人工智能與人類工作是當下許多人津津樂道的一個話題，而討論的重點大多是圍繞在“未來人工智能會不會搶走我們的工作”這個方面。

“人工智能”一詞經(jīng)常會讓人感覺心生恐懼和憂慮，人們畏懼人工智能所帶來的未知可能性，害怕發(fā)生像《終結(jié)者》這樣的電影中所展現(xiàn)出來的反烏托邦式情景，擔心人工智能未來某一天可能會搶走我們的工作。這種恐懼情緒并非最近才剛剛出現(xiàn)，也并不是完全沒有依據(jù)。人工智能與其他任何顛覆性技術(shù)發(fā)明一樣，由此出現(xiàn)的更快速、更高效的機器必然會取代部分人類工作者。但是，那些擔心 AI 會搶走他們工作的人其實大可不必如此緊張，因為 AI 也會催生新的工作崗位，而他們至少可以往這些新工作方向發(fā)展。

據(jù) Gartner 最新發(fā)布的一份報告指出，盡管 AI 技術(shù)將取代 180 萬個工作崗位，但同時也將創(chuàng)造出 230 萬個新就業(yè)崗位。Gartner 首席研究員 Peter Sondergaard 預(yù)測表示，AI 將強化員工的工作能力，并可能成為 2020 年的“凈工作創(chuàng)造者”。我相信，AI 與過去所有的其他顛覆性技術(shù)一樣，將為我們帶來許多新就業(yè)機會。

得益于 AI 技術(shù)的興起，以下五個行業(yè)崗位將呈現(xiàn)出顯著的增長趨勢：

1、數(shù)據(jù)科學家

數(shù)據(jù)科學家屬于分析型數(shù)據(jù)專家中的一個新類別，他們對數(shù)據(jù)進行分析來了解復(fù)雜的行為、趨勢和推論，發(fā)掘隱藏的一些見解，幫助企業(yè)做出更明智的業(yè)務(wù)決策。正如致力于商業(yè)分析和商業(yè)智能軟件的 SAS 所說的那樣，數(shù)據(jù)科學家是“部分數(shù)學家，部分計算機科學家和部分趨勢科學家的集合體”。

以下是數(shù)據(jù)科學應(yīng)用的一些例子：

Netflix通過數(shù)據(jù)挖掘電影觀看模式，了解用戶興趣，再利用這些數(shù)據(jù)來做出 Netflix 原創(chuàng)劇的制作決定。

Target 使用消費者數(shù)據(jù)來確定主要客戶群，并且對客戶群中獨特的購物行為進行分析，從而能引導(dǎo)消息傳遞給不同的受眾。

寶潔公司利用時間序列模型能夠更加清晰地了解未來的產(chǎn)品需求，從而幫助公司規(guī)劃出合適的生產(chǎn)量。

由于AI 推動了創(chuàng)造和收集數(shù)據(jù)的趨勢發(fā)展，所以我們也可以看到未來對于數(shù)據(jù)科學家的需求也將日益增加。據(jù) IBM 預(yù)測，到 2020 年，對于數(shù)據(jù)科學家的需求增長幅度將達到 28%，數(shù)據(jù)科學家、數(shù)據(jù)開發(fā)人員和數(shù)據(jù)工程師的年需求量將達到 70 萬人。其中一般的 AI 領(lǐng)域?qū)＜遥▌偺こ鲂@的博士生以及相對教育程度低一些、但是有幾年工作經(jīng)驗的專業(yè)人士，每年薪水加公司股票可能在 30 萬美元至 50 萬美元范圍內(nèi)。

2、AI/機器學習工程師

大多數(shù)情況下，機器學習工程師都是與數(shù)據(jù)科學家合作來同步他們的工作。因此，對于機器學習工程師的需求可能也會出現(xiàn)類似于數(shù)據(jù)科學家需求增長的趨勢。數(shù)據(jù)科學家在統(tǒng)計和分析方面具有更強的技能，而機器學習工程師則應(yīng)該具備計算機科學方面的專業(yè)知識，他們通常需要更強大的編碼能力。

如果你是十年前進入機器學習領(lǐng)域，那當時除了學術(shù)界之外很難找到別的工作。但是現(xiàn)在，每個行業(yè)都希望能將 AI 應(yīng)用到他們的領(lǐng)域，對于機器學習專業(yè)知識的需求也就無處不在，因此 AI 也將繼續(xù)推動社會對于機器學習工程師高需求趨勢的發(fā)展。除此之外，AI 不同垂直行業(yè)的企業(yè)，包括圖像識別、語音識別、醫(yī)藥和網(wǎng)絡(luò)安全等，也面臨著缺乏合適技能和知識的勞動力這一問題的挑戰(zhàn)。據(jù) Gartner 報告顯示，有一位首席信息官想要在紐約聘用 AI 技術(shù)的專業(yè)人才，卻發(fā)現(xiàn)人才庫只有 32 人，其中只有 16 人符合潛在候選人標準。而在這 16 人中，只有 8 人正在積極尋找新就業(yè)機會。

3、數(shù)據(jù)標簽專業(yè)人員

隨著數(shù)據(jù)收集幾乎在每個垂直領(lǐng)域?qū)崿F(xiàn)普及，數(shù)據(jù)標簽專業(yè)人員的需求也將在未來呈現(xiàn)激增之勢。事實上，在 AI 時代，數(shù)據(jù)標簽可能會成為藍領(lǐng)工作。

IBM Watson 團隊負責人 Guru Banavar 表示“數(shù)據(jù)標簽將變成數(shù)據(jù)的管理工作，你需要獲取原始數(shù)據(jù)、對數(shù)據(jù)進行清理，并使用機器來進行收集。”標簽可以讓 AI 科學家訓練機器新任務(wù)。

Banavar 繼續(xù)解釋道：“假設(shè)你想訓練一臺機器來識別飛機，你有 100 萬張照片，其中有一些照片里邊有飛機，有一些沒有飛機。那你需要有人先來教會計算機哪些圖像有飛機，哪些又沒有飛機。”這就是標簽的用處所在。

4、AI硬件專家

AI 領(lǐng)域內(nèi)另外一種日益增長的藍領(lǐng)工作是負責創(chuàng)建 AI 硬件(如 GPU 芯片)的工業(yè)操作工作。大科技公司目前已經(jīng)采取了措施，來建立自己的專業(yè)芯片。

英特爾正在為機器學習專門打造一個芯片。與此同時，IBM 和高通正在創(chuàng)建一個反映神經(jīng)網(wǎng)絡(luò)設(shè)計、并且可以像神經(jīng)網(wǎng)絡(luò)一樣運行的硬件架構(gòu)。據(jù) Facebook AI 研究總監(jiān) Yann LeCun 表示，F(xiàn)acebook 也在幫助高通開發(fā)與機器學習相關(guān)的技術(shù)。隨著人工智能芯片和硬件需求的不斷增長，致力于生產(chǎn)這些專業(yè)產(chǎn)品的工業(yè)制造業(yè)工作崗位需求將會有所增長。

5、數(shù)據(jù)保護專家

由于有價值的數(shù)據(jù)、機器學習模型和代碼不斷增加，未來也會出現(xiàn)對于數(shù)據(jù)保護的需求，因此也就會產(chǎn)生對于數(shù)據(jù)庫保護 IT 專家的需求。

信息安全控制的許多層面和類型都適用于數(shù)據(jù)庫，包括：訪問控制、審計、認證、加密、整合控制、備份、應(yīng)用安全和數(shù)據(jù)庫安全應(yīng)用統(tǒng)計方法。

數(shù)據(jù)庫在很大程度上是通過網(wǎng)絡(luò)安全措施(如防火墻和基于網(wǎng)絡(luò)的入侵檢測系統(tǒng))來抵御黑客攻擊。保護數(shù)據(jù)庫系統(tǒng)及其中的程序、功能和數(shù)據(jù)的安全這一工作將變得越來越重要，因為網(wǎng)絡(luò)開放程序越來越高。

總會需要人類的判斷

盡管人工智能可以用來加速日常工作的節(jié)奏，并且未來可能會取代一些崗位的工作人員，但相比它破壞的工作來說，它創(chuàng)造的工作更多。無論是分析、組織，還是根據(jù)數(shù)據(jù)達成可行結(jié)論，這些過程中人類的角色仍十分必要。也正是因為如此，人類在創(chuàng)造、實施和保護人工智能方面的作用將變得更為重要。

正如 Frost&Sullivan 高級副總裁 Andrew Milroy 所說：“實現(xiàn)轉(zhuǎn)型所缺少的人力資源將會降低技術(shù)采用和實現(xiàn)自動化的速度。AI 會創(chuàng)造就業(yè)機會。隨著新型、顛覆性技術(shù)的出現(xiàn)，新的高技能工作崗位也會出現(xiàn)。而沒有人類工作者，這些技術(shù)的實施是不可能實現(xiàn)的事情。”

人工智能是人類未來實現(xiàn)連續(xù)統(tǒng)一目標的一個步驟。AI 技術(shù)所創(chuàng)建的工作能夠讓生活更輕松，將人類工作者從瑣碎的工作任務(wù)中解放出來。而當前 AI 技術(shù)的傳播速度和普及趨勢在給我們創(chuàng)造更多就業(yè)機會的同時，也意味著我們面臨著一個新的挑戰(zhàn)，我們需要培訓工作人員轉(zhuǎn)向這些新職位。