名企减员50%!每天工作3小时!人工智能危机来袭!

京东目前员工的总数是16万,那么庞大的员工数量,才支撑起京东日常的运营。而为了提高京东服务与管理竞争力,刘强东近日宣布了一件大事:


未来京东员工数量减半,

每天只需工作2-3小时,

将全面实现「无人公司」,

用AI技术替代传统管理与服务方式!


01

交给AI和机器人后的京东

意味着50%员工将会被淘汰



在西班牙世界零售大会上,刘强东说了很多,核心就三句话:

  •  未来京东,百分之百无人化运营,未来的京东将是一家自动化运营的公司;

  •  充分利用AI技术可以减少人们的工作时长,未来一天只要工作两、三个小时;

  •  十年内,京东员工将从现在的16万减少到8万



这3件事看起来是技术革新,但背后代表着京东的人事变革,在无人化运营实施之后,京东的目标是要将减掉50%的员工,这就意味着将有一大波一线员工面临失业,那些贡献一般、价值不高、可替代性强的员工,毫无疑问地被淘汰。



与此同时,为了更好的适应变革,京东也一定会招募更懂技术、更懂人工智能、更懂未来的人才。



02

未来的残酷在于:

你可能要和机器人抢饭碗


京东的16万员工,每年公司要为他们缴纳60亿人民币的保险和公积金,除此之外,缴纳的税款还要更多


相比之下,机器人不吃不喝不休息,并且不用缴纳各种费用,性价比远超吃喝拉撒还要交五险一金的人类。


如此一来:如果京东真的实现百分之百实现AI和机器人运营后,京东的员工总数,可能不止减少50%,甚至只剩下10%的员工。


长期从事重复性,单一性,可替代性很强工作的小伙伴,你们可要当心了,未来不只是优秀的人和你在竞争,更有不需要睡觉会自动学习的机器人和你竞争



2000年,高盛在纽约总部的美国现金股票交易柜台雇佣了600名交易员。但今天,这里只剩下两名交易员“留守空房”。


瑞银在裁员路上也没有落后,这是8年前瑞银集团的交易大厅:



现在的交易大厅却成了这个样子:



高盛、瑞银的交易员被替代的经历,只是全球金融公司的一个缩影。


用更高的科技取代成本高昂效率低下的人工劳动是所有行业的一大趋势,估计在两三年后,交易大厅能空出一个足球场来。


比如澳洲的Hadrian X 砌砖机器人,一小时就能砌1000块砖头!而且作为机器,它还能每天24小时不停歇,两天就能建起一栋住房来!




你只要把建造设计图给它,具体怎么执行它自己看着办,砖头它自己送,自己砌,完全不需要人类中途去干预它!


传统建筑工人此刻根本没有用武之地,聊聊几名工程师和程序员就可以搞定一切!



德勤最新开发的财物机器人,一个机器人可以顶替15个财务的工作,而且可以每周24小时*7日的工作。36万小时的人力工作,财务机器人只需几秒就能完成,更是1分钟可以完成人工15分钟的工作!



荷兰的ING银行宣布了一个可以让他们在未来省下近9亿欧元的“数码转换”计划。而计划的内容就是:先砍掉5800名员工,占员工总数13%;未来再视情况让另外1200名员工转职或是裁掉。


无独有偶,德国商业银行也宣布,到 2020年他们将会将银行中 80%的工作都数码化、自动化,最终将会裁掉 9600名员工。



斯坦福教授卡普兰做了一项统计,美国注册在案的720个职业中,将有47%被人工智能取代。在那些以低端技术、体力工作为主的国家,这个比例可能超过70%。


花旗预计,2015——2025这十年间欧美银行将裁员30%,数量最多达到170万人。36万小时的人力工作,AI只需几秒就能完成,一切人类在AI面前都是树懒。


马斯克说在未来20年,全球12%至15%的劳动力将因为人工智能而失业。


不过,李开复更狠地说10-15年之后,也许50%的人类可能都要面临工作部分或全部被取代。他预测:未来的人工智能革命在规模上将与工业革命旗鼓相当,甚至有可能带来远比工业革命更快速、更巨大的变革。



人类唯一战胜阿尔法狗那个寒夜,疲惫的李世石早早睡下。世界在慌乱中恢复矜持,以为人工智能,不过是一场虚惊。


然而在长夜中,阿尔法狗又和自己下了一百万盘棋。是的,一百万盘。 第二天太阳升起,阿尔法狗已变成完全不同的存在,可李世石依旧是李世石。


从此之后,人类再无机会。


03

所有稳定的工作

都是高风险职业



原本光鲜亮丽的工作随着时代的冲击、人工智能技术的进步,人们追求稳定工作的目的越来越难实现。


那些追求稳定的人,你也许只能在稳定中死去。而很多人以为的稳定,其实根本不是稳定。


银行柜员这种工作,不要看不起眼,薪资也不高,但是,很多人不知道的是,有很多人,为了这样一份工作,甘愿花上十几万甚至几十万元,去疏通关系,走后门来获取这样一个职位。


你会发现,所有稳定的工作都有一个特点,缺乏高强度的竞争,那么其另一面就是,市场也绝不会给你有竞争力的薪酬,你的薪资不与能力挂钩


但是20年过去了,这种稳定终于被打破了!


刘强东也表示:尽管公司未来将实现“无人公司”的目标,这会让一大批员工被人工智能代替掉,但这并不意味着所有员工都会离开,只是他们的职位会越来越少,角色也会重新发生转变。


确实,优秀的人才,永远都是稀缺的。


04

唯一不会背叛你的

是你的认知和能力



固然,人工智能或许会让一些行业永久消失,却是人类文明的一大进步。它解放了人类的创造力,但倘若你不去改变,就只能被社会淘汰,就只能失业。


真正的稳定不是来自外界的施舍,不是来自于体制的庇护,而是来自于自身,把命运把握在自己手里才是稳定。


任何一个行业,任何一个职业与人一样,都有他的生老病死。


真正的稳定是你在风暴之前就未雨绸缪,抓住机会学习,野蛮生长,而不是说燕雀处堂不知大厦之将倾,在你最好的年华,满足于优越感和舒适区。


在这个时代,你的工作会背叛你,你的行业会背叛你,你的专业会背叛你,唯一不能背叛你的,是你的认知和你的能力!


过去的荣耀已经过去,将来的辉煌才属于自己。如果你想把握未来,现在必须提升自己,赶上潮流的脚步!


来源:创新社


大数据周刊

邮箱:tougao@bigdatamag.cn

电话:010-57524293


众论大数据 引领大时代

长按二维码关注


智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值