未来机器会取代人的工作吗

晚上跟一个老师聊天,话题是人类未来的工作,是否会被机器逐步取代。

从科技和社会发展的趋势讲,未来简单重复的、没有任何创造性的劳动,必然会被机器取代。比如高速公路收费员、环卫工、银行柜台等。

我有个亲戚,读了5年的医学院,去一家三甲医院做看片的工作。我建议他趁早转行,这个东西有什么前途呢?他的工作依赖的纯粹是经验积累。对机器来说,学习以往一百年的经验,就是一瞬间的事。我们现在使用深度学习视觉模型来看X光片,判断相关癌症,比经验丰富的专家还准。

老师的基础教学工作,我认为未来也大概率会被机器取代。很多优秀的K12 App,已经引入人工智能作为助教,因人施教、一对一辅导,实现课程的精准投放。这里面涉及到计算机视觉、语音、自然语言处理相关技术,都是深度学习所擅长的。

老师如果只把自己定位为授课工具,以提高考试得分为唯一目的,那么在这个方向上,未来可以肯定干不过机器。

传统上,老师的工作有三大主题:传道、授业、解惑。授业只是其中一项,容易被机器取代。但另外两项,目前来看,并不能轻言取代。

传道,也即是教授学生工作的方法、做人的道理,帮助不同类型的学生实现自我成长。解惑,解答学生的疑问,言传身教、以身作则,带领学生取得正确的人生观和价值观。

传道、解惑,这里面体现了非常多的情感性和创造性,是人这种高等生物所擅长的,而不适应于机器的冷冰冰的思维。比如,机器不可能因场景施教,教小朋友做人的道理;也不能在小朋友做得好或不好时,给予最恰当的反馈;更不能创造温暖、阳光、爱的环境,让小朋友健康成长。

人的创造性还应体现在跨界。比如老师当好了,可以去当培训讲师,我见过不少企业培训的名师,就是大学老师兼任。还可以写书,把自己的教学经验、知识体系,出版成为作品。

当然,写公众号也是一个途径,我认识个美女老师,就在写公众号,她的每篇作品我都拜读。我在之前的文章里写过,粉丝就是经济,流量就是价值,长期写下去,是有现实意义的。

人是有感情的生物,每个人都是唯一的个体,有自己的认知、动机、喜好。而机器是冷冰冰的,千篇一律。未来人的个性品牌,会显得尤为重要。我建议大家在工作中,逐渐积累自己的领域人气,形成自己的个人IP。而个人IP是不可取代的。

推荐阅读:《7年后机器人将主宰职场:真正的职场突围,就是一部捷径消亡史》。该文结尾提到的观点,我个人表示认可:

1、未来几十年,中国将迎来大规模的职业变迁,机器人将首先取代“无脑”工作,将人从枯燥反复的机械性工作中解放出来,同时也就意味着,大批的从业者将面临重新找工作的局面;

2、想要顺利度过这次职业变迁,大体有两个方向,一是往大数据和AI无法到达的行业寻求庇护和发展,二是主动迎接挑战,按照时代趋势打造和要求自己;

3、个人想要获得不可替代的竞争力,必须不断地进行“自我革命”,不妨考虑三个核心发力点,分别是跨领域、人际交互、高复杂;

4、未来,个人对组织的依赖性将逐渐削弱,有能力有想法的个体通过提前规划和布局,步步为营,逐渐成长为个人IP,不再受雇于组织,而是和组织缔结合作关系,实现财富和时间上的“相对自由”;

5、即便你资质平平,也不要过分恐慌,随着旧行业陆续被AI替代,新的职业将会兴起,能否顺利转岗则取决于个人是否做好了相应的准备。

自动驾驶应该用在载人低飞领域

最近自动驾驶话题真是大热啊,各种论文、会议、创业,都集中在这个方向。

自动驾驶涉及的技术体系非常复杂,从软件到硬件,从数据到算法,面面俱到。

其中最核心的无人驾驶技术,是由深度学习驱动的。

鉴于我对深度学习的粗浅了解,我是不放心由机器代替人进行驾驶。

路面情况太复杂了,天气、光线、行人、障碍物、路标、信号灯、前车、后车等,路况随时发生变化。而自动驾驶算法无法也不可能拟合所有情况,一旦某个意外的情况发生,事故就不可避免。

发生一次事故,对自动驾驶公司来说,失误概率是0.0001%。但对你和你的家庭来说,就是100%。

所以,我是不会将自己的生命,交给一台机器的。

但是,自动驾驶可以应用在载人低飞领域呀。

很简单,低空飞行的环境相对于路面,要简单得多。

不可能飞着飞着,前面突然跑出一个人吧;也不可能飞着飞着,突然冒出一个牌子,告诉你此路不通吧;更不可能井盖子没盖上,导致你翻车了吧。

当然,我们目前没有放开低空飞行的空域。

但鲁大先生不说过,世上本没有路,走的人多了,也就有了路。

空域管理也一样的,空中本不可以飞,飞的人多了,也就可以飞。

科技是进步的,社会是发展的,制度也要跟着改进嘛。

以前乱接无线电还犯法呢,现在人手一台手机,世界不也没乱套?

未来迟早会放开民用低空飞行的。

再说飞行设备,特斯拉连电动跑车都造出来了,时速300公里再装上翅膀,就可以无压力飞行了吧。

所以,这帮自动驾驶的兄弟,与其大力折腾不可穷举的公路自动驾驶,不如研究低飞无人驾驶。

政策开放了,设备实现了,自动驾驶就可以在低飞领域真正具备实用性。

想想将来,早上出门上班,在阳台上招来飞行器,坐进去后说一声到公司,然后就不用操心了,闭上眼睛再咪一觉。这是多么惬意的场景。

让我们为美好的生活而满怀憧憬,科技应该改善生活。

AI与区块链,扯不到一起的关系

时至今日,AI与区块链,仍然是技术领域两个炙手可热的方向。

不少同学问我如何看待AI与区块链的关系,我略表下自己看法。

总体上我觉得这两者没什么关系,而且根本的理念都相反。

AI之所以大行其道,最根本的原因,就是提升了效率。

比如,人脸识别技术应用在安防领域,提升了安保的效率。

美容美颜技术应用在直播领域,提升了主播开播的效率。

推荐系统应用在新闻领域,提升了个性新闻分发的效率。

再看看区块链,它的去中心化是最核心的设计,但这个设计是降低效率的。

比特币一秒几笔的交易,放在技术领域就是个笑话。

挖矿时的各种分叉,各种确认,让分布式一致性的成本大为提升。

我也玩过虚拟币,转账效率之慢,技术上我完全理解,但业务上不堪忍受。

不可否认的是,中心化才是效率最高的。

去中心化,虽然提高了隐私性,但它在效率方面就是个伪命题。

AI让事物效率提高,区块链的设计降低了效率,这两者没有共同语言。

有人说可以用区块链的分布式计算提升AI训练的效率,这恐怕也是个伪命题。

虽然有Federated Learning这么个说法,但是落地非常难。

AI只有模型超大时,才需要用到分布式计算,包括数据并行、模型并行。

分布式计算在节点之间的通信量非常大,现有的万兆网络,以及原生tensorflow的通信框架,尚且都解决不了极致的网络吞吐量需求,就别说区块链的弱鸡一般的通信速度了。

我唯一想到区块链跟AI结合的地方,在于数据版权的保护。

在AI领域,数据才是最核心的。

有很多热心的研究机构,比如MS coco、facebook、BBC、face++,都开放了自己的数据集,用于AI不同领域的模型训练。

数据在产生过程中,付出了大量的时间和金钱成本。

以我曾经服务的一个项目为例,光是标注费用就花了20几万。

开放数据集在互联网公开,任何人皆可下载使用。

那么,如何保护数据的版权呢?这时,区块链可以发挥用途。

一张标注图片在发布到互联网时,即可将它的版权信息打包记账到区块链。

由于区块链具备不可篡改性,那么这个图片的版权就永远不可改变。

这个原理跟音乐公司、摄影公司用区块链来保护数字媒体的版权一样。

总体上,AI跟区块链有小角度的交集,但大的方向不同,两者也没有必然联系。

区块链有自己的算法,包括加密方向和分布式方向,但跟AI的各种监督学习、强化学习算法完全不一样。

算法、架构、设计各方面,两者都扯不到一起。

我更看好AI的未来,因为推动它落地的背后的真实愿景存在。

而区块链还是谜一般的信仰。

论行业的泡沫

我有个认识的朋友,他的职业经历代表了计算机视觉这个行业泡沫的发展。

他毕业后在一家硬件公司做了几年,做传统的图像处理领域。

前几年深度学习大热,他跳槽到知名互联网公司,改用深度学习来处理图像分类。

在这家公司工作两年后,今年年初,他再次跳槽到阿里。

职级是P8,年offer包接近200万。

与他同期搞图像处理的人,薪资最多只有他的五分之一,大家能力其实相差不大。

他自己也认为,这就是行业泡沫,AI领域的泡沫。

互联网行业一直有泡沫的存在。

移动互联网、人工智能、虚拟现实、区块链,每年都有不同的风口。

泡沫体现的地方,一是铺天盖地的宣传,包括新闻、公众号、微博

今年区块链大热,年初的时候,打开任何一个媒体工具,看到的都是区块链相关的新闻。

二是就业岗位激增,从业人员待遇指数级上升

比如,移动开发刚开始时,只要懂点App开发的人,都能获得大量工作机会,这也导致培训班的兴起。

再比如,现在高端的AI算法人员仍然有很多就业机会,待遇也突飞猛进,参考前面描述的同学。

三是这方面的热钱多

在2018年,不与区块链挂钩,都不好意思说自己是创业的。

这方面的热钱非常多,只要你与区块链有点联系,就有人敢投你。

我另一个朋友,只有一个创意,就拿了几千万投资,正如火如荼的干着。

泡沫一定都不合理吗?这也不尽然。

泡沫之所以存在,一方面是因为技术非常新,懂的人少。

另一方面是发展前景不可测量,能产生多大市场,都不明朗。

所以创业公司敢赌,风投敢投,大公司不敢放弃。

大家赌的是未来。

一旦技术走向成熟,市场应用已探到底,泡沫必将破裂。

如同当年的App开发一样,AI领域、区块链领域的人才泡沫,将有破裂的一天。

总体来看,我觉得区块链行业的泡沫更加严重。

现在高端的区块链架构师,以及高端的AI算法,都能轻松拿到百万年薪。

但是,区块链能有多么高深的技术含量呢?

对一个多年经验的系统程序员来说,加密通信、分布式系统,这些区块链的核心技术,根本不是问题。

区块链的泡沫更多是认知上的问题。

一些心术不正的,指望靠区块链发财,比如发币割韭菜。

他们设计的商业模式,哪怕再多的噱头,也离不开割韭菜这个本意。

奔着暴利的目标去,所以也不在乎多花点钱,拉你下水。

另一些对区块链有不切实际的妄想,以为区块链是银弹,解决一切问题。

区块链目前主要作用在金融领域,主要解决的是信用问题。

其他行业比如电商、音乐、游戏、直播,非要往上靠,不是不可能,只是舍本逐末。

作为对比,AI也有泡沫,但这个泡沫成分里,不乏对科研人才的尊重。

高端的AI算法人才,或者叫科学家,是对行业做出了切实贡献的。

他们用自己的智商、学识、脑力、实践,在某个领域做出了创新,并推动了行业的发展。

比如CNN、RNN、LSTM这些理论体系,ResNet、Mask RCNN、OpenPose这些应用模型,精华的背后都是汗水。

再比如商汤、旷视这样的公司,在人脸识别领域国际领先,他们的背后也是一堆科学家在付出。

我更尊重AI的泡沫,这是出于对人才本质的尊敬。

所有的泡沫最终都会破裂,但泡沫在产生和发展过程中,本身也推动了行业技术和生态的发展。

社会需要接受泡沫破裂带来的阵痛,也需要看到由泡沫产生所推动的生产力的提升。

所以,高科技行业有泡沫不一定是坏事,它是先进生产力发展的必经阶段。

付出巨大成本的同时,也会产生有价值的成果。

如果没有成果只有成本,那就是纯粹的泡沫了,比如郁金香。好在这样的泡沫不会,也不希望发生在科技行业。

计算机视觉的发展是多技术的融合

计算机视觉(CV)在人工智能(AI)领域扮演首要角色。

作为CV三大顶会之一,CVPR 2018正在如火如荼的召开。

这些年直播、短视频、自动驾驶的兴起,让CV更是大放异彩。

CV的应用方向包括图片分类、目标检测、语义分割、目标跟踪、姿态估计、3D重建等。

各方面技术的发展日新月异,优质的模型和算法与日俱增。

ResNet, Inception, Yolo, SSD, Mask-RCNN, OpenPose…

这些众所周知的优秀模型,各自在特定领域解决了问题。

我认为面向互联网的计算机视觉应用,下一代应该是各技术的融合,而不是分割。

看如下图:

这个图体现的结果,是将视频里的人体姿态,进行实时三维建模。

用到了几乎所有CV技术,包括:

  1. 目标检测与分类:首先要检测出每个人体目标
  2. 语义分割:分割出人体的像素单位,与背景区别开
  3. 姿态估计:估算出人体的姿态关键点(网状多点)
  4. 目标跟踪:跟踪人体运动轨迹,捕捉上下文信息
  5. 3D重建:将视频里的2D信息重建为3D,补充深度信息

而这样的CV产品,可以广泛应用在多个方面。

比如最近很火的秒变大长腿与瘦腰。

比如跳舞、健身的动作矫正。

比如在线试衣。

甚至全息投影也是可以的。

CV多技术的融合,可以使生活更美好、梦想更简单。

技术发展的代表案例,可以参考DensePose