AI先行下的個人發展與變革

胡玉晶 王雪情 黃穎

摘要：本文探討了AI的定義，論述了目前AI走進多處領域的真實應用場景，并與商業模式緊密結合的6個模式中發揮的價值。由于AI在發揮價值的同時減少了部分產業對人力勞動的需求，從而產生了對勞動力的替代效應，但同時AI化浪潮打開了全新的維度，造成行業間的創新，開辟新的就業空間。人類發展以及教育體制對此需要作出變革來更好地適應AI的到來。

關鍵詞：AI定義；AI模式應用；替代效應；行業創新；個人發展變革

★基金項目：本文得到江蘇省教育科學“十三五”規劃項目“交互式情境化微課教學改革方案研究”（D-2018-01-61）以及2019江蘇省大學生本科創新項目“人工智能技術發展對勞動者就業影響的調查研究”項目支持，編號：201910289088Y。

1、AI是什么

人工智能之父——艾倫·圖靈（Alan Turing）1950年提出了圖靈測試，第一次引出人工智能概念。1956年，達特茅斯討論會上提出“學習和智能的每一個方面都能被精確地描述，使得人們可以制造一臺機器來模擬它”[1]。進入21世紀，計算機性能提升以及網絡的迅速發展為AI的發展提供了必要的基礎條件，人工智能這一探討了許久的領域又重新引發了全社會的關注。

那么逐步走向人們視野的人工智能究竟是什么？AI發展歷程中曾歷經多次定義轉變，AI從不可思議的計算機程序，到與人類思考方式相似的計算機程序，再到與人類行為相似的計算機程序，到如今被定義為會學習的計算機程序[2]。很多哲學家為了AI的定義而展開了激烈的辯論，如仿生學家傾向于AI能遵照人類思維里的邏輯規律進行思考，實用主義者又會反對形而上學的定義，注重從實用性能定義AI。但不可否認的是，最后一個定義是在最近的人工智能熱潮里，AI在人類眼中最貼切的模樣。谷歌人工智能軟件“阿爾法狗”憑借深度學習的能力，戰勝了世界圍棋冠軍李世石。人類的智慧與能力離不開持續地學習， AI也是通過學習人類經驗數據，模擬人的動作與行為，以此解放人類的雙手。現在的AI以“無學習，不AI”為研究的主要指導思想。或許在將來，AI能突破人類主導意識，自主決策。

2、AI模式應用

在人工智能浪潮里，AI走進多處領域的真實應用場景，如自動駕駛汽車、預測分析應用程序、人臉識別，聊天機器人、虛擬助手、認知自動化和欺詐檢測等。AI走進這些領域，并與商業模式緊密結合，在產業界發揮出巨大的價值。

然而，不管AI的應用如何，這些應用都存在共性并可歸類到六個模式中，即超個性化、自主系統、預測分析和決策支持、會話/人機交互、識別系統和目標驅動系統六個模式。無論在什么領域的真實應用場景中，AI都遵循自己的標準規則集，分別應用或組合應用這六個模式來解決特定的問題。

2.1 超個性化模式

在馬云的商業王國里，淘寶平臺基于超個性化模式，將每個客戶視為個體，使用機器學習每個個體的瀏覽記錄與購買記錄，并進行偏好預測，從而提供個性化推薦[3]。

超個性化的實現不僅限于營銷行業，它還出現在金融、醫療保健、個性化健身和健康應用等行業。例如，支付寶推出螞蟻信用貸款，其針對個體的信用度，評估還貸可能性，從而可制定相應的貸款額度。

2.2 自主系統模式

自主系統是在最少的人際交互情況下，能夠獨立感知外部世界，并完成任務的系統。如人們在電商平臺下單后，訂單傳輸到倉儲WMS系統中，隨后進行貨物的揀選。在設施規模一般的物流公司，可采用螞蟻揀貨法（人到貨模式）提升揀貨效率。若引進人工智能機器，可利用搬運機器人實現貨物從存儲區到揀貨臺以及揀貨臺到打包臺的自動搬運。在貨物周轉的過程中，人的作用便是手動分揀與打包。這樣一種貨到人的工作模式，減少了對手工勞動的需求，并提升了工作效率。

2.3 人工智能助力預測分析和決策支持

機器可通過深度學習或其他認知方式來理解過去或現有的行為，幫助人類預測或決定未來的結果。在這種模式下，深度學習和大數據密不可分。有足夠的數據作為人工智能深度學習的輸入，人工智能就可以學會以往只有人類才能理解的概念或知識，然后將之應用于未知的新數據上。如教育機構擁有海量的課程教學數據，人工智能通過深度學習這些數據，可以更好地幫助教師發現教學中的不足，并針對每個學生的特點加以改進[4]。

在金融學領域，也擁有大量的客戶數據。基于大數據的深度學習，人工智能可以更好地對員工進行風險防控，對客戶進行精準營銷，以及幫助廠商預測銷售情況，做好提前進貨的準備等。

2.4 會話/人機交互

大型企業的售前咨詢與售后服務環節擁有大規模的客服語音和文字數據，人工智能通過深度學習這些數據足以被訓練成為自動客服員，在人工客服忙碌或者非營業時間上線，給予客戶更好的咨詢服務。如目前平安壽險已經上線的人工智能客服——金管家AskBob，融合了在線復雜業務辦理和服務咨詢功能，以及專家級智能保險顧問功能，可為客戶直接提供在線復雜保險業務辦理。其業務辦理成功率較傳統模式提升了3倍，時長由傳統3天降至最快1分鐘，給客戶帶來極其便利的消費體驗。

2.5 識別模式

人工智能識別模式的一個應用為識別現有模式并發現異常；它通過深度學習模式中的數據，識別現有模式機理，并學習新的數據點之間的高階連接，將它與現有模式相比較，找出與現有模式中匹配或不匹配的數據。

這種模式的應用包括預測文本，它可以分析語法中的模式，幫助提出選擇哪些單詞的建議，幫助我們更好地修改文章、改進文章質量。

人工智能識別模式的另一個應用是通過深度學習來大大提高與識別相關的任務的準確性，如圖像和對象識別、面部識別、音頻和聲音識別、分類和鑒定等。這也是人工智能最核心的能力。從具體應用的角度來說，該模式通過設定的輸入可輸出正確答案，如：輸入人的照片，識別出是誰；輸入說話的音頻信號，輸出說話內容；輸入患者的醫療影像，輸出疾病的原因和性質；輸入用戶過去的購買記錄，輸出相應的產品推薦；輸入一只股票過去的價格和交易信息，輸出未來的價格走勢；輸入圍棋對弈中當前的盤面形勢，輸出各處落子的勝算等。

識別模式是一種開發良好的模式，在各領域中幫助簡化工作。如人工智能通過學習成千上萬張人臉圖片，掌握認識和分辨人臉規律后，便可以幫助警察識別罪犯，完成了以往需要數萬名警察合力才能完成的任務[5]。識別模式具有很大商業潛力，是人工智能非常擅長的，并已經得到了廣泛的應用。有許多公司已經在識別系統上投入了巨資。如資金最充足的人工智能公司之一Sensetime公司正專注于人臉識別應用，中國政府正在大力投資采用這種模式[6]。

2.6 目標驅策系統

機器尤其擅長學習游戲規則，以Alpha Go為例，從它的問世到進入大家視野以來有三個版本。一是5：0擊敗樊麾的內測版本；二是4：1擊敗李世石的版本；三是它的改進版——Master戰勝了當時世界第一的棋手柯潔的版本[7]。這三個版本的學習不斷迭代，從而達到目標驅動系統的模式。但游戲并不是目標驅動系統的唯一可能性，該模式的應用還包括資源優化、迭代問題解決、投標和實時拍賣等[8]。

3、AI對勞動者的替代效應

AI走進多處領域的真實應用場景，發揮價值的同時減少了部分產業對人力勞動的需求，從而產生了對勞動力的替代效應。人工智能的替代效應分為三個階段，在第一階段，機器將人們從繁重的體力勞動中解放出來，人們的職場轉向辦公室，工作不再危險和繁重，卻變得枯燥和乏味[9]；在第二階段，從事事務性工作的腦力勞動者開始受到沖擊，例如秘書、打字員、銀行柜員以及電話客服等；在第三階段，機器日益智能化，開始逐漸滲入決策工作。

在銷售業，人們可以通過掃描二維碼自動付款的方式進行商品結賬，于是結賬收銀員的工作逐漸被取代。亞馬遜已經開始小規模運營人工智能、無人結賬的超市，客戶通過使用智能手機支付購物籃中的商品。在制造業，自2000年以來，由于工業機器人的全球崛起，已有170萬個制造業工作崗位被淘汰，在中國，已有多達55萬個制造業崗位因機器人化而被取代，相當于目前制造業勞動力數量的1%左右。據牛津經濟研究院最新報告表明，世界上平均每個新安裝的機器人可取代1.6名制造工人，預計到2030年，全球有多達2000萬個制造業工作崗位將被機器人取代[10]。

但是人類與人工智能的關系不同于人與機器以及人與智能機器，他們之間的關系是更為復雜和有粘性的。首先人類同機器的關系永遠是制造與被制造，支配與被支配，使用與被使用，在智能世界里邊目前能承載的關系就是這樣的。而人工智能不等同于智能，可被支配，無自我意識。真正的人工智能是具備通用性的學習和實踐能力的，也就是與之接觸和搭配的人和物都會變得更智能，在這個過程中，人類制造人工智能是前提，能提供的功能與服務的場景也是既定的規則與限制，即人工智能的發展需要有一些規則規章來保護。

人工智能雖然具備人類思維的部分能力，能在各個場景實踐中體現超乎人類的協作能力，并在有效的人類工作協同中，延伸人類的大腦，擴大人的智能，放大和代替人類腦力，作用不可估量。但人工智能同時也是人類的功能性主導產物，情感意志等方面無法匹敵人類，所以不會完全替代人類[11]。

4、AI引起的產業創新

第一次工業革命中，蒸汽機和紡織機的出現迫使農民和手工業者成為廉價工人。短期來看，第一次工業革命對這些人造成了殘酷的傷害，但從歷史長遠角度，對生產力的提高造成了巨大的貢獻。而那些因現代機器的出現而被迫離開傳統農業和傳統手工業的勞動者，在現代工業生產或服務業中找到了新的就業機會。第二次工業革命中，汽車取代了馬車，與馬車相關的一系列工作鏈都遭到了威脅，如馬匹飼養者、馬車夫、馬車商等。但新興起的汽車行業，在公眾普及后對汽車設計、汽車制造、汽車維修等一系列工作崗位需求巨大，創造出的產值和工作機會遠遠超過馬車行業。由此可見，科技革命雖然造成部分工作崗位的淘汰，但同時開辟了許多新的就業機會。大多數情況下，崗位不是消失了，而是轉變成了新的形式。

同樣當前AI化浪潮傾向于生產力提高和經濟增長，對部分勞動者產生了替代效應，但是它在取代工作崗位的同時打開了全新的維度，造成行業間的創新，創造了新的就業空間。

這些就業機會有兩種形式，一種是原來工作行業內部的工作轉變。如ATM機取代了銀行出納員的收付賬職能，但是據調查，美國全職銀行出納員的數量先是下降，隨后逐漸回升，并超過了原先出納員的數量。因為這些人不再是幫忙存款和收款，他們現在成為銀行各類業務的銷售員，因此需求量反而增加。而另一種是跨行業的工作轉換，也許未來會比較常見，如當銀行業不再需要這么多客服人員時，他們可以轉移到服務行業等人類情感意志主導，需要人與人直接交流的工作。

5、個人發展與變革

在人工智能時代，重復性的、程序化的技能價值最低，幾乎完全可以由機器來完成；而那些基于經驗的常識判斷能力、基于自身情感與他人互動的能力、審美能力和創造能力等以人類情感意志為主導的工作是很難被取代的，如演員、藝術家、音樂家、建筑師、護理工作者等。在AI成熟發展的未來，這些工作會成為稀缺并受人尊重的職業，能夠吸引更多轉型人員。

人類歷史上自古以來的協作分工，基本遵循著正金字塔的結構模型。在現代商業體系中，處于金字塔頂層的少數的政治家、經濟學家需要為整個經濟活動的總體布局指示方向；稍下層的企業家則需要設計最符合自身企業需求的商業模式；這樣逐級向下，最底層的是從事簡單勞動的大多數人。事實上，若最低端人群從事的是非標準化的工作，本身對他們支出的成本就較低，他們往往難以被取代，因為優化底層勞動者需要支付更高的硬件能本。相反，對于處于一定的管理層級，但從事的是軟性技術和流程方面活動的工作者往往工作易被自動化，如醫院的放射科醫師將來會被自動化技術取代。因此，即便是在金字塔中頂層的人，面對AI技術的沖擊，也需要重新適應，如醫療影像系統能自動完成一些醫學影像的分析，醫生必須適應與AI共同協作以提高診斷效率等。

因此，面對AI的發展，金字塔層級中享受了更高收益，但是增值率較低的中間階層會首先受到沖擊，取消了大量的中間代理人后，金字塔體系將變得更加扁平。杰瑞·卡普蘭曾提出一個解決AI帶來的工作轉換問題的方法——工作抵押。本質上，這種方法是由政府、教育系統和雇主聯合提供保障的再培訓機制。當雇主希望使用AI替代人時，必須為他提供免費再培訓的機會，并在培訓結束后，為雇主工作一段時間。而這里的工作，是指不需要大量訓練也很難被自動化的工作[12]。如司機被自動駕駛汽車替代后可重新培訓成為按摩工作者，這個技能是比較容易掌握的，且未來自動駕駛汽車普及后，人們沒必要買車，可將省下來的錢用于享受按摩服務，因此按摩師的需求量就大大增多了。也就是說，金子塔結構更多的是在現有基礎上進行內部調整。被調整的人不必勉為其難地從事更為復雜的決策和創作工作。因此，AI的發展可能會改變金字塔的社會分工，但是會使金字塔的結構更加高效和穩固。

對部分學習技能強的人，可以選擇用多種技能武裝自己，成長為復合型人才，這樣即使面對AI沖擊的調整，這些人也能很快適應。如谷歌內部的技術團隊，大多采用扁平化管理，每個人職能靈活多變，能快速學會新的技能，并迅速適應新的崗位。如技術管理者同時也是軟件開發者，代碼工程師同時也參與技術決策，因此，AI團隊無論做什么轉型，都有合適的人員分配方式，這樣，受到的AI的沖擊也會較小。而這樣的人才管理體系在AI的發展下會越來越普及[13]。

但是，人才的成長結構也是一個金字塔模型，先要從初級工作做起，經過不斷的學習和經驗累積，才能勝任中層管理者工作，最后以至高級管理者的工作。若AI直接取代了初級工作，那么人才豈不是少了發展所必需的磨練？因此，當前教育體制也需要變革，需要從小注重高端教育，重視復雜培訓、創造力培養的機會，從而未來可以培養出更多技術人才、藝術人才、管理人才等。而職業教育更應注重培養人機協作的技能，拓展服務行業的人才培訓[14]。

如此才能更好地適應金字塔體系，并隨著社會協作分工的調整，快速靈活地調整人才需求體系，更好地面對AI的完全到來。

6、總結

AI目前逐漸走進多處領域的真實應用場景，并將之與商業模式緊密結合，在應用的6個模式中發揮出巨大的價值，同時減少了部分產業對人力勞動的需求，造成了對勞動力的替代效應。但不是所有工作都會被取代。那些基于經驗的常識判斷能力、基于自身情感與他人互動的能力、審美能力和創造能力等由人類情感意志主導的工作是很難被取代的。AI化的浪潮打開了全新的維度，造成行業間的創新，開辟新的就業空間。當AI沖擊初級工作者的崗位后，他們也不必勉強自己去做高級的決策、分析、藝術類等工作，可以從事一些服務行業中新的需要較少的培訓便能很好掌握技能的工作。而學習技能強的人才可以通過不斷地學習，即使AI帶來崗位調整也能很快掌握新技能，適應新工作要求，由此減弱AI的沖擊。另外，高級工作者也必須學習新技能，更好的利用新技術，去適應AI的協作，來推動社會的進步。

除此以外當前教育體制也需要變革，需要從小注重高端教育，重視人得到復雜培訓、創造力培養的機會，未來培養出更多的技術人才、藝術人才、管理人才等。而職業教育更應注重培養人機協作的技能，拓展服務行業的人才培訓。這樣才能更好地適應社會金字塔體系，并隨著社會協作分工的調整，快速靈活地調整人才需求體系，更好地面對AI的完全到來。

參考文獻：

[1] 譚營.人工智能的研究現狀與創新發展方向[J].國家治理，2019（07）：29-33.

[2] 李開復，王詠剛. 李開復：到底什么是人工智能[J]. 科學大觀園， 2018（2）.

[3] 趙廣雷. 基于協同過濾的電子商務推薦算法的研究[D].貴州師范大學，2016.

[4] 劉濤.以人工智能引領高校學生思想政治工作變革探究[J].四川省干部函授學院學報，2018（01）：51-53.

[5] 欒潤生，劉國防，王超強.動態人臉識別在偵查工作中的應用[J/ OL].中國刑警學院學報，2019（05）：122-128[2019-12-09].

[6] 中商產業研究院.2017年中國人臉識別重點企業研究報告[R]. 2017.https：//doi.org/10.14060/j.issn.2095-7939.2019. 05.017.

[7] 劉步青.人機協同系統中的智能遷移：以AlphaGo為例[J].科學？經濟？社會，2017，35（2）：73-77.

[8] Forbes China. 人工智能的7大應用模式[OL].[2019-09-18]. http：//www.forbeschina.com/technology/44331.

[9] 竇育民，李富有.正常商品的替代效應與收入效應研究[J].西安石油大學學報（社會科學版），2012，21（06）：31-36.

[10] Adrian Cooper.How Robots Change the World[R]. OXFORD ECONOMICS JUNE 2019.

[11] 陶鋒.創造性與情感：人工智能美學初探[J].中國圖書評論，2018（07）：26-34.

[12] 謝發徽.圖書館技術人員的職業發展危機與對策探析[J].漳州職業技術學院學報，2017，19（01）：96-99.

[13] 高士娟，曹恒來.《人工智能初步》教學設計[J].中國信息技術教育，2018（24）：39-41+62.

[14] 李開復談AI：不接受“AI+概念”的公司將被顛覆[J].信息與電腦（理論版），2017（04）：6-10.

作者簡介：

胡玉晶，江蘇科技大學張家港校區商學院，研究方向：物流管理。

王雪情，江蘇科技大學張家港校區商學院，研究方向：物流管理。

黃穎， 江蘇科技大學張家港校區商學院副院長，研究方向：物流與供應鏈管理。