神经网络会抢了我的工作吗?(方如)

【AI小报第一期】人类与机器的关系——神经网络会抢了我的工作吗?

本文形象地描述人类与机器的关系,从多个侧面验证人类利用人工智能驾驭机器的必然趋势,无论你是否做计算机科学家,了解机器学习各种技术的优缺点和能力边界,对今后的工作都有极大的帮助。

本文摘自佩德罗·多明戈斯所著的《终极算法》。佩德罗·多明戈斯是美国人工智能协会院士(AAAI Fellow,国际人工智能界的最高荣誉),机器学习领域的先驱人物。

想了解人工智能,机器学习的五大学派,那么就读一下《终极算法》。

摘读:神经网络抢了我的工作

你的工作会在多大程度上用到你的大脑?用得越多,你就越安全。在人工智能早期,人们普遍认为,计算机取代白领前会先取代蓝领,因为白领工作更费脑力;结果却并非如此。一方面,机器人组装汽车,但它们没有代替建筑工人;另一方面,机器学习算法已经取代信用分析员和直销商。其实,对于机器来说,评估信用申请表比走在建筑工地不被绊倒要简单,尽管对于人类来说恰恰相反。一个普遍的主题是,狭义定义的任务很容易通过数据来完成,但那些需要技能与知识广泛结合的任务却不能。你大脑的大部分都主管视觉和运动,这就意味着到处走走比表面看起来要复杂得多。我们之所以觉得很简单,是因为“到处走走”经过进化已经练习得近乎完美,所以很多时候是在潜意识中进行的。叙事科学( Narrative Science)这家公司有一种人工智能系统,可以写出很好的棒球比赛总结,却写不好小说,,因为(根据乔治.威尔的观点)生活的内容要比棒球赛多很多。语音识别对计算机来说比较困难,因为要填补空白存在困难。字面上说,就是那些说话人平时会省略的发音(当你不知道那个人在讨论什么时)。算法可以预测股票波动,但不清楚如何将股票波动与政治联系起来。一项任务需要的背景信息越多,计算机能迅速完成它的可能性就越小。常识之所以重要,不仅是因为妈妈教会了你,还因为计算机里面没有这些信息。

防止丢掉工作的最佳办法就是你自己对它进行自动化,这样 就可以把时间用在你之前顾及不到、计算机近期地无法做到的所有部分(如果没有什么任务无法完成,那么就要在行业保持领先地位,现在就去找一份新工作)。如果计算机已经学会完成你的工作,不要试图与它竞争,而要利用它。H&RBlook公司(美国最大的报税服务商)仍在运营,但报税人的工作却没有以前那么枯燥了,因为现在计算机承担了大部分枯燥的工作(好了,也许这不是最佳例子,因为免税代码的指数级增长,是为数不多的能够与计算能力指数级增长相抗衡的东西)。把大数据看作你知觉的延伸,把学习算法看作你大脑的扩展。当下最佳棋手是所谓的人马怪(半人、半程序)。在其他许多职业中情况也是如此,从证券分析师到棒球球探。这并不是人类与机器的对抗,而是有机器的人和没有机器的人之间的对抗。数据和直觉就像马和骑手,而你不会试图超过一匹马,你在驾驭它。

随着技术的进步,人和机器更加密切的结合体就形成了:你饿了,Yelp会推荐一些好吃的餐厅;GPS会指引你方向:你开车,汽车电子会进行低水平控制。我们现在都已经是半机器人了。真正的自动化指的不是它代替了什么,而是它增强了什么能力。—些行业消失了,但许多新的行业诞生了。最重要的是,自动化使各类事情成为可能,这些事情如果由人类完成,将要付出很多代价。ATM机(自动柜员机)代替了—些银行员工,但主要好处是它们让我们随时随地都可以取钱。如果像素要通过人类动画师来一次只为一个上色,那么就不会有《玩具总动员》和视频游戏了。

尽管如此,我们可以询问自己最终是否会彻底完成人类的工作。我觉得不会。即使这一天到来了(它不会很快就到),且计算机和机器人都可以把所有事情做得更好,但仍有一些工作会留给一些人。机器人也许可以很好地模仿酒保,甚至可与客人闲聊,但老顾客仍然会更喜欢一个他们认知的人类酒保,仅仅因为他们就是人类。拥有人类服务员的餐厅会有额外标志,就像手工制品那样。人类还是会去剧院、骑马、航行,虽然我们已经有电影、汽车、摩托艇了。更重要的是,一些职业真的无法替代,因为它们的工作需要一种计算机和机器人在定义上无法拥有的东西:人类经历。所谓人类经历,指的并不是人际互动工作,因为人际互动要造假也不难,比如机器人宠物的成功。我指的是人文科学,准确地说,其领域包含一切没有人类体验就无法理解的东西。我们担心人文科学正呈死亡螺旋下降趋势,一旦其他行业实现自动化了,它就会东山再起。通过机器低成本完成的事情越多,人类学家的贡献就越有价值。

相反,让人伤感的是,科学家的长远前景并不是最光明的。未来,唯一的科学家很有可能就是计算机科学家,即从事科学研究的计算机科学家。之前被人称为“科学家“的人(像我一样)会将其毕生贡献给理解计算机所做出的科学进步。他们的幸福感不会比以前明显降低,毕竟科学对他们来说一直是一种业余爱好。对于有技术头脑的人来说很重要的一项工作会被留下来一一留意计算机。实际上,这需要的不仅是工程师,基本上,这可能是所有人类的全职工作,即弄明白我们想从机器那里得到什么,并保证我们会得到这些东西一一本章后部分会详细谈到。

同时,随着自动化与非自动化工作跨越经济领域,我们可能会看到失业率渐渐增长,越来越多的行业薪水下探,无法自动化的行业越来越少,但报酬却越来越高。当然,这种情况已经发生,但路还很长。过渡期会充满骚乱,但多亏了民主,它会有一个圆满的结局(紧握你的选票,它可能会成为你最有价值的东西)。当失业率上升超过50%时,甚至小于这一数字时,关于重新分布的态度会彻底改变。一批刚失业的大部分人会把选票投给慷慨的终身失业救济金,以及用于资助他们的高昂税收。这些做法并不会耗尽资源,因为机器会进行必要的生产。最终,一开始我们会讨论就业率而不是失业率,而降低失业率将被看作进步的标志(“美国正在倒退,我们的就业率仍然保持在23%”)。失业津贴将被发放给每个人的基本收入代替。不满足于基本收入的那些人会赚得更多,在所剩无几的人类职业中大赚一笔。自由党和保守党仍然会因为税率而争吵,但球门柱已经被永远移走了。随着劳动力总价值的骤减,最富裕的国家将是那些自然资源与人口比例最高的围家(现在移到加拿大了)。对于那些不工作的人,生活不会变得没有意义,最多就像在热带岛屿上,那里大自然的恩赐满足厂所有需求,生活才变得没有意义。礼品经济将会发展起来,开源软件运动将是预告。人们在人际关系、自我实现、灵性中寻找意义,就和现在他们做的一样。谋生的需要将会变成遥远的记忆,这是我们克服的又一个人类的原始过去。

时间: 2024-09-11 03:54:53

神经网络会抢了我的工作吗?(方如)的相关文章

360浏览器离线抢票怎么用?

360的一个产品经理,在去年要抢火车票的时候正好要开会,于是萌发了"关机离线"订火车票这个功能,临近春运,360安全浏览器于今日正式推出革命性抢票功能--关机离线抢票,借此功能,用户仅需提交抢票信息,抢票下订单工作交由360服务器自动完成,无论是断网.电脑关机.上下班途中.吃饭.玩 dota.或者--,无需任何人工干预,只需等待短信! 360离线抢票地址:http://yun.huochepiao.360.cn/login(需要安装最新版360安全浏览器或切换到极速模式下才能使用) 3

2015年360离线抢票怎么用

  2015 360离线抢票网址:http://12306.360.cn/?src=yunbizhi 2015年360离线抢票用: 360浏览器率先发力2015年春运火车抢票大战,"拼上一切,送你回家",独家推出"抢票王+离线抢票+手机抢票"全攻略,对于"没有电脑,不方便上网,没时间"抢票的用户,只需使用360离线抢票,提交抢票的日期及车次,即可轻松.便捷.高效的抢到回家的火车票. 轻松便捷,云端智能离线抢票 每年春运抢票,很多网友在网上下载一些

360浏览器离线抢票如何使用

  360的一个产品经理,在去年要抢火车票的时候正好要开会,于是萌发了"关机离线"订火车票这个功能,临近春运,360安全浏览器于今日正式推出革命性抢票功能--关机离线抢票,借此功能,用户仅需提交抢票信息,抢票下订单工作交由360服务器自动完成,无论是断网.电脑关机.上下班途中.吃饭.玩 dota.或者--,无需任何人工干预,只需等待短信! 第一步:登录12306帐号 第二步:提交抢票信息(所有信息都需填上) 第三步:查询抢票进度

360离线抢票怎么用?

  360浏览器率先发力2015年春运火车抢票大战,"拼上一切,送你回家",独家推出"抢票王+离线抢票+手机抢票"全攻略,对于"没有电脑,不方便上网,没时间"抢票的用户,只需使用360离线抢票,提交抢票的日期及车次,即可轻松.便捷.高效的抢到回家的火车票. 360离线抢火车票流程: 1.登陆12306开启云端抢票 2.输入具体的乘车信息,例如,手机号.始发地.出发时间.车次.等订票信息,提交后只需等待短信通知在线支付票款即可.此外,离线功能还可以

BP神经网络算法

今天来讲BP神经网络,神经网络在机器学习中应用比较广泛,比如函数逼近,模式识别,分类,数据压缩,数据挖掘等领域.接下来介绍BP神经网络的原理及实现. Contents 1. BP神经网络的认识 2. 隐含层的选取 3. 正向传递子过程 4. 反向传递子过程 5. BP神经网络的注意点 6. BP神经网络的C++实现 1. BP神经网络的认识 BP(Back Propagation)神经网络分为两个过程 (1)工作信号正向传递子过程 (2)误差信号反向传递子过程 在BP神经网络中,单个样本有m个输

转载 : 神经网络浅讲:从神经元到深度学习

神经网络是一门重要的机器学习技术.它是目前最为火热的研究方向--深度学习的基础.学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术. 本文以一种简单的,循序的方式讲解神经网络.适合对神经网络了解不多的同学.本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文. 神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术.人脑中的神经网络是一个非常复杂的组织.成人的大脑中估计有1000亿个神经元之多. 图1 人脑神经网络   那

【机器学习】人工神经网络(ANN)浅讲

神经网络是一门重要的机器学习技术.它是目前最为火热的研究方向--深度学习的基础.学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术. 本文以一种简单的,循序的方式讲解神经网络.适合对神经网络了解不多的同学.本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文. 神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术.人脑中的神经网络是一个非常复杂的组织.成人的大脑中估计有1000亿个神经元之多. 图1 人脑神经网络   那

小白学数据之什么是神经网络

导语 在上一次的小白学数据时间里,我们了解了什么叫做机器学习.目前最热门的一种机器学习方法叫做神经网络.它经历了90年代到00年代的深山归隐期,在10年代重出江湖的时候,已经令世人刮目相看.知道前几天在围棋界打败天下无敌手的AlphaGo吧(甚至输入法都提示我,G应该大写)?用的就是神经网络.神经网络这个听起来无比深奥的概念,其实小白也能够明白它是个啥.让我们试试是否可以"窥一斑而知全豹".   小白问:好吧,你来给我讲讲什么是神经网络吧? 答:神经网络,顾名思义,就是由神经元之间互相

深度学习系列2:卷积神经网络

本文讲的是深度学习系列2:卷积神经网络, 原文地址:Deep Learning 2: Convolutional Neural Networks 原文作者:Rutger Ruizendaal 译文出自:掘金翻译计划 本文永久链接:github.com/xitu/gold-m- 译者:lsvih 校对者:edvardHua,lileizhenshuai 深度学习系列2:卷积神经网络 CNN 是怎么学习的?学习了什么? 这篇文章是深度学习系列的一部分.你可以在这里查看第一部分,以及在这里查看第三部分