人工智慧的出現，它不僅是挑戰，也是機遇。 從以前的蒸汽時代到電力時代，還是現在的資訊時代。每一次的時代的革命都伴隨的機遇和挑戰，但不可否認它對人們的生活發生了巨大的改變，社會文明也進一步的前進。而人工智慧的出現，它也預示著新時代的來臨。有人會說人工智慧來臨，很多行業會消失，老百姓的飯碗會保不住。但我想的是恰恰相反，它的出現是機遇，是行業的進步。我們考慮的不是保住飯碗，它只是工具，我們要掌控它，操縱它，讓它成為我們的工具。讓人工智慧成為我們新的飯碗。

YaoSha人工智慧的出現讓人們掌握自己的飯碗 想啥來啥！

人類輕鬆高效的工作、生活方式已經正式來臨！YaoSha人工智慧將開啟全新的工作、生活方式 接單隻需說生意詞，山裡的賣冬筍農民只需訂閱“冬筍” 賣紅薯的訂閱“紅薯”，通下道訂閱通下水道…等關鍵詞就能收到源源不斷的客戶需求！

人人都可以把自己的掌握的資源、商品、技能、勞動力甚至是自己都可以共享給TA人，訂閱“房屋設計”，訂閱“喝酒”，訂閱“RHA陰性血”...訂閱後你將收到源源不斷的客戶需求。

拉投資的，多多少少會畫大餅吹牛，不管是人工智慧或者其他行業，說的清楚點，未來沒有誰能夠精確預測。人工智慧應該說早就來了，只是我們還處於弱AI階段，什麼人臉識別，語音助手，輸入法，垃圾郵件分類...很多人沒怎麼感受到，未來很難說強AI會什麼時候到來，就像圍棋一樣以前以為還要10年以上的時間機器才能戰勝人類頂尖高手，但是AlphaGo突然就解決了這個問題。所以強AI或許就在明天或者要很多年後，但是我覺得世界知識表示這個問題不解決不可能產生強AI，所以應該是多年後。但是弱AI也的確會取代很多工作，這裡不列舉了，關於人類工作的問題，更像是一個哲學問題，我們為什麼要工作？反正我不想工作。或許我們在意的是社會資源分配的問題，這個依然無解。很多問題我們現在能做的不多，車到山前必有路，人生最大莫過於生死，沒什麼好怕的。最後，人生苦短，及時行樂。

當AlphaGo以4：1戰勝李世石時，非技術圈才對人工智慧究竟有多強大有所領悟。人工智慧取代人的很多工作無疑已經成為未來不可逆轉的趨勢，但有幾個問題我們還是要搞清楚：目前人工智慧的工作原理是什麼？它的優勢在哪裡？這些優勢可以取代人類的哪些工作？而我們人類的哪些素質在未來仍然是獨特而富有價值的？回答了這幾個問題，我們才能對標題有一個準確的認識，“面對人工智慧的必然崛起，我們應該做哪些準備？”

讓我們從一個與人工智慧相關的問題入手 —— 計算機能夠識別和理解圖片嗎？

斯坦福大學計算機科學系副教授 —— 李飛飛曾經就此問題在TED上發表過一篇著名的演講，叫《如何教計算機理解圖片》。其中，她提到，

“我們雖然已經有了能夠自動駕駛的汽車原型，但卻沒有智慧視覺。它們無法區分路面上是一個能夠碾過的皺紙袋，還是需要避開的同等大小的石頭；我們雖然已經制造出了效果極佳的百萬畫素相機，卻仍無法讓盲人看到影像；無人機雖然可以飛越大片區域，卻沒有足夠好的視覺技術來幫助我們跟蹤雨林植被的變化；監控攝像機雖然無處不在，卻無法在小孩溺水於游泳池中時發出警告；照片和影片正成為全世界人們生活的一部分，但我們最先進的軟體仍不善理解和處理如此龐大的影像內容。換而言之，我們最聰明的機器還是個盲人。相機可以拍攝照片，透過把光轉換為被稱作畫素的二維陣列，但這只是一堆死數字，它們本身並不攜帶任何意義，就像聽到不等於聽懂一樣，拍照也不等於看見，而真正的看見是指理解。”

是的，這確實是我們曾認為的計算機想要代替人類面臨的巨大障礙。人是理性的、懂得演繹和歸納的，而這些恐怕計算機永遠都學不會，就好像我們認為計算機不可能學的會下圍棋一樣，因為圍棋遠不像象棋一樣那麼依賴計算，而是需要一些“大局觀”和“創造力”。可是“大局觀”和“創造力”究竟來源於什麼？就好像我們人類識別影象一樣，真的是靠演繹來完成的嗎？我們為什麼看到一個人就馬上能說出它是一個人，而不是別的動物呢？是因為我們大腦中始終都有這樣的演繹框架嗎——“一個頭、兩隻胳膊、兩條腿、直立行走”？恐怕不是。如果真是這樣就會有下面的疑問：

為什麼我們大多不會把猩猩錯當做成人類？

為什麼我們看到原始部落的人類時會有些遲疑，“他們算人類嗎”？

為什麼小孩子即使沒有經過太多的邏輯訓練也能準確識別各種事物？

人類之所以能夠識別和理解影象，也是因為我們從小就在做不斷識別各種影象的訓練，簡單的說就是“重複、再重複、不斷重複，在重複中發現共性，雖然這種共性往往並不容易描述”。小孩子之所以在沒有太多邏輯思維訓練的情況下就能準確識別影象也正是因為他們從出生之後就不斷地在識別數以億計的影象。

人類下圍棋也是如此。以前，大家可能認為棋手靠靈感、想象力和大局觀來下棋，當然這些素質確實在發揮作用，不過發揮最主要作用的其實還是經驗，這也是為什麼棋手需要不斷“打棋譜”的原因。

聽到這裡，有沒有一絲恐懼感？為什麼要恐懼？想想看，如果人類現在引以為傲的智慧主要靠經驗積累的話，還有誰積累經驗的速度和能力比聯網計算機更強悍呢？這正是AlphaGo完勝李世石的原因。

的確如此，AlphaGo就是靠著不斷地和自己下棋、糾錯、最佳化和再重複的方法積累了單個人無法企及的經驗，而我們如果要靠體力和腦力吸收這麼多的經驗恐怕完全吃不消、時間也遠遠不夠。目前大部分的人工智慧正是依賴海量的經驗積累和大資料堆出來的“智慧”，只是這種智慧並不像我們認為的那麼浪漫、主觀和富有情感，而是冷冰冰的、真槍實彈的“經驗”。而文章開始提到的李飛飛教授也正是藉助網路收集和整理出的10億多張圖片才成功地幫助計算機在識別和理解影象方面取得了巨大的突破。

有多少賴以生存的“能力”是靠不斷重複的經驗培養起來的呢？想想看，像騎腳踏車、彈鋼琴、繪畫、甚至我們認為很主觀的溝通、談判等，即使其中確有很多是要靠應變、靈感和情感來應付的狀況，但經驗的確還是佔到了很大的比例。未來的最佳組合可能是人機聯合工作，人來處理需要依靠應變、靈感和情感的部分，機器則負責處理需要依靠經驗和計算的部分。而那些純粹靠簡單重複來完成的，或者是經驗佔到絕大多數比例的工作無疑會首先被人工智慧所取代。就像歷史上的工業革命時期一樣，人類已經迫不及待地要再來一次能力方面的進化了。

【想象力】

經驗的積累當然也能帶來某種機械的想象力，但那和人類的想象力是完全不同的。

人機大戰中，李世石之所以險勝一局，也正是藉助著想象力來了一招意料之外的“妙手”，讓AlphaGo誤判形勢而錯誤連連。毫無邏輯的想象並不是人類的“痴人說夢”，而是人類科技得以突飛猛進的終極推手。而未來，“想象力”的價值將會變得更加難以估量，因為人工智慧讓實現這些“白日夢”更加令人期待。

科學發最開始靠的都是狂熱的想象力，甚至是對“白日夢”的信仰，然後在不斷的觀察、實驗、修正中得以向前推進。舉個典型的例子，化學在古希臘的發展水平其實和古代中國差不多，都是猜測世界是由 “水”、“火”、“土”等物質組成。直到近現代，因為有一批西方人狂熱的迷戀和相信“鍊金術”，化學才在“鍊金”的過程中作為副產物而迅速進步。天文學、物理學、生物學等其實都差不多，都是在狂熱的想象力、甚至信仰的支配下意外地前進和發展的。

我們應該特別注意保護和鼓勵下一代的想象力，因為這將是人工智慧來臨之後最為難能可貴的品質。對於我們自己，則也應該像德國哲學家萊布尼茨一樣，“一生保持著聰明的小學五年級男孩那種瘋狂的熱誠和強烈的好奇心”。

【跨界思維】

未來很可能有這樣的場景：我們只看到一個或者幾個人，他們每天的工作就是操縱著若干臺計算機，並在必要的時候進行些許相互溝通。今天這種場景只有在高度自動化的工廠中才能看得見，而未來，這種工作模式會出現在一間辦公室中。而那幾個人並不是機器操作工人，而是各個部門的主管，只不過他們管理的不再是具體的人類員工，而是具有人工智慧的計算機。

人類會逐步地打破學科間的界限，而人工智慧將會非常習慣於在某個垂直領域發揮作用。我們這一代人必須要學會接納和欣慰於自己的工作被機器做得更好，而不是抱殘守缺於多年積累的“技藝”。我們必須要適應做個多面手，並教育下一代追求更為寬廣的思維和眼界，而不是滿足於擁有“一技之長”。在商業領域，我們可能既要懂設計，又要懂研發；既要懂生產，又要懂質控；既要懂營銷、又要懂銷售；當然，最重要的是必須懂網際網路、計算機和人工智慧的運作機制，這樣我們就能夠跨界去處理問題，因為我們的“手下”可能都是一群專業度極高的機器，作為“上級”，我們只需要讓它們“理解”要達到的綜合目標即可。

簡而言之，人工智慧負責在給定模式下完成任務，而人類要依靠跨界思維定義這個模式。為此，我們需要保持學習的能力，不斷地升級自己的認知模式，以符合這樣的要求。

【感性與情感】

還記得Google在研發的自動駕駛汽車嗎？

人工智慧必然會透過不斷地經驗積累解決大部分行駛過程中遇到的問題，但是緊急和意外情況呢？這就需要調動人的情感來進行應變。

即使當人工智慧之間已經能比較完美地相互配合去完成任務時，它們仍然需要人類介入來做變通、應急、突發選擇等需要靠情感加以輔助的工作。這有點像大齒輪間的小齒輪，它們雖然不再是機器運轉的主要部件，但卻依然關鍵，因為它們可以在重要時刻決定機器的加速、減速、停止和改變。看似簡單的情感機制，其實濃縮了生物和人類漫長的演化改進和個體生命中經驗、知識的不斷積累，更不要說感性和情感在很大程度上就是想象力的源泉。

AlphaGo和李世石的人機大戰，讓我們第一次真正從現實意義上看清了人工智慧的未來。我們應當擁抱這樣的時代，但同時意識到也更加珍視人類獨特而富有價值的素質：想象力、跨界能力和情感，這樣一來，無論是我們還是我們的下幾代人，才能在人工智慧爆發的前夜從容的說，“人工智慧時代終於來臨，而我們已經準備好了”。

從定義上來說，人工智慧是一種非常寬泛的概念。作為計算機科學的一個分支，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。然而廣義上來說，是讓機器能更好的為我們服務，更好的扮演它可以負擔的角色。當我們在思考如何保住飯碗的時候，或許可以把這個問題理解成：人工智慧浪潮下的“人工”與“智慧”，如何成為不被機器取代的人？這裡有一些來自業界的聲音。

人工智慧作為人類歷史上前所未有的科學進步成果，自誕生以來就伴隨著各種恐懼或頌揚的聲音。人工智慧會否代替人類勞動引發大批失業？科技進步會否加深資訊鴻溝把社會變得更不平等？

“我從不把人工智慧當特殊的技術，只是對於行業效率的提升，而其特徵為普世性，而不是顛覆性。人工智慧對於每行每業都有影響，人公智慧是一項可以改進生活中的不便的工具。”呂桂華說。

羅戈則表示對人工智慧抱有樂觀態度。“人工智慧能夠使用預測模型，也可設計出符合各行各業的模型以同時分析多家公司。然而在建立模型的理念上，重點並不是使用何種模型，而是如何抽取出該行業的重點資訊。”羅戈說，因此只有對於該行業非常瞭解的人才結合人工智慧技術，方能使人工智慧擁有更大的潛力。

李繼偉表示：“我認為人工智慧對人有幫助，談不到威脅。因為人工智慧並沒有真正的「智慧」，而是跟隨工程師的指示進行情境的判別。人工智慧是幫助而不是威脅。”

關於“人工智慧搶走人類飯碗”的問題，羅戈表示，自己不認為是在做使人失業的工作，而是“使效率更高、使大眾更加便捷的工作”。“在人工智慧的基礎上，需要仔細考慮傳統崗位的職業生涯是否合理，高階的職位仍舊有價值的，但是中級及以下的崗位已經可由人工智慧取代。”羅戈說。

最後，關於人工智慧創業目前所遇到的最大困難，黃柴銘表示，最大的風險在於人工智慧“不能很好的落地”，使得投資方難以迅速看到效果。若投資方無法迅速獲益，那就會迅速抽資，使得新技術、產品無法獲得良好的發展。“這個產業是技術驅動的，因此風險很高，工作環境易熱也易冷。因為目前的情況仍然是‘技術找需求’而非‘需求找技術’。”黃柴銘說。

按照智慧社會的分工，創新勞動將佔有主導地位。相應地，我們現在的人們為了適應將來智慧社會，必須提高自己的創新意識和能力。

現在市場環境在不斷的發生變化，客戶需求在不斷的發生變化，越來越多的基礎工作也可以用機器人來取代，比如現在的電話智慧機器人。你永遠不知道電話的那一頭是銷售人員還是機器人。

現在連改變的速度都在不斷的發生變化，唯有自己不斷主動求變，加快自己成長的速度，付出更多的投入和努力，因為市場競爭是殘酷的也是公平的，機會只留給有準備創造高價值的人。可能比自己優秀的人還更努力，所以一直保持危機感，向更高更遠的目標看齊，打鐵還需自身硬，只要自己能力足夠，保住飯碗不是問題！