您也許聽過或讀過這樣的新聞：機器人將會取代人的工作。但這種事情多久以后會發(fā)生呢？它真的會威脅到您的工作嗎？LinkedIn的幾位影響者本周針對這個問題各抒己見。下面是其中兩位的的看法，他們談到失業(yè)的風險、機器人革命的進程以及面對不可避免的變革我們做些什么才能從容應對。
希瑟·海爾斯（Heather Hiles），電子檔案解決方案創(chuàng)業(yè)公司 Pathbrite 創(chuàng)始人兼首席執(zhí)行官
“最近，牛津大學的研究人員進行了一項深入研究，他們仔細分析了計算機化對不同工作崗位的影響，結(jié)果發(fā)現(xiàn)，美國工作崗位面臨‘被計算機化或自動化取代’的風險，其中有 47% 處于‘高危’，另外還有 19% 處于‘中危’”，希瑟在題為《機器人能取代您的工作嗎？》（Could a Robot do Your Job?）的文章中這樣寫道。“在不遠的將來，我們的工作場所將大不相同。”
這對您意味著什么呢？她寫道：“無論您的工作是否會被計算機完全取代，目前的職業(yè)格局都在發(fā)生巨大的變化，各種行業(yè)形形色色的工作崗位幾乎都會受到影響。”希瑟提出五種方法，它們能幫助您避免未來失業(yè)，或者說避免被機器人取代。其中包括：
“不斷學習。課堂上有那么多可以學習的東西，而工作中也有很多在實踐中學習的機會，這會直接幫助您加強職業(yè)技能，”她寫道。“保持開放。”她寫道，“很多情況下，專心致志做事很有效，但千萬不要封閉自我，遠離同事，否則就會失去發(fā)展自己技能的機會。要積極參與各種不同的工作，這樣您才能從中發(fā)現(xiàn)學習新東西的機會。”
“勇往直前。”她寫道，“我們都曾聽說過從挫折中重振旗鼓的事跡，（但是）我們不該只關(guān)注最后怎樣恢復原狀，我們還要胸懷遠大的事業(yè)追求，勇往直前，不斷從失敗中學習，堅韌不拔，不懼困難和失誤。”
伯納德·馬爾（Bernard Marr），戰(zhàn)略績效管理咨詢公司 Advanced Performance Institute 首席執(zhí)行官
“機器學習是人工智能的一個分支，它利用計算機算法從信息和數(shù)據(jù)中自主學習……不必精確編程，計算機就能自己改變和改進算法，”馬爾在題為《機器學習：人人都該知道的重要發(fā)展》（Machine Learning: What Milestones Everyone Should Know）的文章中這樣寫道。
他寫道，“機器學習將對大多數(shù)行業(yè)及其中的工作機會產(chǎn)生巨大的影響，因此，每個管理人員至少都要對機器學習的概念及其發(fā)展情況有所了解。”馬爾寫道，機器的崛起是個漫長的過程，但其前進步伐卻在不斷加快。他針對機器學習的起源和近期重要發(fā)展進行了簡單回顧，它們將對您的工作和未來職業(yè)生涯產(chǎn)生影響。其中包括：
“1950 年——阿蘭·圖靈（Alan Turing）設(shè)計了“圖靈測試”，用以判斷計算機是否真的具備人類智能。要通過測試，計算機就必須讓人無法分辨出它是機器，而誤以為它是人。
“1952年——亞瑟·塞繆爾（Arthur Samuel）編寫出第一個計算機學習程序。這是一個國際象棋游戲，IBM 計算機在游戲過程中能不斷學習改進，學習成功策略，并將其納入游戲程序中。
“1990年代——機器學習研究從知識導向型轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動型。科學家開始設(shè)計計算機程序，它們能通過分析大量數(shù)據(jù)得出結(jié)論，或者說，能從結(jié)果中‘學習’。”
“1997 年——IBM 計算機“深藍”擊敗國際象棋世界冠軍。”
“2010 年—— 微軟 Kinect 體感周邊外設(shè)能以每秒 30 次的速度跟蹤 20 個人性化特征，使人得以通過動作和手勢與機器進行互動。”
“2012 年——谷歌實驗室 X Lab 開發(fā)出一種機器學習算法，它能自動瀏覽 YouTube 視頻，找出其中包括貓咪內(nèi)容的視頻。”
“2014 年——臉書開發(fā)出面部識別軟件 DeepFace, 這種軟件算法的面部識別水平堪與人類媲美。”
“2015 年——3,000 多名人工智能和機器人研究人員簽署了一份公開信，對自動化武器的威脅發(fā)出警告，這種武器無需人類介入即可選擇并瞄準目標。這封公開信得到著名物理學家史蒂芬·霍金（Stephen Hawking），SpaceX、Paypal和特斯拉創(chuàng)始人之一埃隆·馬斯克（Elon Musk）以及蘋果公司創(chuàng)始人之一斯蒂夫·沃茲尼亞克（Steve Wozniak）等科技界大腕的支持。”
“2016 年——谷歌的人工智能算法擊敗一名圍棋職業(yè)選手。圍棋被認為是世界上最復雜的棋盤游戲，比國際象棋要難很多倍。”AlphaGo 算法由谷歌 DeepMind 團隊開發(fā)，它在五局圍棋比賽中大獲全勝。”
如果計算機能“思考”，我們能否讓它也像我們?nèi)祟愐粯油ㄟ^大腦思考從事我們的工作呢？馬爾認為這點并不重要。他寫道：“計算機能看見、理解周圍的環(huán)境，并與之互動，這種技術(shù)的發(fā)展速度驚人，科學的現(xiàn)實已經(jīng)開始與科學幻想小說的發(fā)展同步。會給人類帶來生存危機的自主機器人雖然尚未誕生，但是，我們距離所謂真正的人工智能已經(jīng)越來越近。”
