2016年被定义的这些“VR元年”“人工智能元年” 最终都辜负期待
苟元年，又元年，年年元年。对概念乏力的科技圈来说，2016年是各种“元年”的元年。
“元年”的常规释义有三种：1）帝王继位的第一年;2）国家建立政权的第一年;3）历法系统中纪年的第一年（例如耶稣诞生那年被定为公元元年）。
但善于滥用词汇的贵圈给这个词强加了一些释义：我经常看到某样东西的第一年，大家都应该以其为“风口”去创立公司的第一年，以及我觉得某样东西很牛X的第一年……
在过去的几年里，我们看到了O2O元年、大数据元年、物联网元年、IP元年等等等等，2016年也不能免俗。但当你看到新闻媒体上铺天盖地的关于今年是什么“intelligence”和“vision”的元年时，可千万不要以为我们的世界要变得更加美好了，其实情况恰好相反。
那么，那些被媒体冠以“元年”进行吹捧的概念，现在到底有没有辜负人们对它们的期待呢？
VR元年：我们身体的大部分还在R的部分
要说2016年到底是什么的元年，答案非VR莫属。如果你在Google里搜索“2016元年”的话，前几页的搜索结果大部分都和VR有关。
在这里我们可以看到，新华网说“2016年有望成为虚拟现实（VR）引爆元年”、中国经济网说“2016年将成为VR元年”、腾讯科技说“CES告诉你为什么都说今年是VR元年”，而自媒体写行业分析的时候也多会煞有介事地以“2016年被称为VR元年”开头。
要想理解这种煞有介事的根源，还得回到今年1月初的CES2016。2014年被Facebook以20亿美元收购的Oculus在今年的CES上终于正式发售了OculusRift头戴式VR设备，同时登台的还有HTCVive和三星的GearVR，另外无数创业公司也借此机会推出了自己的VR产品。
这无疑是大多数媒体认定2016年是VR元年的主要原因，而事实上，自从2014年Facebook收购Oculus之后的每一年都会被称为VR元年。媒体会在2014年说2015年是VR元年，在2015年说2016年是VR元年，依此类推。
现在一年又结束了，那么2016成为VR元年了吗？这要看你是如何定义“元年”了。即使元年指的是事物出现的第一年，显然今年也不是。更何况，世界上第一部VR设备Sensorama早在1962年就被制造出来了。
年初吹下的牛X，到了年底就要用数据来检验。在VR对大多数人来说还只是一个概念的时候，人们幻想着能够在家里带上VR头盔环游世界，或者在虚拟世界里体验另一种人生。但实际上又有多少人体验过真正的VR呢？
很遗憾，到目前为止还没有哪家大型VR厂商公布过自己的销量数据，据说PSVR卖得最好，大概卖出了75万部，大约是Rift和Vive销量的总和。但在刚刚过去的“黑色星期五”中，VR产品又成了最大的失败者。
相比之下，2016年全球智能手机的出货量是14.5亿部，但你听说过有人说哪一年是手机元年吗？
一年过去了，数据和市场早已表明，我们身体的大部分都还在reality的部分。但媒体/自媒体仍然坚持将VR和元年绑在一起，最新的版本是某自媒体的分析稿：2016年是VR硬件元年，2017年才是VR内容元年。
人工智能元年：没有intelligence，只有artificial（注：意为“人工的”）
让人将人工智能和元年联系起来的第一件事是年初的AlphaGo与李世石的围棋大战，这种联系大多带有一点恐惧、渴望和兴奋。
或许是看到吃瓜群众这种又爱又怕的兴奋感，2016年创业公司们的PPT上又有多了一个“风口”：人工智能。财经网的一篇报道说：截至2016年第三季度，全球人工智能创业公司已有1287家，其中585家获得投资，投资金额总计达到500亿人民币;中国人工智能创业公司为235家，其中65家获得投资，投资金额共计29亿人民币。
只不过，想都别想这些人工智能公司会真正对你的生活造成什么影响，他们的产品并不会像科幻电影中那般神奇。反正，不管是造福人类，还是毁灭人类，现在都别指望人工智能。
一个真正致力于让人工智能改变我们生活的公司，现在应该还在实验室埋头研究。而那些天天打着人工智能幌子的产品，多半只实现了artificial的部分。
最后，反倒是美剧《西部世界》在这个人工智能元年里满足了人们对于人工智能的幻想。
直播元年：明年也是
说2016年是直播元年，还不如说是直播被主流人群接受的元年。这一年里，原本仅仅是以秀场、游戏等内容为主的网络直播，突然间被大众接受，手机直播应用的普及让每个人都能成为主播，也让观看直播成为更多人娱乐消遣的新选择。
根据中国互联网络信息中心发布的《中国互联网络发展状况统计报告》，截至2016年6月，网络直播用户规模达到3.25亿，占网民总体的45.8%，各类网络直播平台也已经达到200余家。
在被荷尔蒙推动的直播平台上，擦边球和明目张胆的色情总是少不了的。这不，连“扫黄打非”办公室和网信办都盯上了越来越火的直播平台，最近网信办还发布了一份《互联网直播服务管理规定》，要求主播实名备案、弹幕需要审核。那句话怎么说的来着？嗯，直播源于秀场，兴于网红，盛于明星，死于色情。
其实按照贵圈的标准，说2016年是直播元年也是没问题的。只是这个元年之后应该是什么呢？应该还是元年吧，2017年的直播不会比2016年更火。
网红元年：papi酱都不敢说这话了
虽然对于什么VR和AI我们有技术认知壁垒，但网红这个词却是我们看着长大的。从BBS时代的老榕、安妮宝贝、唐家三少，到微博时代的天才小熊猫、谷大白话、留几手，再到移动直播/视频时代的Papi酱、王尼玛，在让这些人成为网红的过程中，肯定也少不了正在看这篇文章的你的参与。
今年3月，当papi酱获得了来自罗辑思维和真格基金的1200万元融资后，媒体开始集中宣扬2016年是网红元年。这一趋势在逻辑思维主导的那场“新媒体史上第一场拍卖会”卖出2200万元天价广告时达到了顶点，媒体惊呼：一个“网红经济”的产业链正在形成！
然而到了年底，当大家都已经慢慢忘掉papi酱的时候，罗辑思维宣布退出针对papi酱投资的消息又让她短暂地重回公众视野。这一次，以papi酱为代表的网红们还没从“网红元年”的美梦中清醒，精明的生意人罗振宇却已经完全将自己的视线完全转移到了“知识付费”上。哦对了，这也是另外一个元年。
知识付费元年：为知识付费到底有多了不起？
“值乎”这个产品简直就是知乎的程序员今年抖过的最大一个机灵。这个愚人节玩笑能让用户发布问题和答案，并分享到社交网络，其他人需要付费才能看到这些自问自答的内容。如果你觉得值，钱就会打给作者，如果你觉得不值，钱就会打给程序员。
让这群程序员没想到的是，这个产品无意间在朋友圈火了。更让他们没想到的是，这个产品还乘上了“知识付费”的快车，成为2016年知识付费领域的开山之作。
随后我们就看到了精明的生意人们是如何将知识这种虚无缥缈的东西变成实实在在的银子的：分答、值乎升级版、知乎Live、罗振宇的“得到”纷纷登场，有知识的人统统被称为“知识网红”，知识付费也迎来了自己的“元年”。
但我们真的是第一次为知识付费吗？当然不是，你买书（包括电子书）、看电影、上学都是在为知识付费。只是在互联网上，我们已经免费获取了太多知识，现在需要还票钱了。当然我们在获取免费的知识时也付出过代价，那就是必须成为广告商的俎上之肉。
而现在的知识付费，更像是我们获取知识的方式回归原始但是逻辑上正常的状态。
人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]人工智能元年是哪一年（知识科普我国的人工智能元年）
编者按：
科技兴则民族兴，科技强则国家强。
2016年被称为人工智能元年
新中国成立七十年来，我国科技事业走过了辉煌的进程，中国科技实力伴随着经济发展同步壮大，实现了从跟跑，并跑到领跑的历史性跨越。科技创新成为新中国站起来、富起来、强起来的重要支撑和体现。
从今天开始，AI财经社推出七十年新兴科技专题报道，回首科技创新由弱到强写下的中国篇章，见证用科技创新成就的一个又一个梦想。
上班路上，张泽（化名）将一篇题为《任正非：5G只是小儿科，未来最大产业是人工智能》的文章转进家族群，亲人纷纷点赞。
而在两三年前，他还为如何解释自己的职业发愁：说人工智能，大家想到电影《终结者》，说训练模型，更让人一头雾水。
不过如今，从人机对战到人脸识别，再到“小度小度”、“Hi，Siri”，随着人工智能逐渐“出圈”，张泽的职业也从不被理解，变成“好多人以为我年入百万”。
观念变迁似乎只用了数年，但在观念变迁背后，则是学界、政府、创业者及投资人的长期投入探索。
数据人才难寻，BAT艰难探路
正如同晚清时期的铁路被视为“奇技淫巧”一般，人工智能在计算机尚未普及之时，也未被国内许多学者所理解，甚至一度被认为是“伪科学”，批判打压。
其实，这一概念看似新潮，诞生却早于互联网。1956年，美国召开长达两个月的讨论会，会上首次明确人工智能概念，相关研究也开始推进。
而在我国，早在20世纪80年代初期，钱学森就曾在文章中说，发展人工智能是涉及国家前途的大事，如果现在不下功夫，最近几年或许看不出影响，到下一个世纪，就要吃大亏。
不过，在那个一台计算机有一栋房子那么大的时代，人工智能不仅没能孵化出成熟的产品或应用，反而进入漫长的低谷。李彦宏就曾抱怨，在美国读计算机时，一讲人工智能，就非常兴奋，但学完也就完了，没有什么应用机会，也不能解决实际问题。
随着计算机、互联网的普及，人工智能开始“显灵”，并被我国视为赶超美国的契机之一。2016年5月，国家发改委、科技部、工信部等部门联合发出《互联网+人工智能三年计划实施方案》，2017年7月，《新一代人工智能发展规划》发布，人工智能发展获得更多政策及资金支持。
也正是在这个时候，人工智能开始为外人所熟知，更多人开始登上这一舞台。
2016年被称为人工智能元年。当年，谷歌旗下团队开发的人工智能机器人AlphaGo两次击败围棋冠军，引发轰动。
虽然吸引众多目光，但在当时，一个会下围棋的机器人似乎很难和市场前景、商业变现等词语挂钩。而纵观国内几大人工智能巨头的早期探索，过程也相当曲折。
曲折之一是缺人才。作为BAT里最早布局人工智能的公司，技术起家的百度在很多细分领域，步伐甚至快过西方，却难逃人才流失的魔咒。早在2013年，百度就已成立深度学习研究院，为表重视，李彦宏亲任院长。但现实是，或许学院派与大公司难以融合，科学家们来了又走，留给百度“AI黄埔军校”的苦涩名号。
曲折之二是缺数据，虽然在人工智能领域，我国一向以数据见长，但2017年10月，阿里巴巴成立达摩院时，有报道称，达摩院金融智能实验室负责人手中只有14天的数据，由于数据实在太少，计划只能推迟到半年后启动。
至于腾讯，三者中起步最晚。马化腾曾坦言，在人工智能方向上，虽然腾讯也有相关研究发展，但和百度相比，还是落后了。
企业超千家，陆奇称投AI不会后悔
不过如今，先行者似乎已初摸门道。
在创新工场CEO李开复口中，百度、阿里巴巴和腾讯，已与谷歌、Facebook、亚马逊、微软一起，并称为人工智能时代的七巨头。
其中，百度在算法研发方面占据优势，成为国内少数拥有针对算法的开放平台的企业。阿里巴巴则更侧重云服务。除各有专长外，BAT及华为都在探索提供人工智能综合解决方案，以及通过投资布局，渗透各个板块。
据《中国人工智能产业白皮书》统计，截至目前，阿里巴巴完成17项投资，重点在安防和基础原件，代表公司有商汤、旷视和寒武纪科技等；腾讯完成18项投资，重点在智能健康、教育、智能汽车等领域，代表公司包括未来汽车等；百度则完成19项投资，投资重点主要集中在汽车、零售和智能家居等领域。
BAT之外，如今提及人工智能，绕不过的公司还包括有“AI四小龙”之称的商汤、旷视、云从和依图，以及垂直领域的明星公司，如科大讯飞。从企业数量看，不可谓不多。
根据德勤数据，2018年，我国人工智能企业数量超过1000家，位列全球第二，市场规模有望超过300亿元人民币。
而在资本方面，人工智同样吸引不少投资者入场。原百度公司总裁陆奇就曾表示，今天的人工智能就像20年前的互联网，你投了绝对不会后悔。
和陆奇持有相同看法的投资者似乎不在少数。《中国人工智能产业白皮书》显示，2017年，我国的投融资总额达到277.1亿美元（约为1980亿元人民币），融资事件369笔，融资总额占全球融资总额70%，融资笔数达31%。
AI走出实验室，你的工作还好吗？
《中国企业家》的报道曾这样概括AI公司的发展脉络，2016年，AI公司们讲科研实力，2017年比拼融资，而在2018年之后，则是谈应用落地。
时至今日，人工智能已日渐走出实验室，走进大众生活的细枝末节，甚至和不少人做起了同事。
作为媒体记者，每年财报季，李彤（化名）和同事都要写大量财报，最多时一天要写8篇，压力很大。为了让部分财报自动化，解放记者生产力，公司派她和一家人工智能公司沟通，开发一款能自动撰写财报的工具。
沟通过程并不复杂。李彤首先向其还原平时写财报的过程，从哪找，分哪几部分写，依次说清，再提供几篇范文。“等AI来了以后，不断让它写，写完我来检查，看看有哪些地方不合格、为什么。再反馈给对方修改，周而复始。”
李彤说，训练AI枯燥麻烦，都是累活，但“真正带出来了，还是很有成就感的”。
如今，李彤的AI学生已从人工智障，变得略通人性。由于总是超前超额完成KPI，AI还曾被编辑部评为月度”勤奋之星”、“优秀作者”。大家也逐渐习惯了新同事的存在，程序出现bug时，大家会说AI请病假了。财报季AI疯狂写稿时，不少人也会略尽同事之谊，随手帮它检查一遍。
内容生产只是AI落地的众多领域之一。如今，在政务、金融、医疗、交通等行业，都能不时见到人工智能的身影，身份包括保安、司机、客服、收银员、甚至放射科医生。
在媒体报道中，一家生产手机系列连接器、屏蔽件及模具的工厂，员工人数已从650人，减少为60人。未来，工人数量可能进一步下降到20人。因此不少人担心，人工智能减负增效的代价，是否是”我们失去工作“。
不过一个更普遍的观点则是，人工智能将处于并且长期处于人工智障阶段，担心被其”抢走工作“，为时太早。李彦宏就曾讲过一个笑话，传言展会上有机器人伤人，一时议论纷纷，“其实只是掉下台砸到人而已，我们对人工智能不需要恐惧，也不需要顶礼膜拜”。
为什么说2018年才是人工智能元年而今年不是！
人工智能（AI）领域的快速发展，将对社会带来重大的影响，这引发了许多激烈的争论。一些人认为，它将驱动经济增长，为改善生活质量带来数不清的机会。尽管我们相信那些最深的恐惧其实是夸大其词的，但认知技术这一AI产品却不容忽视。它们是商业竞争优势的新兴源头，并走在一条通往「无处不在」的道路上，即将充斥我们的生活和工作。
智搜（Giiso）信息成立于2013年是国内领先的“人工智能+资讯”领域技术服务商，在大数据挖掘、智能语义、知识图谱等领域都拥有国内顶尖技术。同时旗下研发产品包括资讯机器人、编辑机器人、写作机器人等人工智能产品！凭借雄厚的技术实力，公司成立之初，就获得了天使轮投资，并在2015年8月获得了金沙江创投500万美元pre-A轮投资。
长期以来，人工智能研究者都在开发旨在提升计算机性能的技术，这些技术能让计算机完成非常广泛的任务，而这些任务在过去被认为只有人才能完成，包括玩游戏、识别人脸和语音，在不确定的情况下做出决策、学习和翻译语言。为了将人工智能领域中衍生出来的技术与AI领域进行区分，我们将这些技术称为「认知技术」（cognitivetechnologies）。通常使用的认知技术包括机器学习、计算机视觉、语音识别、自然语言处理和机器人学。
在接下来的3到5年中，认知技术有可能会给职业、工人和公司带来深远的影响。这些技术可以，并且即将消除人类的工作。但它们也有可能被用来重新定义人类的工作、为工人创造出新的机会、为商业公司和客户带来更高的价值。公司的领导者们应该理解4个主要的自动化选择，以及我们所描述的成本和价值策略。他们也应该调整人才管理工作，来吸引和改进员工的职业技能，包括创造性和情商——这些技能在认知技术时代会变得更加重要。
冲突的观念
关于认知技术会对就业带来什么影响，这一问题正在处在活跃、甚至是危言耸听的争议当中。争论的一方预言道，当过去由人来做的工作被这些技术所取代后，将极大提高失业率。而另一方的预言则认为，我们对技术变革所带来的历史规律已经很熟悉了——新技术提升了生产力，从而增加了社会财富，驱动经济增长，对拥有新技能的就业者创造出新的需求。
最近，牛津大学研究者做了一个被广泛引用的分析，正是上述争论中「黑暗」一方的一个例子。这项研究估测道，美国的就业人员中，有47%正因接下来10年或20年的计算机化而「处在风险中」。信息技术研究机构Gartner也持相似的观点，预言「到2025年，有1/3的工作将被软件或机器人所取代。」三个Gartner的分析师甚至做出更彻底的「战略性计划假设」：「到2030年，今天我们所熟知的90%的工作都将被智能机器取代。」
并不是所有人都相信，公司应该开始为一个没有雇员的未来早作打算。DavidAutor是一个杰出的经济学家，他在麻省理工学院（MIT）研究技术与就业之间的相互作用，是这方面的权威。他写道：「机器要取代人类，亟需适应性、常识和创造性，这些需求的缺口还非常大。」他认为，人们未能足够重视机器与人力之间的互补性，这种互补性将会「提升生产力、增加收入、增大对熟练工种的需求。」RodneyBrooks是两家著名机器人公司的专家和创始人，他相信，人们应当正确地看待机器人这样的技术，因为它们能够「让人们摆脱那些折磨人的愚蠢工作」，而不是让人们失业。
对未来，我们更喜欢积极的预期。认知技术正在较窄的领域中取得好的进展，而取代整个流程或职业却很罕见，不太可能在短期内变得很普遍。更有可能的是，尤其是在接下来的3到5年内，工作的一部分会被认知技术自动化。员工（包括知识性的员工）将与自动化的智能机器打交道，就像今天的飞行员和先进工厂内的工人所做的工作一样。由于这个原因，公司领导者应当进一步考察认知技术为工作、员工和公司所带来的影响，这是一件非常重要的事。
认知技术和工作自动化
在以往的工作中，David与其他同事分析了100多个认知技术的应用，并将这些应用分为三大类：产品类、流程类和分析类。每类应用都对工作和工人产生了深远影响。
图1
产品类应用将认知技术嵌入到产品内，来实现智能行为、自然交流（比如说和看）以及自动化。该类应用对工人的影响从没有影响（机器人玩具或智能温控器）到有些影响（能承担家居清洁工作的扫地机器人）再到影响重大：自动驾驶汽车正取代采矿卡车司机和火车驾驶员，某天它们将会取代出租车或货车司机的工作；机器人还会取代泥瓦匠和砖瓦工。下一步，公司就可以将使用认知技术的产品部署到各个业务流程中。
自动化企业工作
流程类应用使用认知技术来提高、扩大或自动化业务流程。比如自动化数据输入、自动化手写识别、使用算法的自主规划与调整以及使用语音识别、自然语言处理和问答技术的自动化客户服务。通过定义流程类应用会让工人的工作实现全自动或半自动化。如下所示，自动化会对企业产生挑战，而且并不总能达到预期效果。
自动分析
分析类应用使用认知技术来揭示模式、做出预测以及指导更有效的行动。如，英特尔采用机器学习向其销售团队展示客户的进一步需求以及他们该向客户提供什么。某些分析类应用可以看作自动化的形式：接下来做什么是基于特定情境由机器而不是人所做出的决定。其他分析类应用是改善而不是自动化现有决策流程，或者进行之前不能做的分析。有时，他们将机器学习与其他认知技术（比如计算机视觉或自然语言处理）相结合。例如，一家初创公司将计算机数据与机器学习算法相结合通过零售商场停车场的卫星图像来判断其营业状况。
自动化意想不到的后果
自动化的历史可以追溯到数百年前，包含了制造业（工业自动化）、航空和文职工作（办公自动化）。如今，认知技术将自动化拓展到新的领域，比如过去那些需要人类感知和认知能力的任务。虽然自动化极具价值，但是，数十年的研究编码自动化并不总是有益的，也带来了意想不到的后果。随着商业和技术领导人考虑使用认知技术来自动化工作，他们会从自动化的历史中学到很多，来避免重复错误。
引入自动化以弥补人类能力不足的想法似乎很令人信服。但是，自动化系统也会有缺陷。离开人类操作员，只让机器自主完成任务会有问题。比如，没有人类监控的自动化进程会产生错误，然后程序会忽略这些错误继续执行任务。研究表明，即使是干劲十足的工人，他关注不变的信息源的时间也不会超过半小时。
智搜（Giiso）信息成立于2013年，是国内首家专注于资讯智能处理技术研发及写作机器人核心软件开发和运营的高科技企业。公司成立之初，就获得了天使轮投资，并在2015年8月获得了金沙江创投500万美元pre-A轮投资。
如果人们不经常训练，他们会失去某技能。这就导致了颇具讽刺意味的情况发生，人们会需要一个自动化系统来执行他们不擅长的任务，比如自动驾驶。有时会产生悲剧后果。研究人员发现，过度设计或设计不佳的自动化，不仅没有实现去技术化，还会降低人们在某些任务中的表现。研究表明，驾驶中有太多的自动化，比如采用巡航控制系统会让司机（特别是新手）疏于警惕，还会降低表现，比如紧急制动。其他研究发现，自动化系统（就像坏老板）会降低工人的积极性、产生疏离感、降低满意度、生产力和创造力以及离间员工。
技术评论家NicholasCarr认为，拙劣的自动化策略对效率和安全性会产生负面影响，还会破坏我们的个性和自我价值。
以上，陈如初拙见！若有冒犯，请见谅。想了解更多人工智能资讯机器人请登录Giiso智搜:http://www.giiso.com/谢谢