早從《黑客帝國》開始，人們就對未來科技生活展開了想象：在未來，人們將會生活在虛擬世界，平常的感知都將由程序來進行模擬，在本質上，人們已經成為了機器的奴隸。

聯系到最近大火的亞文化奇觀賽博朋克，人們總是既期待又感到恐懼，前者自然是對美好生活的向往。但后者并非只是機器對人類擬態的“恐怖谷”效應，還裹挾著人們對未來生存方式的恐懼。當AI機器一步一步從體能到智力上取代人類，人類最后的生存意義究竟是什么？

科技永無止境，從阿爾法狗擊敗柯潔開始，雖然有所稚嫩，但AI機器確實發展迅速。去年一則AI翻譯聘請人類“槍手”的新聞上了熱搜，其中AI翻譯遠沒有達到取代人類的地步，但在自然語言上的進步還是讓不少同傳朋友都心有戚戚然。

在人工智能領域，《未來簡史》作者尤瓦爾?赫拉利直接豪言：“在20到30年之間超過50%的工作機會被人工智能取代”，“人類將會分化出智神。”

言之鑿鑿或是危言聳聽，在浪潮下，人工智能替代人類進行工作這件事確實已經是不可逆的存在。

AI將會從哪些領域進行改變

那么AI將會從哪些領域進行改變呢？我們首先需要明確一點，人工智能各種應用本質上還是基于不同的算法建構，因此并沒有超脫出人們的框架。在人工智能領域有一個著名的實驗“中文屋悖論”，其中的實驗內容為將一個不懂中文、只懂英文的人關在封閉的房間里，桌子上有著相應的英語翻譯書，能夠幫助這個人理解相應中文的意思，并且可以讓他以中文的形式傳達出去。

外面的人只能通過遞出的小紙條來進行交流，對于他們來說，看見中文回應就意味著房間內部是一名中國人。約翰·希爾勒的這個實驗類比到人工智能身上，房間里的人為計算機、翻譯書相當于不同的程序，房間外的人也就是我們。從翻譯的角度來看，人工智能能夠精準翻譯出英文的意思，但實際上它并不是真正理解它的意思，而只是依照程序來進行處理。

雖然實驗有所紕漏，但簡單來看，人工智能在深度學習下只能明確“給錢”就能獲得“汽水”的對應行為關系，而不能了解到“錢”本身所代表的含義。通過大量深度學習，人工智能能夠實現異常復雜的行為關系，在我們看來，它或許已經達到了人類的層次，但從本質上而言，它還只是算法而已。

因此人工智能所能替代的領域也只是在簡單的重復工作領域，但對于需要大量創意的地方仍然束手無策。注意，對于很多創意內容，只要有了模板，人工智能也能夠進行相應的模仿，此前火熱的小說生成器就是如此。但在改變寫作，出新的角度上，人工智能并沒有這個能力。

從此前給出的可能會消失的工作，我們也可以看出重復性勞動的工作將會更加趨近消失，其中電話銷售員已經近乎到了邊緣化。在去年的Google I/O 大會上，Alphabet新任董事長John Hennessy介紹了大量關于人工智能的發展方向，并且表示Google Duplex已經通過了圖靈測試。

在亮相的時候，Google Duplex的AI對話表現讓眾多用戶炸開了鍋。在現場直播中，Google Duplex能夠與一位電話接線員流暢通話，并且成功預定了理發服務的時間。在其中接線員要求等待一會兒的時候，Google Duplex居然還發出了“嗯嗯（Mm-hmm）”的擬聲詞，完全讓人察覺不出來對面會是人工智能。

而圖靈測試一直被認為（業界部分領域）是作檢驗人工智能標準，在1950年，圖靈提出了這么一個測試：如果機器能夠與人類展開對話，并且不被人類察覺身份，那么這臺機器就意味著擁有智能，可以思考。

人工智能領域一直對于圖靈測試有所爭論，認為評判標準局限在欺騙人類身上，而非展現真實智能水平，而前者很容易被擬態出來，上面提到的中文屋就是這么一個例子。但是此次Google Duplex在服務型對話的表現確實讓人眼前一亮，也具有商用化的價值，不過要像推及到其它領域，人工智能還有很長的路要走。

破壞即創造 AI能夠帶來哪些新工作？

在破壞掉一部分工作的同時，發展的人工智能毫無疑問會刺激新的工作崗位形成。

在這一領域，首先吃香的自然是人工智能“大廈”的建筑工們。在《中國人工智能ABC人才發展報告》中，人工智能ABC（人工智能+大數據+云計算）領域人才走勢持續高漲，就業形勢良好。在當下國內人口紅利耗盡，移動互聯網發展觸頂的時期，人工智能領域在未來趨勢、國家戰略、商業落地上都必然會成為“香餑餑”。

據AI Lab報告數據指出，2019年人工智能缺口將達到110萬，其中領域涵蓋了算法、深度學習、自然語言處理等多個方面，而這一缺口在2022年將會增至594萬。現在無論是BAT，還是字節跳動、科大訊飛等廠商都在進行激烈的人才爭奪戰，并且也都有著相應實驗室來進行人才儲備。

落到崗位上，在當下算法和機器深度學習成為熱門崗位。無論是產品的驅動還是功能屬性的添加，算法和深度學習都是必不可少的存在。落到產業上，當下人工智能已經逐漸滲透到了我們生活的方方面面。智慧出行、智慧城市、智慧安防……人工智能正在重塑傳統傳統產業鏈的架構，在這之中必然會有崗位迭代和供應鏈重組，如何利用自身優勢進入人工智能產業龐大的產業盤子，這是企業需要思考的下一個問題。

另一方面人工智能的發展需要進一步的資金支持，而在這個過程中，利用人工顯然會是更節省成本更穩妥的方式。包括谷歌在內發力AI的公司毫無例外都擴大了審核團隊，雖然有著算法查驗機制，但面對靈活變動的違禁信息，人工處理顯然要更為安全。另一方面，機器學習也需要“養料”建立數據模型，而讓眾多公司真正無法回避的問題是——出了問題怎么辦？

相比人工審核，純機器審核帶來的技術追責在處罰劃分上顯然不夠明顯。人工智能出了問題，可技術只是提供框架模型，具體效果要靠數據“喂”出來，在龐大的數據面前，誰也不能斷言人工智能一定沒問題。此前在國外機器學習中，就出現了因為“對抗樣本”造成人工智能偏差，進而出現圖片識別明顯出錯的問題。說到底，人工智能也只是在數據中進行重復的深度學習，一旦在訓練材料中混入“污點”，這些“污點”在一定條件下就會改變人工智能的識別方向，造成偏差。

伴隨技術發展，專攻人工智能的黑客也會出現，相應的防護措施也會有所增加。但就落到人工智能完全替代工作這件事上，還需要面臨諸多問題，例如安全、可用性、崗位替代后的社會問題。相比于技術上的障礙，人工智能真正要跨過的是社會本身。