面對機器人，我們將要失去和不會失去的工作！
今天要給大家推薦的TED演講，是曾就職於澳大利亞儲備銀行的經濟學家安東尼·戈德布盧姆帶給大家的《面對機器人，我們將要失去 不會失去的工作！》
安東尼·戈德布盧姆在演講中給大家講述了這樣一個觀點：機器學習並不僅僅是為了解決像信用風險評估和郵件分類等簡單的任務，如今，它可以運用到更為複雜的應用中，比如文章評級和疾病診斷等。隨著這些進步出現了一個讓人感到不安的問題：機器人在不久的未來會做你的工作嗎？
就讓我們一起來欣賞一下他的演講吧！
這是我的侄女。 她叫Yahl。 她只有九個月大。 她媽媽是一名醫生， 爸爸是一名律師。 等到Yahli上大學的時候， 像她父母這樣的工作將面目全非。
2013年，牛津大學的研究人員 做了一項關於未來就業的研究。他們得出結論：差不多將近一半的工作都有被機器自動化取代的危險。而機器學習應對這種顛覆負主要責任。它是人工智慧最強大的分支。允許機器從現有數據中學習，並模仿人類的所作所為。我的公司Kaggle專註於尖端的機器學習。我們召集了成千上萬的專家正為工業和學術界尋找重要問題的答案。因此，我們可以從獨特的視角來觀察，機器可以做什麼，不可以做什麼，哪些工作可以被自動化或受到威脅。
機器學習是在90年代初進入人們的視野。一開始，它只是執行一些相對簡單的任務。像評估貸款申請的信用風險，通過識別手寫的郵政編碼來檢索郵件。在過去幾年裡，我們取得了突破性進展。現在，機器學習可以完成非常複雜的任務。2012年，Kaggle給當地學校出了個難題，設計一個演算法來評判高中作文。獲勝的演算法給出的分數居然和真正老師給出的分數相符。去年，我們出了一道更難的題。你能從拍攝出的眼睛圖像中診斷出糖尿病性視網膜病變嗎？ 再一次，獲勝的演演算法給出的診斷和眼科醫生的診斷相符。
類似於這樣的任務，只要給定正確的數據，機器將完全超越人類。一位老師在40年的職業生涯中可能審閱一萬篇作文。一名眼科醫生，大概可以檢查 5萬隻眼睛。但在短短几分鐘之內，機器可以審閱百萬篇文章 或檢查數百萬隻眼睛。對於頻繁，大批量的任務我們無法與機器抗衡。
但有些事情機器卻無能為力。機器在解決新情況方面進展甚微。它們還不能處理未曾反覆接觸的事情。機器學習致命的局限性在於它需要從大量已知的數據中總結經驗。人類則不然。我們有一種能把看似毫不相關的事物聯繫起來的能力，從而解決從未見過的問題。
Percy Spencer是一個物理學家，在二戰期間從事雷達的研究工作，他注意到磁控管融化了他的巧克力。他從對電磁輻射的理解聯想到烹飪，因此發明了——猜猜是什麼？——微波爐。
這是個非常傑出的創新例子。但這種跨界轉型，每天正以難以察覺的方式在我們身邊發生成千上百次。在創新方面機器無法與我們抗衡。這將使機器自動化取代人工受到限制。
那麼這對未來的工作意味著什麼呢？ 未來工作的狀態完全取決於一個問題： 這種工作在多大程度上可以簡化為頻繁，大批量的任務，又涉及多少對創新能力的要求？對於那些頻繁，大批量的任務，機器變得越來越智能。如今，它們可以評判作文，診斷某些疾病。再過幾年，它們將可以進行審計，將能審閱法律合同樣本。儘管會計師和律師還是需要的。 但他們只需要研究複雜的稅收結構，或無先例的訴訟過程。但機器將會擠占他們的位置， 增加就業難度。
如上所述，在創新方面機器沒有取得太大進展。營銷文案需要抓住消費者的心理。脫穎而出是關鍵。商業策略需要找到市場上還無人問津的空白。人類將是營銷文案的創造者，人類才能推動商業戰略發展。
所以Yahli，無論你將來決定做什麼，讓每一天都帶給你新的挑戰。如果是那樣，你的未來將無法被機器取代。
第三極始終認為：隨著人工智慧技術的發展，我們的孩子成長後面對的社會環境和我們可能是完全不同的。在不遠的未來，差不多將近一半的工作都有被機器自動化取代的危險。所以之前乃至現在的很多教育模式教育出的孩子並不能很好的適應未來的變化。
有預見性的父母應該去積極了解這些趨勢，培養孩子相應的能力。機器能替我們完成大部分重複平凡大批量的任務，卻無法處理未出現過的突發的事情。創新將會是人類突破被機器圍困的致勝利器。
TAG:獾獾教育 |