即将到来的智能时代，你离失业还有多远？

在人工智能越来越发达的今天，未来我们的工作是否会被机器取代？人与机器的未来在哪里？

作为流程再造、知识管理、注意力经济的发起者，全球《财富》500强企业争相咨询的企业顾问——托马斯·达文波特在他的《人机共生》里给出了答案。

在自动化发展的进程中，机器对人类工作的冲击可以分为三个阶段：

第一阶段，机器将人们从那些让人身心俱疲的工作中解脱出来。

第二阶段，在繁重的体力劳动之后，那些枯燥乏味的工作也被机器取代。

第三阶段，机器智能的崛起。

对广大的知识工作者群体而言，这并不是一个乐观的情况，这意味着更多人的工作会被机器夺走。

01人工智能的崛起

就在两年前，我所在公司的腐乳生产车间还有几十个工人围着流水线排乳（将机器切割的小豆腐块分开，竖立）。现在还有多少个呢？答案是零，自从公司引进了一台自动排乳机之后，这些一线员工要么被分配到其他车间，要么失业。

相对于人而言，机器可不需要你为它购买五险一金、提供舒适的工作环境、八小时工作制……

更重要的是，机器作业在更标准更少出错的前提下，成本只会越来越低。而人则相反，劳动力只会越来越昂贵。

所有的工作其实都是任务的组合体，今天的任何一种工作都有一部分可以被有效地自动化。这也就意味着这一部分可以完全被机器取代——如果工作任务可以被编码，那它就可以被自动化。

这些还只是第二阶段的范畴，并不值得知识工作者担忧，问题是第三阶段已经拉开序幕。

达文波特在《思考为生》中将知识工作者定义为“主要从事知识和信息处理工作的工作者”。包括那些需要专门知识或特殊训练的职业，如医生、律师、科学家、会计等。

你可能会想，这些是否包含自己所从事的专业，这样的考量并无必要，因为从较长的时间纬度来看，我们所有人的工作都包含在内。

在判断学生需要学习的知识和提供个性化教育上，计算机已经比很多老师做得还好；在医学上，通过对大量以往案例的分析，计算机可以比专家更快地判断病症，并提供合理的医疗方案；无人驾驶汽车已经试水成功……

当智能越来越多地开始接管人类做出决策，当一些人长时间苦苦学习的专业知识技能被机器轻易地取代，你是否应该给予足够的重视？

不管你愿不愿意相信：知识工作者的工作已经在通往自动化的路上了。

我们无法避免这些工作上的改变，作为一个被越来越多的机器包围的人类，你必须改变，去做那些机器做不好的事，或者以某种方式为被计算机大面积占领的工作增添价值。

要改变不妨先问自己两个问题：机器擅长什么？我们人类又擅长什么？

①机器擅长什么？

内容传递（比如教师的工作），直接的内容分析和检索（比如律师的取证，已经逐渐被电子取证所取代），基于数据的分析（针对用户使用习惯进行大数据分析，定点推送），输入数据和规则自动化系统就可以快速生成对应的报告（比如金融和体育行业的报道）。

②人类擅长什么？

在《劳动的新分工》中将人类的优势定位于专家思维和复杂交流。

专家思维使人而非计算机能够想到解决问题的新方法，也就是那些尚未被发现以及无法按照明确步骤执行的方法。而复杂交流是指除了传输那些明确的信息还要对环境进行更广阔的解读。

作者在麻省理工的一位同事提出了第三种优势：构思能力。人类可以提出自己的想法，并将其变为现实，而计算机加速了这类活动，却并没有驱动这类活动。

这三者的共同点在于都是无法被算法说明的隐性知识和判断。

换句话说，一旦人类的某种智能活动可以被拆解成一系列已知的应急事件和明确的规则步骤，它就不再专属于人类了。

02人类工作的未来

从人类辅助到重复性任务自动化，再到情境感知与学习，人工智能正在逐步抢占人类的工作空间。对此，与其恐惧机器，不如让其为己所用。

我们的未来在哪里？答案是智能增强：人类和计算机结合彼此优势，进而实现单独任何一方都不可能达到的更好的结果。

智能增强的意义在于，从今天人脑和机器能够独立完成的任务出发，在两者的合作中找出能让工作更加深入的方法，而非消灭人类的工作。

具体来说想要获得持久的就业能力，我们有五个策略可供选择：超越、避让、参与、专精、开创。

①超越

通过建立起全局视野以及对于计算机来说太过松散和广泛以致难以做出决策的决策体系，从而超越自动化系统。

二者的区别在于，自动化系统做出的是微小而重复性的决策，全局者做出的是更大、更有影响力的决策。他们决定了聪明人做什么、智能机器做什么，以及两者的合作方式。

成为全局者意味着你要拥有敏锐的洞察力，在自动化内容来到之前，就已经提升了自己；还要拥有更广阔的视角，能够找出体现自动化潜在价值的关键点；他们还是整个生态系统的建造者，创造机器与人的平衡。

②避让

这里是指让机器在你的领域中接管它们最擅长的那些任务，与此同时，把自己的生计建立在机器无法施展拳脚的一些价值形式上。

之前我们提到增强自己的竞争力时，要增加自己的不可取代性。现在这一观点仍然适用，只是要把机器也包括进去。

人类的成功凭借的多元智能，天才无法被复制，不是因为他的专业能力，而是在他们身上具有一些很难被定位的某些非认知性优势。

那我们的方向也就明确了，把自己的时间加倍投入在非认知能力上。可以向导师学习，也可以参与到反思性的刻意练习中去。

③参与

参与意味着不仅要懂技术，还要理解技术所需要配合的业务流程，他们是连接人与机器的桥梁。

参与者的存在才使得自动化系统运行起来，参与者需要拥有学习的热情，以及把知识发掘出来的意愿和能力。

参与者通常是对计算机系统比较熟悉的工作者，或某一工作领域的专家。这样存在的一个问题是，自动化系统使得公司不需要雇佣入门级的工作者；入门级的工作者无法从入门级的工作开始，也就无法成长为参与者。

对于尚未进入的学生来说，只能在学校尽力获取尽可能多的知识，在实习期接受尽可能多的在职培训。

④专精

自动化的前提是要符合经济利益。

在工作中时常需要参观一些企业，有一点让我不理解：明明可以用设备取代的一些人工作业，为什么他们不去自动化？自动化所需要的设备投入对于他们来说并非不能接受。

后来一位企业老板给了我答案：我看过这个设备，也计算了投入，发现购买设备并不比人工节约成本，那我干吗要去买它？

一个自动化方法产生了，必须有相应的维护资源。在一个精细的专业领域中，并没有那么大的市场来支撑构建和维护系统的成本时，这个系统便不会建立。

成为一个专精者关键在于：发现你所在行业里仍未被自动化的细分领域，朝着这个方向努力，你需要转移到你所在行业正态分布的最右端，成为真正的专家。

⑤开创

开创就是要为其他人创造出新的认知技术解决方案。开创者不仅包括软件供应商，还包括那些能够开发自己系统的公司。

这里的开创有些偏向计算机相关的专业，事实上的开创者不应该局限于此，那些能够结合市场开创前所未有的工作形式的人也应包含在内。

共享经济的发起者就是一个很好的例子，共享很好地利用了社会的闲置资源，从一个领域扩散到其它领域，提供了大量的工作岗位。

拥有计算机科学背景，熟悉人工智能，懂得大数据分析的人无疑在成为开创者方面更具优势。

我们不难看出五大策略的共同点在于：把自己提升到更高级的认知领域。它们之间也存在着不同程度的重叠，只是侧重点有所不同。

无论哪一条策略都要求我们不断学习，成为一个终身学习者。可以肯定地说，未来不存在一劳永逸的工作，而被淘汰的就是不肯动脑的人。

作者：DJ，精读读友会会员，好好学习，天天向上。

人机共生