少有人走的路
若某人想看看哪些工作容易被取代，然后选择不容易被取代的工作来学习，恐怕他只会从一次失业潮跳到另一次失业潮
目录
AI 到底取代了什么
AI 如何改变行业
李世石 vs 阿尔法
AI 与 艺术
AI 与 医疗、学术
如何避免失业与保持竞争力
正文
一、AI 到底取代了什么
2016、2017 是人工智能最火的两年，投资者疯狂涌入，大批人工智能 (AI) 公司兴起，会用卷积神经网络 (CNN) 和 LSTM 的小王拿到了高薪，各种 AI 培训的传单也开始漫天纷飞。然而当人们还在热捧“应届生年薪50万”时，95% 的 AI 创业公司正陆续死亡。与此同时李开复、刘庆峰等众多行业大佬也都在今年纷纷表示 AI 创业正迎来倒闭潮。
可这些公司明明做的是号称要取代所有工作的 AI，为什么会有如此高的死亡率？虽然因素众多，但大家都指出的是：很多 AI 创业公司在用 AI 技术来找需求。再直白点说：他们根本不知道自己要做什么，因为 AI 技术并没有创造工作，只是更新了工具。
例1：曾经人类靠锄头耕种，后来靠牲畜，再后来靠机械，工具变得越来越高效，但不管工具怎么变，对农作物的需求没变。
例2：曾经人类靠物品交换物品，后来利用纸币，再后来利用信用卡、微信，虽然工具越来越方便，但商品交换的需求从来没变。
例3：现在人类对数据的需求产生了给数据上 label 的新工作，反而让很多残疾人士也能有较好收入。
所以工作是随需求的改变而改变的，需求不变则工作不变。但工作所使用的工具会更新，
未来真正危险的，真正会被 AI 取代的并非哪个行业的工作人员，而是行业里那些依赖单一工具的工作人员。
哪怕掌握的工具是最先进 AI 也一样危险，甚至可以说更危险。因为科研人员就在不断更新自己发明的工具，越先进的工具往往是越被投入更多的资金来研发，所以更新的速度最快。今天最先进的技术很有可能就被明天的某篇论文里的方法完全取代。不管怎样都不要让自己陷入依赖单一工具的局面，否则就只会从一次失业潮跳到下一次失业潮。
例1：小王当初拿高薪的代价是掌握的工具是最先进的，而要想持续获得高薪就需要不断的学习来保持先进。真正拿高薪的人不是因为掌握某个技术，而是拥有持续跟进先进技术的学习能力。
二、AI 如何改变行业
三十年前，计算机也被视为一个新兴行业，但现在人们早已意识到计算机其实是一个更新了所有行业效率的工具。现在所有行业都用计算机，人人都用计算机。确实也有一批人类被取代了，但并不是计算机取代了人类，而是利用计算机的人类取代了没有计算机辅助的人类。如下面截取所述：
没有利用人工智能的人类会被取代
如今人们对 “AI 取代工作” 的担忧与人们在互联网时代初对 “计算机取代工作” 的担忧一模一样。可事实是，人工智能时代初的情况也与互联网时代初的情况完全相同：
不是人工智能取代人类，而是利用人工智能人类在取代没有利用人工智能的人类。
造成这种不同于过去的恐慌是因为太多不负责的媒体宣传让民众误以为现在的 AI 有自主意识。
1. 李世石 vs 阿尔法
李世石与阿尔法的人机大战可以说是人工智能的引爆点，媒体都将人机大战解读为“人类输给了机器”。但是最初开发阿法狗的黄士杰博士从小就可谓是围棋天才（曾获大专杯围棋赛冠军）。而随后加入团队的又有神经科学、哲学、计算机等众多领域的专家，每个人都熟知围棋规则，知道该如何设计阿法狗（再说的直白些，语音识别也好，计算机视觉也好，自然语言处理也好，那些AI专家本身就是某个领域的专家）。这哪里是人类输给了机器，这分明是不用 AI 的李世石被利用 AI 的一个团队给“欺负”了。不禁让人想起高考没带计算机的可怜考生。虽然 AI 称霸棋界，但依然不会影响人们对围棋的爱好，正如我们明知道飞机汽车完爆人类但依然有奥林匹克运动会一样。AI 非但没有取代行业，反而是给行业带来了更好的老师（阿法狗教学系统）
2. AI 与 艺术
虽然媒体和培训机构动不动就出一个“AI 取代插画师”、“AI 取代医生”的标题，怒怼所有行业。但能实现生成图片、创造音乐、转移风格的都是需要人类控制的 AI 技术，到时候谁来决定如何利用生成的内容？靠程序员的直男审美力吗？当然要靠艺术家。将来 AI 公司研发出的这些技术卖给谁？当然还是艺术家。Adobe 的软件每次都会更新更自动的工具 (可以查看 AdobeMax 大会的新功能) 逐渐的包括 AI 工具，从《1张图自动生成10000套方案》中就可以看到未来 AI 对艺术家到底有什么影响。AI 绝不会取代艺术家，而是能极大提高艺术家效率的工具。再说，谁也没规定插画师不能学习 AI 技术，生成下面图片所用的技术非常简单，只要 5 分钟我就可以教会你。
Style Transfer 技术生成的图片
就算将来 AI 生成的片段可以完美符合质量要求又能怎样？这也只是意味着艺术家不必再辛苦制作这些能被 AI 生成的内容，可将精力转到其他的创作部分当中。
例1：目前的视频剪辑需要创作者消耗大量的时间来观看相关视频，现在已经有了AI 自动剪辑技术，可以允许创作者把时间放在内容的构思上，不用再机械的重复观看。
3. AI 与 医疗、学术
对于医疗这个庞大的系统，AI 可赋能的方式众多：虚拟助理、病例分析、医疗影像诊断、药物研发等。由于卷积神经网络 (CNN) 对图像处理的固有优势， 加上数据量的支持，使得 AI 对医疗影像诊断有更高的精准度。比如中国团队在《cells》上发表论文，称其主研发的精确诊断眼病和肺炎两大类疾病的人工智能（AI）工具，它的总体准确度达到了96.6%。但这就好比体温计、MRI 可准确测量病人的某项指标一样，只是提高了一个信息的精度。别忘了，医生的工作远不止于看医疗影像这么简单，诊断需要结合多方面因素进行综合判断，还有开药、手术、住院等复杂决策。看看培养一名合格的医生有多难就知道“AI 取代医生”一说真的是炒作过度了。
不要认为医疗只有影像诊断
不过利用 AI 的医生与不利用 AI 的医生确有天壤之别。你我都知道这是一个信息爆炸的时代，每年都有无数论文发表，没有任何一个人类可以在有生之年看完所有文献来挑选出对自己研究有用的信息，我想每个做科研的人对此都深有体会。但如果有 AI 来帮助快速阅读从所有文献中找出相关研究，提高搜索效率，将会对研究员的工作带来空前的帮助。
三、如何避免失业与保持竞争力
AI不是在取代任何行业，而在改变所有行业。想要避免失业就需要如开篇所说，不要让自己成为依赖单一工具的人，而要成为利用 AI 来提升工作效率的人。如今造成失业潮的原因是人们还停留在曾经的工作模式中。由于过去的环境变化速度较慢，人们学习一项知识，即可工作终身。但在高速发展的今天，需求和工具都在不停的变换和更新，想要保持自己价值，只有适应当代的工作模式，半生学习变为终身学习。
但恐怕很多人会说，AI 那么难，又需要数学，又需要编程的，自己从没接触过，不可能学会。然而很多人都忽略了一点：研究 AI 和使用 AI 是完全不同的工作。研究 AI 非常难，但是使用 AI 却很简单。
例1：史上第一台计算机 ENIAC 占地约 170 平方米，重达 30 吨，当时的专家们可能做梦都不会想到未来不到 60 年的时间里，计算机已经成为了日常家电。尽管多数人并不知道计算机内部结构和工作原理，但这丝毫不影响他们对计算机的使用。一项技术之所以难是因为人们并没有充分理解，而当技术被充分研究之后，则会有越来越简单的工具被制作出来。
人工智能也是如此，最初的深度学习没有什么工具包，后来才有了 theano，tensorflow 等框架，当时二者的学习曲线也都十分陡峭。不过随着行业的成熟，有了像 caffe、pytorch、tensorflow、keras、MXNet 等框架。只支持静态图的 tensorflow 随后也出了eager execution 这种更简单的动态图框架。而且有关 AI 技术的所有付费培训都可以在网上找到免费的版本。最近更是出现了 AutoML 和 AutoKeras 这种自动选择模型和调参的框架，无需 AI 知识，只需要数据即可。这种趋势会一直发展，以至于将来每个行业的人员都可以轻松使用 AI 提升工作效率。重要的甚至都不再是学会如何应用 AI 技术，而是知道 AI 到底能做什么，不能做什么。在这种 AI 技术门槛逐渐降低的状况下，我们究竟该如何保持自身的竞争力？
恰恰不是转行 AI 领域，反而是应该专注自己所擅长领域，终身学习新工具，思考如何更好的将 AI 技术与自己的行业结合。
上面只分析了一个人对未来应该采取的措施，却从没说过这会是一件容易的事情，因为即使没有 AI 也总有人会代替我们。一切的竞争力都建立在学习能力之上，如果没有学习能力，上面的一切都将无法做到，没有人会替我们走这条路。让我们现实一点，所谓的“享乐时代”会不会到来？如果某人对团体没有价值，那么团体为什么要收纳该人？
有人可能会因此丧气，觉得自己的一生完了，因为自己在学校就不擅长学习。但这完全错了，计算机是模拟机器，可人类却是天生的学习机器，学习能力是融入我们血液之中的。所有的人都告诉我们要持续学习，可从没有人告诉该如何正确学习。之所以觉得自己不擅长学习是因为多数人完全用错了自己的大脑。
