人工智能在未來能徹底取代腦力工作者嗎
人工智能在算法等問題上可以看到已經(jīng)有可以超越人的地方，比如之前的阿爾法也是這樣的。但那種需要靈感，需要創(chuàng)造力和想法的工作，他們是否能夠取代人類獨立完成呢?比如教育工作者，藝術(shù)工作者等等。
知乎用戶回答留德華叫獸
156人贊同了該回答
編者按：
坐標德國某車廠研發(fā)部
背景應用數(shù)學本科，美國運籌學碩士，德國數(shù)學與計算機博士(組合優(yōu)化、圖像處理方向)
目前從事自動駕駛?cè)斯ぶ悄芩惴ǖ难邪l(fā)，可以說是人工智能的一線研發(fā)人員
雖說自己在AI風口之一的自動駕駛領(lǐng)域，并且自動駕駛替代(出租車)司機早已被提上了議程(預計2021年試行)
AI自動檢測圖片中的行人、汽車、交通標志等
但是，自動駕駛替代的畢竟不是腦力工作者
因此，本回答主要以安防系統(tǒng)、醫(yī)療和教育三大AI應用領(lǐng)域展開討論。
1.人工智能發(fā)展現(xiàn)狀
隨著Alphago擊敗柯潔，人工智能(AI)已經(jīng)深入到人類生活的各個角落，再也沒有人能否認自己的生活和人工智能無關(guān)。AI的核心問題包括建構(gòu)能夠跟人類匹敵甚至超越人類的推理、知識、規(guī)劃、學習、交流、感知、移動和操作物體的能力等。目前在一些視頻辨識、語言分析、棋類游戲等方面，AI的能力已經(jīng)超越人類的平均甚至最高水平(圍棋)。
AI存在著這樣那樣的缺點，例如Google Photos誤把兩名黑人標注為“大猩猩”。 谷歌隨后對此道歉，并表示將調(diào)整算法，以修復這一問題。
圖像識別，正確率已超人類(黑人識別成猩猩除外)
2016年5月，一輛特斯拉Model S型轎車在佛羅里達州一條道路上撞上前方一輛拖掛車，駕車人死亡。當時，那輛車同樣是在自動輔助駕駛狀態(tài)下行駛。經(jīng)過調(diào)查后顯示事故的主要原因是 “在強烈日照條件下，駕駛員和自動駕駛都未能注意到拖掛車的白色車身，因而未能及時啟動剎車系統(tǒng)。由于拖掛車正在橫穿公路，而且車身較高，這一特殊情況導致Model S從掛車底部通過時，前擋風玻璃與掛車底部撞擊”。 AI系統(tǒng)的缺陷直接導致駕車人死亡。
個人認為雖然AI制造過致命的錯誤，也阻擋不了歷史前進的腳步。下圖統(tǒng)計了 Scopus 學術(shù)論文庫中標注關(guān)鍵詞「人工智能」的計算機科學論文數(shù)量。自 1996 年至今，每年發(fā)布的人工智能論文數(shù)量呈單邊上揚趨勢。由此可見，在學術(shù)界AI已經(jīng)成為顯學。
被受學術(shù)界追捧的AI無疑是一個熱門的研究方向，但一個好的研究方向是否有很好的應用前景?風險投資是對新技術(shù)的落地應用前景嗅覺最敏感的，而創(chuàng)業(yè)公司是新技術(shù)應用的開疆拓土的前驅(qū)者。下圖列舉了得到風險投資并開發(fā)了人工智能系統(tǒng)的美國活躍創(chuàng)業(yè)公司的數(shù)量：
這一數(shù)量自2000年至今增加了14倍。由此可見，AI的研究不僅在學術(shù)界產(chǎn)生了巨大的影響，在業(yè)界也帶來了巨大商機。風投和創(chuàng)業(yè)公司已經(jīng)紛紛涌入，真金白銀的投入將對AI的應用起到助推作用。
看到AI在學術(shù)界和業(yè)界都有很好的發(fā)展前景，我們會產(chǎn)生一個問題：當前的AI發(fā)展到什么程度了，有哪些工作是AI可以輕松勝任的?文章的后邊幾個章節(jié)分別通過AI在安防系統(tǒng)，醫(yī)療，教育，金融等領(lǐng)域的應用實例來進一步說明。這里我們先給出一個概述。
1 針對領(lǐng)域規(guī)則明確單一的，例如中國象棋，國際象棋和圍棋，棋類運動規(guī)則非常明確，難度在于如何減少暴力計算而進行有效的搜索。圍棋的搜索空間要比國際象棋大的多。
2 針對領(lǐng)域規(guī)則不太明確，人類可以比較輕松的完成的任務(wù)，例如聊天，語音識別等等。自然語言的規(guī)則是不清晰的，沒有類似棋類那些既定的規(guī)則，自然語言有太多的特例。由于深度學習，大數(shù)據(jù)的突破，AI在這個領(lǐng)域已經(jīng)有了接近和足夠匹敵人類的水平。例如語音識別，文本翻譯等等。目前大量的初創(chuàng)公司都集中在這些領(lǐng)域。這一領(lǐng)域?qū)⒋蟠蟾淖兾覀兡壳暗纳睿窨头?，教師，低級的翻譯工作，同聲傳譯，初級程序員，簡單的音樂創(chuàng)作。
3 AI相對來說就是垂直領(lǐng)域，而不是廣泛領(lǐng)域。越狹窄的領(lǐng)域越好，因為這樣有助于系統(tǒng)在特定問題或應用層面上取得突破。雖然機器可以在某一特定任務(wù)上展現(xiàn)出其卓越的性能，但只要任務(wù)稍加改變，其性能就會嚴重下降甚至完全失效。
2.安防系統(tǒng)，醫(yī)療和教育三大AI應用領(lǐng)域
AI安防系統(tǒng)
安防系統(tǒng)本身就擁有海量的數(shù)據(jù)，為模型的訓練提供了充分的數(shù)據(jù)，可以說安防系統(tǒng)是AI得天獨厚的應用場景。AI安防系統(tǒng)主要分為警用和民用兩大類。
警用主要是疑犯追蹤系統(tǒng)。基于人臉識別技術(shù)，對長途客運站、***等公共場所進行監(jiān)控，將視頻中的人臉與疑犯數(shù)據(jù)庫進行比對，一旦疑犯在人群中被識別出來即刻報警。這就大大減輕了管理人員的工作負荷，提高了抓捕效率，增加了城市的安全性。同時先進的AI技術(shù)不單單是簡單的進行人臉的對比識別，還可以迅速的通過監(jiān)控視頻給出畫面里，所有人的信息，包括年齡，身高，性別等特征信息，有助于警方掌握更多的關(guān)于犯罪嫌疑人的信息。像Face++、商湯科技 這樣的AI公司，他們研發(fā)的人臉識別算法和系統(tǒng)已經(jīng)可以超越人類的水平，誤識別率低達百萬分之一。
基于車輛識別技術(shù)，目前的車輛識別技術(shù)已經(jīng)不僅僅局限于對車輛的車牌進行識別，車的大小，車的型號等特征進行識別。例如現(xiàn)在較為先進的AI安防系統(tǒng)可以識別視頻里的動態(tài)過程，例如打人、危機沖突等異常行為。因為視頻的識別需要消耗的人的成本特別高，需要很多工作人員盯著每個屏幕看，并且在海量的視頻里邊人眼其實很難保證注意力的時刻集中。而一些犯罪過程或意外情況往往轉(zhuǎn)瞬即逝，因此AI技術(shù)在這個領(lǐng)域是有巨大優(yōu)勢的。
民用的AI安防系統(tǒng)，我們平時已經(jīng)接觸了不少，例如平常經(jīng)常用到的人臉刷卡，人臉門禁系統(tǒng)等等。此外，民用安防還有一個重要的應用場景是家用安防系統(tǒng)?？梢詫依镞M行實時的監(jiān)控，若有人闖入住宅內(nèi)即可自動報警并通知家庭成員。
安防系統(tǒng)是AI成功落地的一個領(lǐng)域，得益于安防系統(tǒng)的自身的需求和安防系統(tǒng)本身具備海量數(shù)據(jù)的緣故。國內(nèi)例如?？低暎瑫缫暱萍?，云從科技等公司聚焦于安防產(chǎn)品的智能化與AI化。
AI醫(yī)療
AI醫(yī)療包括，醫(yī)學影像分析，智能診療，新藥研發(fā)，智能康復訓練等場景。在醫(yī)療行業(yè)，醫(yī)生基于自己的知識和經(jīng)驗，通過分析患者的檢驗報告，臨床病癥和病人的病史與基本信息來判斷病人所患疾病，進而采取針對性的治療措施。
例如影像科對CT等檢查結(jié)果的判斷。在國內(nèi)一般的影像科醫(yī)生最少也要讀5年本科，加上規(guī)培2年，最少也要7年時間才能出任正式的影像科醫(yī)生。如果在歐美一些發(fā)達國家這個時間會更長。也就是說一個正常的人需要至少7年的專業(yè)訓練才能去出任影像科醫(yī)生，這個相比開車來說是困難多了。而AI醫(yī)療借助大規(guī)模的數(shù)據(jù)，挖掘出影像科數(shù)據(jù)中的統(tǒng)計規(guī)律這個是以往人類需要很長時間才能逐漸掌握的，AI對CT圖像上面的病灶能夠精確的提取特征。例如IBM沃森可以在17秒內(nèi)閱讀3469本醫(yī)學專著，24800篇論文，69種治療方案，61540次實驗數(shù)據(jù)，106000份臨床報告。我們可以想象想象一下，一個醫(yī)學專家一輩子也沒有這么多時間去閱讀如此海量的數(shù)據(jù)。一個醫(yī)學系的博士用12年的時間(本科(5年)+碩士(3年)+博士(4年))也僅僅能精通幾十本醫(yī)學專著，臨床報告幾千份，而AI在對海量數(shù)據(jù)的使用上是遠超過人類的。2012年IBM沃森通過了美國職業(yè)醫(yī)生資格考試，并在美國多家醫(yī)院部署。2017年8月23日，騰訊覓影的食管癌早期篩查系統(tǒng)在廣西壯族自治區(qū)人民醫(yī)院上線。在之后不到半年的時間，騰訊覓影的合作醫(yī)院數(shù)量接近百家(包含“西部眼科聯(lián)盟”的69家醫(yī)療機構(gòu))，這樣的速度足以說明AI醫(yī)療的飛速發(fā)展。
值得一提的是，對AI醫(yī)療系統(tǒng)的應用，一部分醫(yī)生和患者抱有懷疑的態(tài)度，對重大疾病的診斷往往需要非常的慎重的態(tài)度，因為誤診的后果會十分嚴重。目前在國內(nèi)即使是醫(yī)學博士也需要在醫(yī)院進行規(guī)培，并通過職業(yè)醫(yī)師的考試的層層選拔考察才能進行正式的行醫(yī)。而AI醫(yī)療系統(tǒng)是否能夠提供如此高的可靠性的保證。從統(tǒng)計學里邊假設(shè)檢驗出發(fā)，AI醫(yī)療系統(tǒng)的診斷錯誤有兩種，一種是把患病者錯誤的診斷為沒有患病的，另外一種是把沒有患病的診斷為患病者(實際上這里對應的是假設(shè)檢驗的第一類錯誤和第二類錯誤)。在醫(yī)療系統(tǒng)中，第一種錯誤(把患病者錯誤的診斷為沒有患病)的這樣的錯誤是不允許發(fā)生的，或者說如果放走一個病人這樣的錯誤代價非常大。而第二種錯誤(將沒有患病的診斷為患病者)，若被AI診斷為患病者，還需要由人類醫(yī)生進行最終的篩查和治療，因此相對第一種錯誤而言，第二種錯誤的容忍度要高一些。所以AI醫(yī)療系統(tǒng)的設(shè)計會根據(jù)實際對容錯率的容忍程度來進行一個調(diào)整。
我個人觀點傾向于在AI醫(yī)療系統(tǒng)中，目前AI扮演的角色是一個輔助角色，主角還是醫(yī)生。醫(yī)生和AI醫(yī)療系統(tǒng)并不完全是一個矛盾的，互相替代的關(guān)系，醫(yī)生在對患者的病情進行診斷評估的時候，可以參考AI的給出的意見，AI相當于充當?shù)氖轻t(yī)生的高級幕僚一樣，最終還需要醫(yī)生綜合的靈活的依據(jù)各個方面的情況來給出診斷結(jié)果。人類醫(yī)生更擅長綜合性的決策，面對特殊的突發(fā)的動態(tài)變化的情況下更有優(yōu)勢，而目前的AI背靠著海量數(shù)據(jù)與先進的深度學習等算法的支持能夠彌補人類醫(yī)生的不足。AI醫(yī)療系統(tǒng)可以幫助醫(yī)生減少錯誤，實現(xiàn)1(醫(yī)生)+1(AI醫(yī)療系統(tǒng))大于2的一個目的，而不是用AI醫(yī)療系統(tǒng)去完全替代另外一個醫(yī)生。
AI教育
談到教育，隨著國內(nèi)二胎政策的推出，預計不久的將來一個非常迫切的問題便是如何破解大班教育與因材施教的個性化教育之間的矛盾。
AI+教育恰恰能彌補教師數(shù)量的不足，通過海量的數(shù)據(jù)和對每個學生構(gòu)建學習畫像來實現(xiàn)對學生的個性化分析，以每個學生的學習情況制定針對性的教育方案，提升學習的效率，同時也可以為教師提供教學上一個輔助性的決策意見。這就好比給每個學生配了一位特級教師，私人訂制化的只為這個學生服務(wù)。
例如對英語的學習，學生時常不知道自己是單詞量不夠，還是語法不好，還是閱讀英語文獻太少。AI通過權(quán)威專家經(jīng)驗與機器學習的結(jié)合，為英語口語學習者提供基于語音識別與內(nèi)容分析的智能測評與提高的解決方案。AI可以依據(jù)不同學生的個性偏好、學習習慣和學習風格，推薦最匹配的學習內(nèi)容。有些學生喜歡輕松活潑的內(nèi)容形式，有些學生喜歡嚴謹?shù)娘L格，AI系統(tǒng)會記住不同學生的偏好推薦最合適的。根據(jù)學生的知識掌握狀態(tài)和目標，自適應學習系統(tǒng)會自動規(guī)劃最適合該學生的學習難度和順序，不會讓學生因為目標過高而喪失信心，也不會因為目標過低而失去挑戰(zhàn)的欲望。通過這樣的方式，讓40分水平的同學可以逐漸提高到60分、70分，讓70分水平的同學逐漸提高到80分、90分，最終使得所有不同水平的學生都能夠循序漸進地提高到較高的水平。
3.人工智能在教育領(lǐng)域的應用和案例
子女教育一直是中國家長們的頭等大事，為此家長們不惜投入巨大的財力和精力。因此，我們決定更進一步地討論AI在教育的應用和落地案例。
科大訊飛批改作業(yè)與試卷
作業(yè)批改和試卷批改一直是老師們頭疼的問題，大量重復性的作業(yè)批改占據(jù)了老師們寶貴的時間?？拼笥嶏w的全學科智能閱卷技術(shù)已在學業(yè)水平測試，例如大學英語四六級，以及全國多個省份的高考、中考、成人高考等大規(guī)?？荚囍羞M行了多次、多范圍試點驗證。
優(yōu)必選教育機器人
如果說AI屬于互聯(lián)網(wǎng)行業(yè)，那么機器人屬于制造業(yè)。機器人是一個綜合的系統(tǒng)，機器人除了內(nèi)部算法以外，還牽涉到硬件的制造和量產(chǎn)化的問題。優(yōu)必選教育機器人的項目也在去年啟動了京東的眾籌融資，其教育機器人名為阿爾法。阿爾法在語音識別方面結(jié)合了童聲識別，中英文識別與智能閑聊三項技術(shù)。采用了定制化智能教育，從海量的教育資源中依據(jù)孩子的年齡和學習情況，進行偏好推送。同時依賴于阿爾法先進的舵機工藝，阿爾法可以完成走路，格斗，跳舞，踢球等動作，阿爾法擁有的動作課程體系以及動作表現(xiàn)力豐富的人形四肢，可以讓孩子學習，運動，邏輯全方面培養(yǎng)。
松鼠教育AI
1 )批改和評測自動化
AI技術(shù)中的圖像識別、語義識別理解和語音識別技術(shù)能夠?qū)崿F(xiàn)批改和評測自動化，包括作業(yè)和試卷掃描、答案識別和判斷，英語口語發(fā)音評測，還有作文的批改和打分，減輕了老師們的負擔。
2)利用AI技術(shù)挖掘出學生的個性化潛在的信息
在目前大班教育的前提下，人類教師難以準確的觀察和跟蹤每一個學員的進展情況。而AI教育通過大數(shù)據(jù)技術(shù)，尤其是學習分析和教育數(shù)據(jù)挖掘技術(shù)，實現(xiàn)精準學生畫像，其中教育數(shù)據(jù)挖掘(EDM)是指對學習過程和學習行為進行量化分析，在學生學習過程中采集學生的學習數(shù)據(jù)，包括學習時間，停留時間，測試準確率等。通過對數(shù)據(jù)的處理分析，建立不同學生的學習模型。學習分析技術(shù)(LA)主要是對學生的測驗成績進行預測和監(jiān)控，并提出相應的干預措施。這樣的學習模式不僅可以實現(xiàn)個性化學習的目標，可以對每一個學生提供不同的激勵機制。所有學生的進步是在自己的基礎(chǔ)上進行的，減少了橫向?qū)Ρ鹊谋锥耍岣吡藢W生的自我效能感。 學習分析(Learning Analytics)能夠為教師提供詳細的學生數(shù)據(jù)，它不僅可以告訴你學生投入多少、了解多少，甚至還能提供信息讓系統(tǒng)、教師改善教學方法。在乂學教育自適應學習系統(tǒng)教師端，教師可以隨時查看學生的總體學習進度、成就和能力水平，并且這些都是根據(jù)教師、學生的需要提供的。系統(tǒng)可以識別特定學生的薄弱知識點，并且可以相應調(diào)整教學方案。同時，系統(tǒng)還會將學生的錯題按照知識點、錯誤率、掌握程度、知識圖譜順序排列，便于學生復習或課后輔導。
3 )替代人類教師，降低教育成本，化解優(yōu)秀教育資源稀缺的問題。
不得不提當前我們所面臨的教育領(lǐng)域的根本性矛盾是人民日益增長的教育需求和優(yōu)質(zhì)教育資源總量有效且不均勻的矛盾。要上好的大學，必須要先上一個好的高中，想上好高中先要上一個好的初中，依次類推下去。隨著中國社會逐漸向階級固化的方向開始發(fā)展，很可能通過傳統(tǒng)教育的方式已經(jīng)無法改變一個人的人生。優(yōu)秀的教育資源十分有限僅僅掌握在少部分人的手里，而稀缺的優(yōu)秀教育資源進一步導致其成本上升。類似于AlphaGo模擬了下圍棋高手，AI技術(shù)也能夠模擬優(yōu)秀的老師去實現(xiàn)智能推薦，為每個學員量身定制個性化學習方案，幫助學員花最少的時間達到較好的學習效果。)
AI教育的優(yōu)勢：
機器老師具有海量的記憶，并且能夠?qū)γ恳粋€學生百分之百的專注，這一點是真人老師無法做到的。無論學生的基礎(chǔ)有多差，機器老師都能認真的解答學生的問題。同時機器老師還有一個自適應的過程，能夠利用大量積累的高質(zhì)量內(nèi)容對學生的學習路線進行動態(tài)的調(diào)整。
4.人類未來將不用工作?
從經(jīng)濟學的角度出發(fā)，人生來就不是為了工作的，所以從第一次工業(yè)**開始到現(xiàn)在，每一次很大程度上都是不斷的對人類工作用機器替代。在前幾次工業(yè)**主要集中在解放了人類的體力勞動。人工智能的**是要解放人類的腦力勞動。短期之內(nèi)人工智能會造成部分人失業(yè)，從長遠來看人工智能讓人類從底層的腦力勞動解放出來是一個必然的發(fā)展趨勢。
前面談到了AI在方方面面的應用。20年前，我們認為指紋識別，人臉識別，車牌識別等已經(jīng)是高端的人工智能了，今天這些領(lǐng)域早已經(jīng)被廣泛的應用于我們的生活中，我們并不會把這些東西看成有多么的“智能”?？v觀AI發(fā)展歷史每一次AI都給人們帶來了出人意料的結(jié)果。也許今年出現(xiàn)在科幻小說里邊的場景，20年后就將普及到我們現(xiàn)實生活的方方面面，不斷方便人類的日常生活(例如自動駕駛)。
個人認為AI在創(chuàng)造性的工作上也將逐步的輔佐并最終替代人類。
結(jié)語
人工智能的未來不可限量，今天這里討論的還只是弱人工智能，強人工智能雖然目前還無法想象，但是相信隨著科技的進步，終有到來的一天!
最后，附上2016年計算機視覺頂級會議CVPR的一項研究成果--AI藝術(shù)創(chuàng)作(弱人工智能)。