1701071593
1701071594
美国劳工部发布的研究称，现在65%的小学儿童长大后，他们的工作都是今天尚不存在的。问题是，这一代该如何为未来需要的工作做准备？
1701071595
1701071596
未来的工作更多将是人和机器一起完成的，机器擅长储存大量数据和信息，但它们不擅长将信息转换成知识。因此，我有两个一般性的建议可以给年轻人（同时也给那些害怕失去现在工作的人）。第一个建议就是知识。知识显然并不等于信息，“知识”是关于罗斯福总统解决过大萧条问题的经历，以及这意味着什么。“知识”是关于乔治·沃克·布什总统发起了两次战争的故事，以及这又意味着什么。而“信息”只是机器所记录的所有美国总统的名字。
1701071597
1701071598
再比如，机器在将德语翻译成英语上已经做得越来越好了，因为有越来越多的德语书被翻译成了英文。机器可以从大量的数据中学习如何翻译，但如果明天我们发现了一种全新的语言怎么办？我们在蒙古发现了大量用从未见过的文字写成的书，机器显然对此一筹莫展，而人类的专家却可以尝试用已有的知识来破译这种新的语言，会试图找出这种语言背后的逻辑。一个翻译机器甚至连什么是语言都不知道，只不过是一个数据分析的工具罢了。
1701071599
1701071600
仅有知识也不够，因为未来的工作不仅要求你是知识的理解者和应用者，还要求你同时是知识的整合者和创造者。
1701071601
1701071602
很多传统的工作根据你学校里学到的知识和老板教给你的经验就可以持续很长一段时间，但未来更多的工作会要求你一直不断地在学习新的技术，理解和掌握新的变化，需要不断更新技能，甚至参与到工作的重新建构中去，并不断创造新的知识。
1701071603
1701071604
正如之前谈到大数据时代需要“大数据思维”时提到的，未来的创新能力和解决问题的能力将更多需要跨学科的方法，需要理解、融合多种知识的能力。“T”形人才将越来越受欢迎，即既有广博的知识面，又有较深的专业知识，集深和博于一身的人才。
1701071605
1701071606
第二个建议就是情境。人类对特定的情境有强大的理解能力，这也是机器所远不能及的。如果我问你：“图书馆在哪里？”你可能会回答“图书馆已经关门了”，或者“图书馆没有你想读的那本杂志”，又或者“图书馆在这个时间段人超级多”。这些不同的答案都是根据问话人特定的情境来做出回答的。
1701071607
1701071608
虽然机器也在情境化上不断提升，现在的很多应用都需要知道你所在的位置，众包地图Waze甚至知道实时的交谈堵塞情况。但它们在理解情境上的能力还远远不及人类，我们可以听一个人说6个小时的话，然后将这6个小时转换成一个特定的情境，机器可能只能听几个句子，然后就茫然了。
1701071609
1701071610
简单来说，如果你只是像机器一样处理你现在的工作，那很快你也会被一台机器取代。如果你现在的工作需要你调用很多知识和常识，需要你不断灵活理解和处理特定的情境，当机器取代你的工作时你会得到晋升。
1701071611
1701071612
想一下我们需要高薪聘请人类来工作的最简单的情况，即机器无法胜任时。如果机器卡机了或者因为大楼停电机器没法正常运转了，人类就需要马上接手处理，这类人将是非常有价值的。所以，最简单的是，如果你担心机器抢走你的工作，那就想一想你能否成为当机器搞不定时可以迅速接手处理的那个人。
1701071613
1701071614
[1]英文书名为Our Final Invention：Artifical Intelligence and the End of the Human Era，电子工业出版社，2016年8月出版。
1701071615
1701071616
[2]英文书名为Rise of the Robots：Technology and the Threat of a Jobless Future，电子工业出版社，2014年9月出版。
1701071617
1701071618
[3]英文书名为Race Aganist the Machine，电子工业出版社，2014年9月出版。
1701071619
1701071620
[4]英文书名为The Second Machire Age Work Progress，and Prosperity in a Time of Brilliant，电子工业出版社，2014年9月出版。
1701071621
1701071622
[5]www.a3automate.org/docs/A3WhitePaper.pdf.
1701071623
1701071624
[6]http://robotenomics.com/2015/09/16/study-robots-are-not-taking-jobs/.
1701071625
1701071626
[7]英文书名为Humans Need Not Apply：A Guide to Wealth and Work in the Age of Atifical Intelli-gence，浙江人民出版社，2016年4月出版。
1701071627
1701071628
1701071629
1701071630
1701071632
人类2.0：在硅谷探索科技未来 警惕人工智能真正的危险之处
1701071633
1701071634
人工智能真正的危险是什么
1701071635
1701071636
人工智能不会控制和杀死人类，也不会让我们失去工作。但我真正担心的是，如今我们制造的机器人是在模仿人类理性的“机器思维”，而不是先天的“符号思维”。简单来说，这种差别就好像人类遇到灾难时会向神灵祈祷，或者围着火跳舞（以此驱逐厄运），而一个快没电的机器人永远不会这么做。
1701071637
1701071638
这为什么很危险呢？我们从何为“符号思维”与“机器思维”说起。
1701071639
1701071640
美国哲学家苏珊·朗格（Susanne Langer）1942年写的一本《哲学新解》（Philosophy in a new key）是对我影响最大的书之一。朗格的理论是，人类是符号的动物，我们一直在创造看起来跟“适者生存”原则背道而驰的庞大的符号体系。所有人类文明中广为传播的各种仪式、礼制及巫术等都是一种符号活动，如果从其他动物的视角来看，这些根本毫无意义。一些部落里的人们围着火跳舞，以此祈祷某事发生，动物可不会这么做。当动物想要一起繁育后代，它们直接进行繁殖即可，人类则需要精心准备婚礼，新人们通常需要在众多宾客前完成繁杂的程序。
1701071641
1701071642
创造一种符号一定有某种目的，但就人类来说，我们简直毫无止境，我们根本停不下来，我们的头脑不断在创造庞大的符号体系，很多时候是为了创造符号体系而创造符号体系。
[
上一页 ]
[ :1.701071593e+09 ]
[
下一页 ]