用的2035年）对各种能力的需求程度。结果显示（见表4），2035年最需要的前10项重要能力中，5项为认知能力，包括创造性、分析性思考与抽象性思考、解决复杂问题、信息收集和解决简单问题。5项是社会情感能力，分别是人际关系、灵活性、挑战精神、领导力和积极性与主体性。2017年的前10项重要能力中，4项为认知能力，依次是分析性思考与抽象性思考、解决复杂问题、创造性和信息收集；6项是社会情感能力，如人际关系、积极性与主体性、挑战精神、团队工作与协调性、灵活性和目标实现意愿。从数量看，不论是2017年还是2035年，认知能力和社会情感能力的排名基本相当，表明无论什么时代，均衡能力结构都是必要的。从内容看，不论是2017年还是2035年，认知能力和社会情感能力的子项目基本相同，反映出企业能力需求具有一定的稳定性。从个别能力变化看，有两个突出现象，一个是认知能力中，创造性需求的大幅上升。这表明在人工智能时代企业将进行业务重组，要求员工在高价值工作领域创新工作方式和取得突破；另一个是社会情感能力中，对灵活性的需求有所提升。这反映出企业需要员工充分发挥主动性，去发现生产流程中的问题、发现新的社会需求，而不仅仅是执行指令。
表42017年、2035年最需要的前10项重要能力
资料来源：作者根据西村崇（2017）整理。
（三）符合时代要求的能力要件
综合以上研究，笔者认为，在人工智能时代，能力的首要内容应该是与人工智能有关的新知识、新技能。此外要在人工智能的学习与应用过程中提高社会情感能力，主要是指与人沟通的方法与相关知识。再者，劳动者的能力结构要向高层次升级，应重点发展高层次认知能力。具体概括为两个方向：一是应用人工智能技术创造新产品、新服务的能力，这里称作创造性思维能力；二是发现新问题和解决新问题的能力，这里称作环境应变能力，包括主动学习与战略性学习、解决复杂问题等。在人工智能时代，对于劳动者而言，重要的是使能力结构升级以符合技术发展需要，不仅认知能力要达到新水平，还要与工作方式变化相匹配，而且与人工智能技术互补的社会情感能力也要同步发展。鉴于此，人工智能时代的能力要件可归纳为以下四个方面。
1.人工智能知识
正如读、写、算是工业社会所必须的基本能力一样，对于要在人工智能技术条件下工作的劳动者而言，人工智能的基础知识是不可缺少的。这是以往时代所没有的全新的能力。所谓的人工智能知识，首先是数学知识。因为人工智能的基础就是数理模型，主要包括概率、统计、线形代数等内容；其次是数据科学，是在计算机上收集、解析数据的知识和技能，需要有数理和计算机语言知识，需要计算机操作能力。有了这两方面的知识，就可以形成关于人工智能的新技能：能够使用程序语言，利用既成模块，编制、操作或使用具有简单的感应、解析、反馈等智慧行为的自动化装备。劳动者掌握了人工智能的新技能，不仅可以理解新设备的基本机制，甚至可以研究更先进的人工智能、或利用人工智能来提高生产效率。根据领域、岗位、业务的不同，涉及人工智能的内容会有所不同。国家的教育、经济以及科技部门应该与企业联手设计内容、层次不同的教材，设定认知资格制度，作为评价人才的标杆。
2.社会交流能力
在人工智能时代，要创造新价值，人际或社会交流能力愈发显得重要。创造新产品、新服务及新的工作模式，意味着要对现状有充分的了解，利用人工智能对现状进行改变、重组。这需要周边很多人及社会的理解、帮助及合作。因此，在人工智能时代，人应该提高自身的社会交流能力，能简明扼要地说明目的，开诚布公地寻求理解与帮助，诚实守信地与人合作。社会交流能力的基础是情感，所以人在情绪、意志等方面的情商以及对于文化艺术的审美都非常重要。人工智能时代社会交流能力的特点，就是大量运用网络社交媒体、互联网等工具。这些工具有其便捷之处，但也存在虚假信息等伦理道德问题以及易受黑客攻击的脆弱性问题。社会交流能力与创造性思维能力一样，需要长时间的培养，需要社会氛围的支撑。社会交流能力的特殊之处在于它涉及性格，而性格有天生的因素。所以，在学校教育以及企业教育中，既要传授基本的交流方法，也要考虑个人性格中的天生因素，因人施教，调动有利因素，培养能够从社会中学习、有益于社会的人才。
3.创造性思维能力
人工智能技术使程序化的工作自动化，把人从单一循环、重度及危险的劳动中解放出来，给予人更多的时间，为人的创造性思维提供了更大的可能性。同时，人也必须发挥自己特有的创造性思维能力，才能在人工智能时代确立自身的存在价值。所谓创造性思维能力，是利用人工智能技术，结合自己所在的特定领域，去发现社会及市场需求，提出关于新产品、新服务以及新工作模式的能力。创造性思维能力包括抽象能力、综合能力和应用能力。抽象能力，就是能够概括出事物本质并发展成为概念的能力。借助抽象能力进行分析和推理，才会产生新的认识。综合能力，就是能够融会贯通，把不同领域的知识连接起来，进行整合、分析和再创造的能力。经济学家熊彼特认为，创新有五种形式，即产品创新、技术创新、原材料创新、市场创新和组织创新，它们无一不是生产要素间组合与创造的结果（约瑟夫·熊彼特，2016）。利用人工智能提出关于新产品、新服务以及新工作模式的设想，是对人工智能与其他知识进行融合与创造的过程，所以需要综合能力。应用能力，是能够把知识应用于解决现实问题，也就是解决问题的能力。其中的关键是有目的意识，能够发现问题，使创造性活动具有经济价值与社会意义。而这恰恰是人类特有的能力，无法用计算机程序再现。创造性思维能力，需要长时间的培养，从幼儿园到大学、甚至到就业之后都必须接受持续的教育或启发。同时，要在家庭教育、学校教育和社会上形成鼓励独创、容许差异的宽松氛围。
4.环境应变能力
环境应变能力，就是能够根据不同情境作出不同决策的能力。在人工智能时代留给人的工作基本上都是非程序化工作，它们不可事先预测，也无法编制操控指南，需要劳动者根据自身掌握的知识、经验、常识以及悟性来灵活行动。现阶段的人工智能可以通过大样本学习来增加经验和提高应变能力，但世界是复杂的，很多变化都带有偶然性，解决方案没有经验可循，这限制了样本数量，从而制约了人工智能应变能力的提高。与人工智能不同的是，人所特有的生命体的构造使得其对事物的理解在很多情况下只需要小样本学习和借助常识就可以完成（李开复，王咏刚，2017）。在以往的人才培养中，人们也注意到了环境应变能力，但人工智能时代的特殊之处在于劳动者要接触更为复杂的数字技术，而数字技术的进步日新月异，人们为了防止知识的陈腐化，要能够主动学习，因为仅仅靠教师或上级安排的在岗或离职学习完全不够，要根据自己的具体情况，不间断地吸取新知识。战略性学习，是具有前瞻性的、有长远目标的学习。这个长远目标，可以是对自己所在领域发展前景的预测、自我发展方向的判断，也可以是对企业战略的理解，提前着手学习新知识，当环境变化时就可以游刃有余地应对。人工智能时代的劳动者往往处于与自动化设备合作的作业环境中，生产过程中的故障不仅有硬件的问题，也有计算控制系统的问题，只有在对硬件、软件充分理解的基础上，才能解决现场工作中的复杂问题。总而言之，人工智能时代的环境应变能力，有其鲜明的时代要求，在学校教育和企业教育中必须使用有针对性的教学方法来培养有用人才。
以上归纳了符合人工智能时代要求的四个方面的能力，这四个方面的能力并不是独立存在的，它们之间有着不可分割的联系。人工智能知识是新时代劳动者能力的基础，有了它才能够驾驭自动化设备，进行新产品、新技术及新价值的创造。创造性思维是人工智能时代劳动者能力的核心，突出显示了人的智慧价值。而社会交流能力和环境应变能力则对人的气质或性格提出了新要求，要求处于人工智能时代的劳动者区别于越来越聪明的自动化设备，在纷繁复杂的社会和飞速变化的技术环境中发挥人的作用。
三、人工智能时代的劳动者能力培养
为了培养与人工智能时代相适应的人才，提高全社会的智慧水平，我们应该在理念、内容以及方式、手段上有所变革。
（一）突出个性化培养理念
在工业时代，大批量单品种生产是主流方式，为了提高效率实施机械化、专业化分工，产生了大量单一循环、目标明确的标准化工作岗位。企业将作业编成操作手册或计算机程序，要求劳动者达到按照手册或程序正确操作的能力标准。在这种体制下，劳动者和设备、产品一样都是标准化管理的对象，因此人才培养也是标准化的。体现在高等教育、职业教育及企业教育上，就是培养能够按照标准进行反复、简单作业的劳动者。教育方法基本上依靠大量、统一的习题，或反复练习。这样的理念与方法培养出来的学生或劳动者，只能做单纯的工作，其不仅在精度、速度方面要输给人工智能，并且会变得只能简单地对工作中的变化作出机械的反应，缺少发现问题、解决问题的能力，更谈不上创造新价值，而这种能力恰恰是人工智能时代的劳动者最需要的。因为程序化的工作都由人工智能完成，需要人来做的正是去发现工作系统的问题，不断地进行更新改进，提高生产效率，或者通过新思路、新方法创造新价值。因此，人工智能时代的人才培养，尤其要重视学习者的创造性思维能力，要在因材施教的理念下，充分发挥个人的潜在优势。
（二）构建人工智能素养教育体系
把人工智能教育贯穿小学、初高中、大学以及工作后的全部阶段，提高全社会的人工智能基本素养。目前，包括中国在内的主要国家都已经在小学及初高中开展计算机编程教育，在大学实施更为专业的人工智能教育。同时，针对在职者的相关教育也极为重要。这是因为人工智能技术对劳动的影响面越来越广泛，工作甚至职业变得愈发不确定，在职者要提前做好转业与转岗的准备。为了维持社会经济的可持续发展，国家应该就全社会、全生涯的人工智能素养教育制定战略规划，集结教育及各行业行政管理部门的力量，从资金、设备、师资、教材、技术资格认定、学习费用补助等诸方面制定具体措施。对于义务教育的中小学阶段，应该完善每个学校的信息网络，要使高速Wi-Fi网络覆盖全部校区，使每个学生都有自己专用的终端设备（电脑或平板电脑）。在教室等集体授课的场所，安装可以触屏输入、可以数据储存传递的电子黑板，在教学过程中使用人工智能设备。当前，教育界中能担任人工智能教学的教师人才十分欠缺。国家应该制定紧急行动计划，至少要在5年内填补中小学相关基础素养课程的空白，使每个学校至少有一名该学科的教师。教师的来源，可以直接从博士毕业生、企业的工程师等专业人才中招聘，可以不受教师资格的约束。在大学阶段，理工科要学习高度的人工智能技术，文科及美术、音乐等学科，也要开设人工智能专业课程，因为今后人工智能将在模拟人的艺术感受方面深入发展，需要既懂艺术又懂人工智能的人才。由于人工智能技术发展很快，要组织学术界和企业界的力量，及时更新课程，并且根据人在不同生涯阶段的特点编制有针对性的教材。应该利用大数据来补充劳动力市场信息系统并监控不断变化的技能需求，以适应所提供的课程与教材（OECD，2016）。要尽快设立国家人工智能技术资格认定制度，使学习成果能在社会上受到评价，提高学习者的学习积极性。对于在职人员的学习，应给予费用和时间上的支持。对于企业实施的员工培训，应该以减免培训费等激励政策给予扶持。
（三）实施问题导向及跨学科合作探讨的学习方式
创造性思维能力、社会交流能力的具体表现是能够利用人工智能技术解决现实问题，以及能够利用人工智能创造新产品、新服务与新工作模式。以往“满堂灌”的学习方式难以培养这些能力，今后应该加强问题导向及跨学科合作探讨方式的学习。所谓问题导向，就是有明确、真实并且具体的现实问题，解决这些问题是学习的目的。这需要企业与学校共同制订学习目标，引导学生进行社会实践。问题导向的学习方式，还需要学习材料具有现实性。数据要真实，设备及材料要先进，教材要能够反映前沿理论与实践。跨学科合作探讨学习包含四个方面，首先是跨学科的学习内容，即学生根据具体问题学习数学、统计、数据、人工智能以及物理、化学、生物、艺术等多学科知识，这需要打破以往文理分科的界限；其次是跨学科的学习成员，即打破以往班级学习约束，组成由不同专业背景学生构成的小组，尤其是大学阶段要尽可能采取这种办法；再次是小组学习方式，即在教师指导下以小组为中心进行讨论和得出解决方案。同时，要构筑互联网学习平台，教师与学生之间、学生与学生之间有充分的提问—反馈—讨论的渠道。跨学科合作探讨形式的学习方法，不仅有利于提高学习自主性和团队合作性，也有助于进行知识碰撞、知识整合和知识创造，从而提高综合能力和应用能力。
现阶段，包括中国在内的一些国家都在进行问题导向及跨学科合作探讨学习方式的实践，诞生了STEAM（Science，Technology，Engineering，Art，Mathematics）教育课程、问题/项目导向型教育课程（Problem/Project-BasedLearning：PBL）、创新思维课程等方法。但这些方式都处在发展过程中，需要专家和学者不断吸取有益经验对其进行改进。日本为了培养人工智能人才，制定了国家战略推行STEAM教育，并研究整理了具体案例，为各学校及企业提供参考材料。如日本某职业高中与企业合作，开展了STEAM教育课程。该课程的项目之一是设计使用便利的人工智能设备，推进智能化农业生产。项目分四个阶段进行。第一阶段引发学生对农业和机器人的兴趣，使用4个课时。教师启发学生考虑联系农业作业的实际需求，确定制作机器人的具体内容。企业技术专家介绍机器人控制语言，演示机器人的动作。学生进行讨论，得出关于制作方向的结论；第二阶段进行机器人控制与数学、物理等学科知识的应用，使用4个课时。具体任务有两个，一个是解剖分析现有农业机械，获得感性、基础认识，再使用控制语言设计机器人基本雏形，另一个是运用数学知识，探讨马达转速与机器人动作的关系，设计控制程序，制作马达。企业技术专家讲解高感度彩色感应器、图像识别等技术，联系物理知识，讲解关于摩擦作用的处理方法；第三阶段学习机器人开发的基本程序，使用4个课时。技术专家讲解现实社会中技术人员如何编写“产品规格书”、通用计算机语言、数据解析工具等，引导学生继续使用控制语言模块制作机器人；第四阶段进行总结和演示，使用4个课时。学生演示、讲解自己制作的机器人的特点以及与农业作业的关联。同时，教师引导学生梳理学习内容，激发今后学习机器人技能的兴趣（经济产业省，2019）。
（四）利用人工智能技术提高学习效率，增强学生的创造性思维能力、社会交流能力
现阶段的人工智能已经可以代替教师对学生进行辅导，提高学生的学习效率，如X-Tech、EdTech、LearnTech等技术。这些工具可以根据每个学生的实际情况，给出不同的学习指导方案，提高学习效率。有国外学校在教学中引进了人工智能系统，学生使用平板电脑阅读数学教材、做习题。人工智能系统收集所有学生的学习信息，包括答案、解题过程、速度、集中力、理解力等，在此基础上判断出每个学生的强、弱项，给出符合个人学习水平的阅读材料和习题，大大提高了学习效率。该学校利用人工智能对小学六年级学生进行了初中一年级上学期的数学课程教育，常规需要14周的学习内容仅用2周就完成了，并且学生们的考试成绩都超过了常规教育的平均点。如果能如此高效地接受知识，学生就可以把时间更多地用在联系实际的项目学习以及体育、艺术等活动上，强化学生创造力和社会交流能力的培养。如果说铅笔、笔记本、橡皮是传统必需的学习工具，那么当前与互联网无障碍连接的电子终端已经成为人工智能时代学习的必要工具。国家应该尽快完善义务教育、高中教育、大学教育和在职教育的电子化环境，引进人工智能设备，提高全社会的学习效率。
目前，人工智能正以前所未有的速度部分或完全替代人的劳动，社会生产率将会大大提高。我们必须精准理解人工智能对职业、劳动和能力的影响，从国家层面制定战略规划，运用市场经济杠杆和政策手段提高包括义务教育、高中教育、高等教育和在职教育在内的生涯教育的人工智能基本素养，维持社会经济的稳定发展。
参考文献
[1]陈明生.人工智能发展、劳动分类与结构性失业研究[J].经济学家，2019（10）：66-74.
[2]丁晨.从适应到引领：人工智能时代职业教育发展的机遇、挑战与出路[J].中国职业技术教育，2019（13）：53-59.
[3]李开复，王咏刚.人工智能[M].北京：文化发展出版社，2017.
[4]毛旭，张涛.人工智能与职业教育深度融合的促动因素、目标形态及路径选择[J].教育与职业，2019（24）：53-59.
[5]南旭光，汪洋.人工智能时代职业教育治理的限时挑战与路径选择[J].教育与职业，2018（18）：25-30.
[6]潘文轩.人工智能技术发展对就业的多重影响及应对措施[J].湖湘论坛，2018（4）：146-153.
[7][美]S.J.Russell，P.Norvig.人工智能：一种现代的方法（第3版）[M].殷建平，等译.北京：清华大学出版社，2018.
[8]王君，张于喆，张义博，等.人工智能等新技术进步影响就业的激励与对策[J].宏观经济研究，2017（10）：169-181.
[9]万昆.人工智能技术带来的就业风险及教育因应[J].广西社会科学，2019（6）：185-188.
[10][奥]约瑟夫·熊彼特.经济发展理论[M].何畏，等译.北京：商务印书馆，2016.
[11]安宅和人.人工知能はビジネスをどう変えるか[J].DiamondHarvardBusinessReview，2015（11）：43-58.
[12]池迫浩子,宮本晃司.家庭、学校、地域社会におけるスキルの育成：国際的エビデンスのまとめと日本の教育実践·研究に対する示唆[R/OL].2015-08-27.https://berd.benesse.jp/feature/focus/11-OECD/pdf/FSaES_20150827.pdf.
[13]経済産業省.“未来の教室”実証事業成果報告：ベジタリア株式会社[R/OL].2019-07-12.https://www.learning-innovation.go.jp/verify/z0044/.
[14]野口悠纪雄.AI入門講座[M].東京：東京堂出版，2018.[15]西村崇.AI時代に必要なスキルは「対人関係力」と「創造力」、アデコが調査報告[EB/OL].2017-05-17.https://xtech.nikkei.com/it/atcl/news/17/051701429/.
[16]D.H.Autor,L.F.Levy，R.J.Murnane.Theskillcontentofrecenttechnologicalchange：anempiricalexploration[J].QuarterlyJournalofEconomics，2003（4）：1279–1333．
[17]D.H.Autor.Whyaretherestillsomanyjobs？Thehistory andfutureofworkplaceautomation[J].JournalofEconomicPerspectives，2015（3）：3–30.
[18]H.Bakhshi，J.M.Downing，M.A.Osborneetal.Thefuture ofskills:employmentin2030[R/OL].2017-12-30.https://futureskills.pearson.com/research/assets/pdfs/technical-report.pdf.
[19]T.H.Davenport，J.Kirby.Beyondautomation[J].Harvard BusinessReview，2015（6）：59-65.
[20]D.J.Deming.Thegrowingimportanceofsocialskillsinthelabormarket[J].NBERWorkingPaper，2015：21473.
[21]C.B.Frey，M.A.Osborne.Thefutureofemployment:how susceptiblearejobstocomputerisation？[R].WorkingPaper，OxfordMartinProgrammeonTechnologyandEmployment，2013.
[22]J.J.Heckman，T.Kautz.Hardevidenceonsoftskills[J].LaborEconomics，2012：451-464.
[23]ShotaroTani.Isyourjobrobot-ready？Ourinteractive calculatorletsyoufindouthowthreatenedyouare[R/OL].2017-04-22.https://asia.nikkei.com/Economy/Is-your-job-robot-ready.
[24]C.J.Weinberger.Theincreasingcomplementaritybetweencognitiveandsocialskills[J].TheReviewofEconomicsandStatistics，2014（5）：849-861.
[25]WorldEconomicForum.Thefutureofjobs：employment，skillsandworkforcestrategyforthefourthindustrialre-volution[R/OL].2016-01-18.https://reports.weforum.org/future-of-jobs-2016/preface/.
[26]WorldEconomicForum.Thefutureofjobsreport2018：Centrefortheneweconomyandsociety[R/OL].2018-09-17.https://www.weforum.org/reports/the-future-of-jobs-report-2018.
[27]OECD.Skillsforsocialprogress：thepowerofsocialand emotionalskills[R/OL].2015-12-30.OECDSkillsStudies，OECDPublishing，Paris，http：//dx.doi.org/10.1787/9789264226159-en.
[28]OECD.Skillsforadigitalworld[R/OL].2016-12-30.https://www.oecd.org/els/emp/Skills-for-a-Digital-World.pdf.
刘湘丽.人工智能时代的工作变化、能力需求与培养[J/OL].新疆师范大学学报(哲学社会科学版),2020(04):1-12[2020-05-20].https://doi.org/10.14100/j.cnki.65-1039/g4.20200518.001.
未来人工智能会替代50％的工作岗位，你的工作会被取代吗
科技是冰冷的，栗子却有着炽热的内心。我是科技栗子，每天为你带来新鲜有温度的科技资讯。
人工智能
人工智能，英文名为ArtificialIntelligence，也就是我们常说的AI。虽然人工智能本质上还是机器，但是却突破了传统机器的限制，它拥有和人类相似的思维方式，是一种智能机器。在未来我们的工作可能会被人工智能替代，毕竟，人工智能不用休息，也没有情感，在工作方面比人类更加专注、更加高效。
李开复认为，AI的发展可以分为四个方面，分别是互联网智能化、商业智能化、实体世界智能化和自主智能化。AI对各种领域都产生了很大的影响，它直接或者间接地改变着我们的生活。而中国的的AI技术也一直在不断发展。
人工智能
另外，李开复认为，AI技术会为世界带来大量的机遇和财富，同时也会带来很多挑战。最直接的挑战就是AI代替人类工作，将引发大规模的失业潮。在未来的15年之内，也许有一半人类的工作将会被AI部分或者全部取代。他认为，只有关爱型工作和创意型工作不会被取代，因为AI没有感情，思维方式也相对单一。
这两类工作具体分为这几个方面：创意性工作、复杂性及战略性工作、灵敏性工作、需要适应全新或者未知环境的工作、同理心及人性化工作。
在未来，这些工作极有可能被AI取代。
服务员
服务员
现在餐厅的点餐系统已经十分强大，用户只需动动手指就可以下单，并不需要询问服务员。而且，有些餐厅的服务质量并不高，导致顾客的用餐体验很差，而机器人没有感情，不会产生不良情绪，工作效率也更高。
客服
现在客服的很多工作已经可以通过AI完成，而且，人工客服有时候并不能很好地解决客户的一些技术性问题，而人工智能可以比人类更快更准确的记录知识，可以比人类更快地为客户解决问题。
司机
司机
随着无人驾驶技术快速发展，司机这一职业极有可能被AI取代。AI不会存在人类因为长时间驾驶而出现的疲倦问题，而且它可以更快更准确地为你规划路线，把你安全地送到目的地。
快递员
在未来快递员的工作会被配送机器人所取代，配送机器人比快递员更加高效，可以准确地把快递送到客户的手中。
会计
人工智能拥有更加高效的计算能力，它可以在很短的时间内完成会计可能需要好几天才能解决的工作，而且，人工智能不会出错，不会因为计算失误给银行或者公司造成损失。
另外，迎宾接待人员、商场销售人员、金融顾问、翻译等等工作也很有可能会被AI取代。不过有些行业因为对AI的要求极高，或者并不适合AI的原因，被AI取代的可能性比较低。
科学家
科学家、艺术家、音乐家
这些极具创造力的工作并不适合AI，因为这些工作一定的创造能力、思考能力和审美能力。
律师
律师这一职业并不是准确地记忆法律条文就可以胜任，因为在法律之外还有人情世故和社会正义，这些因素在案件审理和法庭博弈上都需要进行考量，很明显这方面AI并不擅长。
教师
教师
AI善于学习，但是它并不善于教学。而且，教师的工作并不是简单的传道授业解惑，还要对学生的品行和道德观念进行引导。
另外，企业家、企业管理人员、建筑师、牙医、心理医生等工作也不容易被AI替代。
不过，李开复对于AI是否会替代人类工作的担忧，也有自己的看法：”人工智能有强的也有弱的，强的人工智能能取代人类一些做的事情，但是今天没有任何的科学依据，能让我们看到它的诞生。“
所以，我们暂时还不用担心人工智能取代我们的工作。欢迎关注评论，点赞收藏，科技栗子会在第一时间回复你。
人工智能未来的九种新兴工作岗位
人工智能正迅速成为区别业务优劣的因素。下面来看看你即将需要为人工智能精英团队填补的关键职位和技能。
[[333384]]
人工智能有望改变各行各业，随之而来许多工作职能会发生巨变。在未来的几年，组织中的许多职位都或多或少在一定程度上要使用人工智能技术，这给精通人工智能的人带来了巨大的新机会。
随着行使职责的IT和业务人员的数量转变，同发生的是出现旨在充分利用组织人工智能战略的新工作。机器学习领域的工程师已经巩固了自身作为人工智能团队必要成员的地位，位居求职网Indeed优秀工作榜首。人工智能专家也是领英2020年新兴工作报告中的最吃香的工作，该工作在过去四年中以每年74%的速度增长，其次则是机器人工程师和数据科学家。
事实上，IDC的分析师RituJyoti称，即使在这次大流行爆发期间，与人工智能相关的工作数量也可能在全球范围内增长13%乃至16%。
Jyoti说：“由于这次大流行的爆发，IDC认为，医疗提供商，教育，保险，制药公司和联邦政府的人工智能支出和就业机会将会增加。”
我们与IT领导者，人工智能专家和行业分析师进行了接触，以了解这样一个事实，即随着人工智能更加牢固地控制企业，企业见证了哪些人工智能职位的兴起。有些先进的公司已经在招兵买马，以洞察成功所需的各种技能。
首席人工智能官
人工智能领导者有很多称谓：人工智能和机器学习副总裁，首席创新官，首席数字官等等。
不管怎么称呼，这些“首席人工智能官”都必须理解认知技术(cognitivetechnologies)是如何影响企业，如何制定公司的人工智能战略并向董事会、企业高管，员工和客户进行解释。他们与首席信息官合作实施该策略，以很大限度地满足企业和所有利益相关者的需求。
网络安全公司Darktrace的首席人工智能官NicoleEagan花费了很多时间与内部技术团队合作，与客户交谈并宣传该公司的人工智能战略，其中包括弄清楚如何通过人工智能来增强人类的工作，例如在威胁检测和威胁调查这两方面。
曾在甲骨文战略小组中担任过战略市场营销高级总监的Eagan说：“我与首席技术官和人工智能实验室一起探索新的研究领域。”
Eagan通过学习在线课程来不断提高自身的人工智能技能，但是她在Darktrace中所起的作用就是更为注重业务，与其创建大量算法和编写代码，不如将人工智能应用于实际问题。她说：“我们的实验室中确实有超过35名具备高等数学，机器学习和人工智能专业知识的博士。”
Zscaler的人工智能兼机器学习副总裁HowieXu提升了自己的技术职称并以商务技能来充实经验。身为思科云计算和网络服务业务部门前负责人的Xu持有斯坦福大学的MBA学位并具备深厚的产品背景。
Xu说：“最初加入Zscaler时，我的职责更为关注技术。“但是，为了充分利用人工智能和机器学习，我不得不继续转变以更加注重业务影响方面的思考。”
Xu认为，在工智能领域有远大抱负的重要人物要专注于这些领域，即在人工智能和机器学习的助力下能将业务价值提高十倍的领域。他说：“在采用技术之前，必须严格遵守业务指标。”
人工智能道德官
人工智能道德官是另一个高级职位，该职位需要与利益相关者展开广泛合作。该职位还可能涉及风险和治理，除技术团队外，该职位可能还要与政府机构，非营利组织，法律团队，用户和隐私小组进行协调。
Salesforce.com的道德人工智能实践架构师KathyBaxter说，人工智能实践者必须对技术充满热情，但也要持合理的怀疑态度。“人工智能不是魔法，也不适用于解决所有的难题。你经常要问的问题不是‘我们能做到吗?’，而是“我们必须要做吗”?Baxter这样说道，他曾在谷歌，易趣和甲骨文从事过用户体验研究工作。
Baxter说，尽管技术素养大有裨益，但人工智能道德官并不需要成为计算机科学家或数据科学家。她说：“具备心理学，社会学，哲学或人机交互等人文背景至关重要。致力于了解受技术，需求，环境和价值影响的每一个人，这一点也非常重要。”
持有人因工程学(humanfactorsengineering)硕士学位和应用心理学学士学位的Baxter也认为将情绪化辩论降温的能力是十分有用的。她说：“当我们谈论道德时，人们会觉得自己的价值观正在受到挑战。能够以包容的方式展开合理的辩论则可能决定了成败。”
Baxter说，在部署人工智能时十分注重道德的公司会创建更安全，更公正的环境。另外，无偏差的人工智能更加准确，可以创造更好的业务绩效。
Baxter补充说：“人工智能法规即将实施，因此，现在创建道德的人工智能实践将使你对合规性做更为充分的准备。”
人工智能业务分析师
ShapeSecurity的全球人工智能负责人ShumanGhosemajumder说，要想从人工智能模型中获得价值，数据科学家必须与业务分析师配合，他已经聘请了业务分析师，他最终会扩大这一领域。
Ghosemajumder说：“人工智能业务分析师必须深刻了解自己所服务的公司及其业务模式和业务流程，因为他们希望为这些公司开发解决方案”。他补充说，他们还必须懂技术语言，从而与数据科学家和数据工程师共事。
人工智能业务运营经理这一相关职位在业务方面负责对使用人工智能的业务流程进行管理和改进。Ghosemajumder说：“人工智能业务运营经理应具备通过人工智能自动化的特定业务流程方面的运营基础知识和经验”，他们还必须能分析由这些操作所生成的数据。
普华永道(PricewaterhouseCoopers)的合伙人兼全球人工智能负责人AnandRao说，要找人负责面向业务的人工智能，这可能比想象的要难。
Rao说：“大学和其他职业培训机构正在竞相培训大量初级技术工人。但是，业务和高级管理人员需要在公司内部培养，而填补这样的职位空缺是很难的。”
首席数据科学家
通常，企业的首席技术科学家一直是人工智能职位的最高职位，其职责不断演变，已经包含了更多的工程和业务方面的技能。
麦肯锡的分析转型主管BrianMcCarthy说：“五年前，数据科学家往往由统计学家担任。如今，数据科学家往往由技术人员担任。”
数据科学家知道要用什么样的数据和算法才能获得优秀结果，他们与数据工程师和软件开发人员合作将这种专业技能转化为可运行的应用程序，他们还与业务部门合作以确保技术满足业务需求。
KennaSecurity的首席数据科学家MichaelRoytman于2012年荣获乔治亚理工学院颁发的运筹学硕士学位，他在该院研究了随机过程和随机优化。然后，他签约成为KennaSecurity的数据科学家并最终晋升为首席数据科学家。
Roytman说：“首席数据科学家正在运用他们的技能来增强整个组织的分析能力。”
人工智能架构师
人工智能架构师(也称为人工智能或机器学习工程师)负责创建用于操作和管理人工智能和机器学习项目的系统。
BT的美国战略学术合作伙伴关系负责人兼麻省理工学院的研究合作关系负责人SteveWhittaker说：“这些人可以大举研究人工智能项目”。他说，获得人工智能和机器学习技能的IT架构师是不二之选。
Whittaker说：“要创建人工智能工程师平台就需要培养运维(DevOps)技能。你必须知道如何大规模地执行，了解敏捷开发并具备流程和数据意识。”
人工智能架构师可能还要负责重建各种业务流程，从而使这些流程更接近业务。
任何自建人工智能或机器学习基础设施的公司都需要人工智能架构师或人工智能平台工程师。Whittaker说：“不仅仅是谷歌，脸书和亚马逊”。他补充说，这个职务近期才诞生，这意味着人们的背景千差万别，从充满新鲜想法的新毕业生到拥有40年实践项目管理经验的人，不一而足。
eSentire的首席技术官DustinHillard希望机器学习工程师在处理大型数据集和云数据处理框架方面具备多年经验，并且能够设计，构建和部署复杂的人工智能系统。
人工智能数据工程师
人工智能和机器学习的存亡都取决于数据。但是它们所需数据的种类和规模可能与其他系统不同，因此任何想要执行高级分析，机器学习或人工智能的组织都需要人工智能数据工程师。
“不得不招聘这些新兴职位的各种公司首先想到了大型组织”，英国电信安全部常务董事KevinBrown这样说道。“它们还想到其他拥有大量数据的组织。例如，由于大流行，医疗行业见证了数据的巨增。”
例如，BT要处理惊人的数据量。例如，在网络安全方面，每秒处理数百万个事件，每天处理约4000次网络攻击。Brown说，本公司聘请的董事总经理只专注于人工智能，战略，人工智能开发人员，研究人员和数据科学家。这些人的背景横跨人工智能的各个功能。
Brown说：“我们要筛选大量的数据来发现异常，而这正是人工智能数据工程师的大展拳脚的地方。我们总是在大海捞针。”
数据制造架构师
从事数据业务的公司提供了更多的专业职位。例如，彭博社(Bloomberg)最近就请人来担任其新设立的职位，即首席技术官(CTO)数据科学团队的数据制造架构师。
数据制造架构师帮助彭博社为其金融服务领域的客户(包括超过325,000彭博终端客户)创建高质量的结构化数据。彭博社的首席技术官办公室的数据科学主管GideonMann表示，数据产生自非结构化且杂乱无章的源头。
Mann说：“这些数字必须准确无误，其标准要高于大多数行业和学术机构。”
Mann说，数据制造架构师(Bloomberg)让深层领域专家在彭博社的全球数据部门中工作。彭博社现在也在招聘许多其他的专门化的人工智能人才，包括人工智能研究科学家，人工智能定量研究科学家，媒体数据科学，高级机器学习工程师和分布式系统高级软件工程师。
彭博社的人工智能工程主管AnjuKambadur说，这些职位要具备人工智能，机器学习，自然语言处理，信息检索和定量金融方面的经验，并且必须具备Python，Java和C++等编程语言方面的专业知识。他补充说，但是沟通，协作和产品开发方面的技能也很重要，“特别是跨组织和跨学科工作和沟通的能力。”
人工智能质量保证经理
正当尖端企业试图弄清如何围绕新生的人工智能实践分配职责时，人工智能领域的相关工作正在不断涌现以满足其需求。其中一些职位尚未设立，并且大多数职位尚无开设标准化课程或尚无形成典型的职业发展道路。
以人工智能质量保证经理这一新兴职位为例，这可以看作是从传统软件质量保证职位演变而来的职位，但是人工智能项目的质量保证却大不相同。例如，尽管某一公司可能会为手头的项目选择错误的算法，但是代码本身很少会成为问题。不完整的，过时或有偏差的训练数据集才是更应注意的东西。
有偏差的数据是一个特别棘手的问题，这些数据不仅会产生不良结果，还会产生监管问题，不良宣传，罚款或诉讼。
Zscaler最近收购的EdgewiseNetworks的首席数据科学家JohnO’Neil表示：“没有人真正了解偏差是如何进入数据的，也没有人了解如何设法从数据中消除偏差。这是一个非常活跃的研究领域。据我所知，如果你想说，规则就摆在这里，如果你遵循这些规则没问题，压根儿就没有说这理儿的地方。”
公民数据科学家
Gartner称，到2024年，人工智能高级用户将填补数据科学家的空缺。正如Gartner所称，这些“公民数据科学家”将能够执行与人工智能相关的任务，因为部署高级分析，机器学习和人工智能所需的工具将变得越来越容易使用。
但是，请勿将公民数据科学家简单地视为一个职业头衔。恰恰相反，对“公民数据科学家”工具(例如AutoML)的使用经验将成为一系列工作职能的工作要求的一部分。
人工智能平台公司DotData的首席执行官兼创始人RyoheiFujimaki说：“对传统意义上的数据科学家进行招募，增员和培训是非常昂贵的。
但IDC三月份公布的调查显示，约有28%的人工智能和机器学习计划失败了，这很大程度上归咎于技能短缺。IDC的Jyoti说：“据报道，缺乏必要专业知识的员工是失败的主要原因之一。”
Jyoti说，也就是说，在人工智能和机器学习方面对工人再培训的需求受到了抑制。
DotData的Fujimaki说，企业越来越需要“公民数据科学家”。
人工智能是否会抢走所有的工作
2019年11月24日，剑桥大学的学生联合会举行了一个主题为“人工智能是否会对人类有害”的辩论会。其中持正方观点的是几名剑桥大学的学生，而反方则是一个人工智能。很讽刺的是，这次辩论的结果是人工智能胜出。也就是说，人工智能成功地说服了评委，自己是对人类有害的。
唯一让人感觉有点欣慰的是，赢得辩论赛的人工智能使用的论点，来自1100多名剑桥学生事先整理的资料。这并不是人工智能自己思考的结果。不过，我们由此也可以看到，人工智能的能力正在飞速提升。
如果大胆展望一下未来，人工智能会发展成什么样子呢？太遥远的未来我暂时放一边。我只想以5年作为一个节点，大胆预测一下：每过5年，会有哪些人工智能取代人类工作的大事件发生？
第一个5年间，手机、家用电器、汽车等标准化程度高、装配精度高且能够量产的生产线，必然会成为第一批全面装备机器人的生产线。目前，仍在这类企业工作的产业工人，也随时会面临失去工作的情况。这是正在发生的事情。所有从事简单重复性工作岗位的人员，都将面临失业，比如收银员、银行窗口办事员、电话客服、建筑工人等，甚至有些你想不到的影像科医生、律师助理、科研助理、金融分析师助理、初级会计等简单重复性的文职人员，也会面临失业。
不过，同时也会有很多新岗位被创造出来，这些岗位集中在需要提供个性化服务的领域。比如说，很多企业对于销售人员、公关人员、运营人员的需求反而会旺盛起来，因为个性化服务会提升企业竞争力。当然，程序员这类与计算机打交道的岗位依然会持续增长。
第二个5年，也就是在未来5-10年中。可自主学习的通用型机器人开始量产。通用型机器人，不再需要通过人工编程的方式学习岗位技能。它可以通过动作跟踪和深度学习来直接学会岗位技能。这就把原来需要对每一道工序进行程序设计的成本省掉了。通用型机器人的表现更像一个普通工人，你只要手把手地“教会”它做固定的动作，它就可以立即上岗工作了。
不过，一开始，机器人的昂贵价格依然会让中小企业望而生畏。到时候，可能会出现一种机器人租赁的商业模式，他们会以低于国家最低工资的租金，把机器人租给中小型工厂，并提供机器人的岗位培训服务。没有任何企业主会拒绝这一商业模式。企业没有任何的额外投入，就彻底摆脱了劳动法的限制。只要有电，工厂就能持续稳定地生产。不过，会有更多与教育、文化、娱乐产业有关的新岗位被创造出来。
第三个5年，也就是10-15年之间，将会迎来通用型工业机器人的大爆发。
在第三个5年中，除了小型的家庭作坊式生产企业外，所有大型生产企业的产业工人都将永久性失去工作，只剩下极少量管理性工作岗位。现在刚刚参加工作的年轻工人们，有必要为这个必然到来的未来做做准备工作了。
那些创造性强、工序模糊、非量产的工作，暂时还不会被机器人侵占。
由于工业机器人的工作环境比较固定，需要抓取的零件也有相对准确的位置，对计算机视觉的要求也相对比较低，这样的机器人执行固定任务还是不错的，但是如果想让他们离开流水线随意走动工作，就有些勉为其难了。
在这个阶段，会产生一个名叫机器人服务业的新行业，推广、维护机器人并且对机器人进行有效的培训，是这个新行业的主要工作。在机器人大量上岗的阶段，培训机器人这个新职业甚至会有点人力密集型产业的特点。很可能一个机器人的上岗，就需要几个人参与上岗前的调试和培训工作。
第四个5年，也就是15-20年之间。计算机视觉的技术很可能在15年后得到实质性的突破，这将使得机器人也能理解周围的空间环境，并且能够学习识别各种常见的物品。这将让工业机器人走下生产线，进入民用领域。这也会成为一个里程碑式的事件。
这些通用型机器人能做的事情非常多。比如说在快餐行业，炸薯条、制作汉堡或者给客人冲咖啡，都是机器人力所能及的。而家政、保洁以及环卫类工作的机会也将彻底消失。
通用机器人不需要重新编程，但需要接受训练。这个阶段，很可能出现一种叫做机器人教练的工作岗位。这项工作的基本内容，就是对通用型机器人进行训练，帮助它们提高工作能力。这些机器人教练同时也是机器人的售后服务人员，他们的工作对于收集数据，改进机器人的工作水平至关重要。
在这一阶段中，人类可以选择去做一些与人打交道的工作，或者协作性比较强的工作，这类工作需要人与人之间频繁交换意见，并且提供反馈。暂时，机器人还无法胜任这类需要频繁交流想法的任务。
我的预测暂时只能到这里，因为人工智能再往后发展，会有一道科学原理上的瓶颈需要突破，而突破这个瓶颈的时间现在很难预测。这个瓶颈就是，对自然语言的理解能力。
2018年5月份，谷歌曾经发布了一个人工智能电话客服的视频，在视频中的人工智能几乎已经与普通的接线员没什么差别了。但事后证明，谷歌的这个视频，还是有一定的宣传和表演成分的，并不是人工智能的真实表现。
理解自然语言，是当前人工智能技术的热点。我们的手机里一般都会有一种叫做语音助手的程序，很多人家里也都有智能音箱。一些大公司的客服电话，有时候也能听到智能语音导航的声音。但是，这些程序目前只能与我们进行相当简单的交流，它们对于自然语言的理解水平仍然是相当低的。
自然语言的语义理解，对于人工智能来说，真正困难的是常识的学习。比如说，我们在日常对话过程中，突然问了一句：“什么？”我们的意思就是想表达：“你说的上一句话我没听清，希望你能重说一遍。”但是人工智能缺乏这个常识，对于这句突如其来的“什么”，就会难以理解。到现在为止，我们的人工智能专家还没有找到有效的方法，让人工智能自己去学习常识，这也是自然语言识别这些年来没有本质突破的主要原因。
一旦人工智能对自然语言的理解出现突破，我们身边的人工智能的水平一下子就会有飞跃式的进展。虽然他们的工作能力没有改变，但学会语言会让它们看起来更有灵性。而我们则有可能通过交流的方式，教会和调整机器人的工作。这使得机器人不但可以独立工作，也能够与人一起协作做事了。
具备语言能力的人工智能，将有能力取代所有常见的人类工作。诸如做会议记录、查阅资料、接待客人这类文职工作，机器人做起来肯定是得心应手的。这一阶段肯定会诞生一些外观极其漂亮的机器人，它们会取代人类做好各种服务和接待类的工作。一些专业水平比较高的机器人，应该具备更高水平的专业技能，比如具备法律专长的机器人可以从事律师类的职业，具备医疗专长的机器人可以在门诊接待病人。
大家需要注意的是，这一阶段的机器人，虽然可以进行自然语言的理解，但本质上仍然是专用型的弱人工智能。想让它们具备下围棋的能力，就需要下围棋的算法支持。想让它们能够当门诊医生，就需要对应的医疗诊断算法和数据库作为支撑。它们对自然语言的理解，不过是打开了与人工智能的语音交互接口而已。
自然语言的语义理解，很可能就是从弱人工智能突破到强人工智能的关键点。随后的人工智能，很可能会从专职向一专多能转变。你可以向为你做家务的机器人提出要求，让它利用业余时间学习围棋，那么几天之后，它就可以陪着你对弈了。这种学习的过程，很可能与我们手机下载App的过程差不多。会有免费的围棋程序可以下载，也会有类似AlphaGO和腾讯绝艺这样的顶尖围棋程序，但后者可能是付费或者会员制的。
你可能还希望你的家用机器人会弹钢琴或者会帮你化妆，这些都需要额外学习，而且不同的App的价格也会不尽相同。但不管怎么说，这一时代的到来，将意味着具体工作的彻底终结。与我们前面提到过的机器人训练师一样，在这样一个时代，设计一个可供机器人下载学习的学习包将会是一个重要的岗位。有些很感性的工作，比如跳舞，也许可以手把手地教会一个机器人，然后再由这个机器人将新学会的技能打包上传，其他机器人下载后就等于学会了。这是一个与机器人协作和共同创造的时代。
此时，绝大多数非创造性的文职工作，都可以由人工智能担任。外形酷似人类的人形机器人在这个时代也会大量出现。这一时代的到来，宣告着传统非创造性工作的终结。
在这一阶段，有一些依赖人类高级创意能力的工作，比如写小说、导演、编剧、艺术创作等创意型工作，人还能比机器做得更好。但是，这种优势能保持多久呢？
一旦弱人工智能突破了限制，成为强人工智能，它们很可能会开启一个崭新的时代。虽然他们很可能依然没有情感，也没有欲望，但它们的能力将远远超越人类。突破之后的强人工智能，很可能能够做到包括完善自身在内的绝大多数人类能做的事情。这一天何时会到来，对不起，数据不足，无法回答。
不可否认，对于人工智能的发展，很多人都心存忧虑。关于人工智能是否会成为人类的威胁这一话题，我本人是持乐观态度的。人工智能，毫无疑问是人类发明的最重要的一项工具。即将发生的一切，并非人工智能的侵略，而是人类自我的解放。当所有的工作岗位都成为历史时，人类这个物种将完成一次升级。我真的很期待这一天的到来。
（作者汪诘为科普作家，著有《时间的形状》《星空的琴弦》《亿万年的孤独》《未解的宇宙》《少儿科学思维培养书系》《迷途的苍穹》《精卫9号》等书。）