最近，美国硅谷企业Kaggle创始人和CEO Anthony Goldbloom 在一次电视演讲中谈到，未来机器学习将在很多领域取代人类的工作，但是在某些领域却会例外。 这与我的看法不谋而合，也希望有更多的人参与到讨论中来。
Anthony 建立的公司，Kaggle, 是一个数据科学竞赛平台，专注于前沿机器学习领域。Kaggle聚集了成千上万的专家，致力于为行业和学术界的方方面面去解决问题。
Anthony相信，不远的将来，将近一半的工作都有被机器取代的危险. 早在2013年，牛津大学曾做了一项关于未来职业的研究。通过分析，他们得出结论：未来，将近二分之一的工作都可能面临被机器取代的风险。
而对于这种现象，机器学习是主要的驱动力。作为人工智能中最强大的分支，机器学习能够根据现有的数据进行学习，并模仿人类的行为。
我们可以从这个视角来探索这个问题：如今，机器究竟可以做什么，不可以做什么。进而言之，将来哪些工作可能受到威胁，或者被自动化所取代。
机器学习最初在90年代初进入人们的视野。一开始，机器学习还只能执行一些相对简单的任务，比如评估贷款申请中的信用风险。或者通过识别手写的邮政编码来帮助检索邮件等等。
但是随着人工智能算法的发展和大量数据的积累，对于频繁、大批量的任务，机器正在变得越来越智能。如今，机器学习已经能够处理非常复杂的任务。
举几个例子，早在2012年，Kaggle针对学校出了个难题：设计算法来给高中生作文打分。结果，获胜的算法给出的评分居然和经验丰富的学校老师给出的评分非常一致。
去年，Kaggle又出了一道更难的题：从医院拍摄的眼睛图像中，诊断出糖尿病性视网膜病变的病例。再次，获胜的演算法给出的诊断和眼科医生的诊断相符。
因此我们可以说，只要给出适当的数据，针对类似的任务，机器完全能够战胜人类。
在40年的职业生涯中，一位老师大概能批改上万篇作文，一名眼科医生大概能检查5万只眼睛。而完成相同的工作量，机器仅需几分钟就能完成，并且达到人类的精度。也就是说，对于这些频繁且大量的任务，人类不可能与机器抗衡。
但对于有些事情，机器却无能为力。特别是在解决新情况方面，机器就无从下手了，它们无法处理从未遇到的任务。
机器的局限，人类的能力所在。
机器学习局限性在于，需要从大量已知的数据中总结经验。人类则不然，我们有把看似毫不相关的事物联系起来的能力，进而解决从未见过的问题。
比如，物理学家Percy Spencer，他在二战期间从事雷达的研究工作。当时他发现磁控管把巧克力融化了。他从电磁辐射联想到了烹饪，因此他发明了微波炉。这就是非常典型的创新。
这种类似的创新，每天都在我们的身边发生无数次。在创新方面，机器远不是我们的对手。
那么，这对未来的工作又意味着什么呢？
未来工作的前景取决于：这种工作是否可以转化为频繁、大批量的任务，当中是否涉及到对创新的要求？
对于频繁、大批量的任务，机器变得越来越智能。
如今，机器学习可以评判作文，诊断某些疾病。再过几年，它们将能够处理审计、审阅法律合同样本等问题。尽管会计师和律师这类职业还是必不可少的，但他们只需要负责处理复杂的税收结构，或无先例的诉讼问题。与此同时，机器学习会挤占他们的职位，从而增加就业难度。
在创新方面，机器并没有取得太大进展。例如，营销方案需要抓住消费者的心理，让人眼前一亮；对于商业策略，关键在于发现市场上还无人问津的领域。而这些方面，我们才是主力，人类将是营销方案的创造者，人类才能推动商业战略发展。
所以各位，无论你将来决定做什么，一定要让每一天都带给你新的挑战。如果是那样，你的未来将无法被机器取代！
有用信息不容错过，和大家一样关注：
396
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
