现在什么职业最容易被人工智能取代？

只是单纯的机械重复和缺乏创造力的职业并不是最容易被替代的。
最容易被替代的职业要满足以下两个要求：
[h1]1.具有较高的附加价值[/h1][h1]2.较为机械重复、可替代度高[/h1]

事实上，大多数人认为的观点都是错的，源于小资产阶级和中产阶级固有的傲慢。
并不是最底层的职业最容易被人工智能替代，也不是说相对精英化的职业就难以被人工智能替代

你觉得最容易被替代的职业是什么？
每天起早贪黑蹬着三轮车满街卖早点的大妈？
在狂风暴雨大家都不愿意出门的时候骑着电驴挨家挨户送外卖的外卖小哥？
给领导点头哈腰、递烟送水的司机？
别搞笑了，你出钱去研发人工智能替代他们吗？
大家生活也都挺不容易的，卖早点、送外卖、当司机也赚不了多少钱，怎么会是最容易被替代的呢？
反而是中产特权的一些职业，附加值挺高的，例如翻译、会计以及司法、医疗行业。
可以预见的未来中，这些行业的低端部分一定会被慢慢蚕食，留下的也就只是那些少数的精英，例如较为正式场合的同传、交传，注册会计师，高端律师以及名医。哦对了还有绝大部分的程序员。
事实上，中产阶级干的这些活，扪心自问一下，真的是需要较高创造力的工作吗？别逗自己玩啊......
大家都是小富即安地过着慵懒的人生......当一颗无产阶级的螺丝钉就好了啊......
-----------------------------分割线--------------------------------
我可没有黑哪个职业，我自己的职业恰巧属于此范畴，也就是很多人不同意的，翻译。
可能我说的不是很准确，据我所知，我们这种层级的外语院校，只要打着学校名号揽工作，大部分所需要的专业技巧其实很少，未来能留下的，恐怕就是那些相对高端的部分了。
-----------------------------分割线--------------------------------
原答案不变，评论里诸大神说的也很在理，完全取代白领的确是不现实，肯定是最低级的工作最先被完全取代，写答案的时候还有一个考虑，就是现在庞大的人口总量和资源消耗，从这个角度想，完全取代流水线上的工人真的不是什么好选择
------------------------------------------------------------------------
顺便求一波关注，如果对科幻脑洞有兴趣，我正朝这方面努力，谢谢～

好多人提到的「会计」，我有不同想法。
其实大部分基础的会计工作，哪里需要人工「智能」？
本来就是不需要动太多脑子的工作，流程化和程序性的操作，只要「自动化」就可以了，不需要「智能」
而会计工作自动化的努力从来没停止过，大名鼎鼎的sap的基本思路也是如此：把会计工作拆到各个部门中去，各个部门在输入部门业务信息的时候自动完成了做账。财务部门除了报销，资金控制以外，也只剩下审核的工作。
换而言之，各个部门自己在做台帐。这也省却了审计经常看到的业务部门和财务部信息提供不一致互相扯皮的情况。
所以会计会被「人工智能」或者「账务处理自动化」取代么？你看看现在的erp普及程度就知道了，任重道远。
会计工作的本质是信息搜集和整理工作，一方面他要面对的是各种可能的商业行为，另一方面他严格的内部逻辑要求不能有任何差异，这不是什么内部改进算法可以提供更准确的结果这么一回事，他天生就要求100%准确。
所以会计工作自动化的难点，也不在于系统不够发达，算法不够先进，硬件配置不够，经验数据累计不足等其他人工智能常见的问题。erp推进最大的问题其实很简单：90%的问题是前段业务部门没有准确及时地输入数据：如果这点做到了，那么大不了我们可以把erp当作流水账来做，复杂的核算工作反而可以通过人工迅速处理；10%的问题是内部算法设计有误，在业务改变后没有及时更新。
所以erp的推进工作，可能大量的时间在给员工做培训，要求仓储部门及时录入物料数据，要求生产部门按照工单领料，及时关闭工单，要求销售部门定期对帐，要求运输部门录入运单信息等等等等。
你问我什么时候财务系统能像阿尔法狗一样有掌控力，自己掌握一切？我想可能要各个业务部门也变成机器人的时候吧。只要数据输入是由人来负责，那么财务系统就只能是被人类摆弄，而不是反过来。
这也恰恰说明了我们反复强调，但屡屡被老板们忽视的一句话：财务具有监督功能。这个思路不建立，财务部是人还是机器，都没有区别。
补充说明：
有人工智能行业的同志认为数据梳理恰恰是人工智能的强项，我也没有很明白现在人工智能强大到什么程度了，但是我一个月前面对的客户采购部门提供的资料是这个样子的：


说白了，就算你能识别出来，我也不知道你识别的对不对，因为我也看不懂。
此外还包括诸如工资表数据永远和实际支付金额对不上的情况等等，对不上的原因在于人事部门临时修改了支付申请单的数据而没有修改工资计算表的数据，过了两年以后，他们也忘了当时修改数据的依据了BLABLABLA。
简单总结： 会计不需要智能化，会计自动化就可以让目前大部分低端会计人员下岗，会计自动化一直在推进，但是会计自动化的障碍在于其他业务部门提供的数据太过凌乱，而其他部门数据提供的不规范和低质量，其实源于管理层并不信任财务部可以完成「监督管理」的职能。

首先先说一下目前的主流观点：最有可能被人工智能所取代的并不是底层劳动人民，而是社会的中间阶层，也就是大部分的中产阶级工种。
虽然现在人工智能看着很厉害，感觉做什么都比人类强，但是你要让他做些体力活，比如搬个箱子、端个茶倒个水，他反倒是比人类还差得远，所以现在人类开发出来一个能正常行走的机器狗都能上个头条。（浙大机器狗链接：中国版大狗机器人问世 浙大机器狗跑跳爬楼踹不倒）
反而是那些体面的、高附加值的工种最有可能被人工智能取代，比如医院里负责看X光片的初级医生、律所里负责整理档案的新手律师、还有其他回答提到的翻译等等。这也引发了大家对于未来的担忧，没准未来社会结构就从金字塔变成哑铃型了，对于这样的社会巨震人类必须提早做好准备。
总结来看，这些工种的特征就如 @梁瑜 高票回答里说的那样，有两个特征：一是具有高附加值，这样才有替代的价值，因为人工智能的介入能够节约大量的成本；二是较为机械重复、可替代度高，这样目前人工智能的水平才能够胜任。
但是我认为这也就是暂时的，我认为一切机械的活动迟早都会面临人工智能的威胁。原因有两个：
第一、底层工种会面临来自上层劳动力的替代威胁。
大家想象一下，如果中间层的劳动力不思进取，有一天真的被人工智能取代失业了，他们会怎么办呢？首先人家也是要生活的，必须要有生活来源，然而再向上的管理岗位也就这么点儿，挤不上去怎么办，那他就只有一个选择了：向下迁移。
中间层的劳动力大多数都受过比较高等的教育，处理相对低层次的工作自然手到擒来，比如一个失业的律师他不能去端盘子吗，而且大概率他会比没受过什么教育的劳动力干得更好；但是让一个在餐厅端盘子的服务生转型成为一名合格的律师那就比较难了，所以大概率他会丢掉工作，而且在中层劳动力涌入的情况下，他很难再找到别的工作了。所以说底层劳动力也会间接受到人工智能的影响。
第二、目前人工智能无法取代基础的底层工作也只是受限于目前的发展阶段。
人工智能目前做搬箱子、端盘子这种工作是不行，但是未来呢？机器狗都出现了，端盘子还会远吗？你看现在京东的物流中心都用上机器人了，而且效率还贼高，我相信未来人工智能处理这样的问题也就跟玩儿一样。另外，当中层的劳动力成本由于人工智能的介入大幅降低之后，资本家们就不会向底层下手吗？经营竞争带来的压力必然会迫使未来人工智能向附加值更低的领域发展，全面取代人类工作。
那么现在回到题主的问题，究竟是什么样的职业最容易被人工智能取代呢？
除了别的回答所提到的标准外，我在此介绍一种比较有趣的标准：5秒原则。即凡是你在做决策时所花费时间少于5秒的工作，都有被人工智能替代的危险。
其实这也不是我的原创，而是我也忘了在哪里看到的了，但是看到就觉得很有趣就默默记住了，希望有看到过的朋友提示一下。
在这个标准之下，不论是中间层劳动力的大部分工作，还是底层劳动力端茶倒水的工作，都有被替代的危险；相反的，需要创造力的工作、需要综合各种因素进行决策的工作目前被替代的危险就较小。
5秒原则的内涵就是在决策上逻辑的简单性，就是你都不用过什么脑子就能干，只是简单的机械工种，并不需要对复杂的现实世界进行分析、整理和判断，凡是做这样工作的同学们都要小心了。
不过话说回来，我认为这样的危机也并不一定是坏事。
我一直坚信一句话：危机越大，转机越大。本身这样的工作相信很多人也并不是因为喜欢才做的，如果看到这样的危机愿意改变自己，没准就会给自己的人生带来新的可能性，将目光从过去简单的个人得失转移到个人价值的实现，这也不失为个巨大的转机。
毕竟我认为，与人工智能带来的威胁相比，放弃思考才是更大的危机。

补充说明：从评论里面，我感受到了一种恐慌情绪。我觉得大可不必担心，AI能取代一些工作，必然会创造更多新的工作，我们需要调整的心态不是面对失业，而是习惯不断变化的职业生涯，刚看了《第二次机器革命》作者的一篇文章,希望对大家有所帮助吧：
http://mp.weixin.qq.com/s/RB28l7AvEJ_PRz_PA6umVw

原答案：
什么职业会被AI替代，我觉得和体力劳动、脑力劳动无关，和是否白领中产无关。很简单的准则，最容易被AI算法实现的工作最先被替代。如果了解人工智能技术当前发展的情况，这个问题不难回答。李开复在他的《人工智能》一书里面已经列举了一些未来几年最先被替代的行业，我来总结一下。
1. 卡车司机，然后是汽车司机（出租、私家车）被自动驾驶代替。当前OTTO公司的自动驾驶卡车已经行驶在在美国的公路上了。


2. 交易员、基金经理，被量化交易程序代替，高收入群体也难以幸免。看看五年前的交易大厅，再看今天，门庭冷落鞍马稀。


3. 翻译，包括笔译和口译，用武之地越来越少。机器翻译的结果越来越让人接受。


4. 售货员，主要是负责完成支付过程的收银员，会被自动支付取代。如果每个商品上有个智能二维码，支付宝扫了就支付，超市还需要收银员吗？商场的导购、推销员还是有价值的，暂时安全。下图是淘宝试点的无人商店：


5. 药剂师，如果你去医院开过药，你知道这些人其实只是搬运+写剂量。完全可以用自动售货机的方式发药，现在没有这么做只是由于发错药风险巨大而已。图中是国外的自动发药系统(Automatic Phamacy System)。


6. 影像科医生，当前人工智能读片发现病灶的准确度甚至能超过专业医师。
参考：IBM’s Automated Radiologist Can Read Images and Medical Records
7. 记者，当然不能代替那些写深度访谈、时评的记者，但是简单格式化的新闻写作比如体育新闻、财经新闻等，AI完全可以胜任。


8. 律师。当然也不是法庭上口吐莲花的辩护律师。而是律所那些每天查阅法律文书、寻找案例的底层职员，AI的语义分析、索引会比他们高效很多。
参考：How artificial intelligence is used in law - raconteur.net
当然，这种取代过程绝对不会一帆风顺，因为他们会伤害相应群体的短期利益，一定会引起强烈反弹。但是，历史的洪流是挡不住的，不如用开放的心态来面对，早做准备才能有备无患。
另外附上我另一篇回答，总结了一下当前AI技术的现状：https://www.zhihu.com/question/46563853/answer/191018591

几天前在知乎想法中就总结过了。
这个想法，有不同的表达版本。

版本1：
科技变革时代，真正安全的职业种类只有四个：1，重人际沟通和情感联结；2，全栈/商人/企业家；3，突破性最前沿，典型如科研文艺体育等；4，复杂精细体力劳动

版本2：
未来真正安全的职业技能只有两个方向：1，硬得不能更硬的技能；2，软得不能更软的技能。易被取代的是：1，不是那么硬的硬技能；2，不是那么软的软技能。

版本3：
安全的工作：非标、无现成方法论、无具体执行标准和流程、需要模糊判断、重情感和人际维系
不安全的工作：一切可以以具体知识、方法论、流程、标准写入书本的标准化技能

具体举例：

重人际沟通：挖掘并解决人类固有的爱和恨，适用度很广，无法一一举例
全栈/商人/企业家：了解一个或多个商业流程从头至尾的每一个环节，了解每个环节的全部解决方案集，并随时做出围绕全局的，虽然模糊但专业的决策
突破性最前沿：研究机构科研人员、一流画家、音乐家、电影电视艺术家、运动员，等等
注：有些工作，天然属人，典型如运动员。我们并不会因为机器比人跑得快，就去看机器跑步。也不会因为机器比人围棋好，从此就不看人下棋。倒是批量性的绘画和音乐需求，很有可能会被机器取代，如现编一首Metallica风格的曲子。但最顶尖的艺术创作，艺术的新发展，依然需要由人来完成。
复杂精细体力劳动：不开玩笑，足底按摩 -- 当今仿生机械控制的发展程度远落后于AI，或者说，我们目前做机器脑的能力，远高于做机器人的能力。

硬得不能更硬的技能：最前沿科技和技能拥有者，没有可重复的方法论
软得不能更软的技能：处理个体的爱与恨；围绕非标事项，联结非标个体
不是那么硬的硬技能：典型如入门级财务分析、风险管理...其实覆盖了现有典型高端白领工作的大部分入门级部分，甚至可以包括入门级编程
不是那么软的软技能：典型如标准化销售，对最终消费者的销售

很有趣也很残酷的一点是，过去的几波产业革命，模式基本都是，“高知高技能的人”取代“低知低技能的人”。但这一波产业革命，却并不一定是如此。不少传统意义上需要高教育履历的工作，也会被成批取代（随机例子：CFA）；而很多传统意义上门槛不高的职位，却反而很安全（随机例子：小学教师、幼教、护士）。
区分的重点，强行归纳的话，一是工作流程的标准化程度；二是属人情感和交流的参与度；三是对精细体力劳动的需求

时代变化的很快，而且只会越来越快。
比如20多年前的中国，人们都在为了国企的“铁饭碗”争得头破血流，未想到几年后国企改革导致大批员工下岗，自此再也没有“铁饭碗”一说。
再比如过去几十年里，美国华尔街的交易员从为饭桌上的面包发愁，到成为人人都羡慕的百万年薪“金饭碗”职业，再到最近的大幅裁员下岗。变化之大难免让人感到唏嘘。
（图1：现在的UBS交易大厅）

（图2：八年前的UBS交易大厅）


为了防止在未来的某一天被时代抛弃，我也会偶尔思考一下职业选择问题。很多人口中的“选择比努力重要”，很大程度上说的便是这个就业的选择。现在看来金融仍然是最火的行业之一，大批同学趋之若鹜。作为一个金融民工，另类投资从业者，我想就这个领域如何选择工作分享一点自己的思考，想到啥说啥哈，不成体系请勿怪勿喷。
首先同意高票答案的说法，最容易被替代的职业往往是附加值相对而言较高的，因为这类工作一旦人工智能化便可省下很大的人力成本，这往往是创新的内在驱动力。所以金融行业一定会花大价钱去做人工智能的创新。比如高盛近年投资了很多钱在Fintech领域，雇佣了很多工程师甚至科学家，为什么呢？因为付给这帮trader的工资实在是太高了，效率也无法和机器人比拟。。。所以一边AI化的同时也解雇了很多交易员。
其次，我想聊聊数据量、信息完整度以及标的标准化程度。就投资而言，我先笼统的划分为一级市场和二级市场，二级市场主要就是债券和股票（以及相关衍生品），一级市场比如VC、PE，也包括实物资产，如房地产、基础设施等。假设一个刚毕业的小朋友要进入一家投资公司或基金做分析师，行业研究也好，投资分析也罢，该怎么思考？
我认为更容易被替代的是二级市场的分析师。原因就在于标的过于标准化，数据和信息完备。任何一支股票都会有与其对应的股价、交易数据，其公司的所有财务信息和运营数据都是公开且被审计的，各路研究分析评论络绎不绝，还有社交网络上的点评和情绪，如此标准化的产品、如此大量且完整的数据，最适合机器人做分析了。
举个具体的例子。比如领导叫你就某个公司做个分析，你得先拉数据到excel，整理一番，画个历史数据图找找趋势，然后做个竞品分析横向对比一下其他公司。等你数据抠出来，几个图表画完，编出一套自洽的结论，再改改格式调一下字体，两天都过去了，最佳的交易时间或许也已经错过。而在可预期的未来，这种级别的工作，机器人理应可以在几秒内就把一个非常完整的分析报告展示出来。
再换一个例子，领导要你判断一下市场对某个股票的情绪和未来的走势看法，短时间内你可能就搜一下研究报告，或者和卖方研究员通个电话，给出一个感性的结论，比如看多还是看空。但是机器人可以汇总和分析互联网上每一条针对这只股票的评论，去量化这种“情绪”。所以信息越多，超出人类可以操作和接受的范围，人工智能化就是稳赢。
所以信息量是关键。人类很多错误的决定，往往是因为看不到事情的全貌，无法了解全部的信息。
而如果是一级市场，比如VC行业，某个小公司可能业务模式都没搞清楚，其他财务数据更是完全没有的情况下如何呢。作为有经验的VC投资人，他们可以看团队，看赛道，至少可以凭借自己的经验和对人性的理解，针对项目有一个相对靠谱的判断。而人工智能在如此稀少的数据下几乎无法做出任何可信的分析，特别是对人的判断更是无从谈起。
从这个维度上说，数据越少，信息越残缺，标的物标准化程度越低，越难以被人工智能取代。
当然，现在的固收和股票市场比一级市场的规模大很多倍，所以机会较多薪酬也可观。但是风险就是可能随时被替换，而更可怕的是你3-5年的股票交易/分析的积累在人工智能时代几乎接近于一无是处。到时又应该怎么办？现在刚毕业的小朋友可能没感觉，觉得这么离奇的事情不会发生，可如果你熟悉近一百年的历史，站在历史的角度去看，你会发现这种事变化实在是太稀松平常。
所以选择工作，可以考虑往这个方向去靠，有战略性的往前端或信息量更少的轮次移动或许是对冲未来人工智能化的一个好的选择。
当然，如果可以做到业内顶级，也自然不用太担心（包括股票分析师）。毕竟暂时而言人工智能还是由人类主导，靠人类的编程和算法完成。风险最高的永远是处于食物链中低端的话语权不高的人们。所以如果你认为可以在人工智能全面侵入之前爬到领导的位置，那也是没问题的。不过这个问题，就属于历史的进程了。

再开一下脑洞，如果人类社会真如尤瓦尔赫拉利的《未来简史》中所描述的，从人文主义到了数据主义，那个时候的金融行业又会怎样呢~如果到时候发达的人工智能可以了解每个人体内的生化反应，从而通过数据掌握人类的行为模式。。。不敢想会发生什么，但是马太效应或许会愈来愈严重吧。

先说结论：仅就目前的AI来看，判断某项工作是不是会被机器替代，有一个大前提，和一个小前提：大前提，是可以获得足够的有效数据，也就是说机器有快速进化的基础；小前提，是人本身的进化过程没有见过大量的数据，也就是说人的起点并不高。

前些日子，去人类文明发祥地埃及转了一圈，不料想人类文明已临大敌——DeepMind又在搞事情了！完全靠左右互搏练出来的AlphaZero，居然不顾人类心理阴影面积，碾压几千万张棋谱喂出来的前辈，真是婶可忍，叔不可忍！
看起来，不仅人类经验已成废柴，连我们膜拜的大数据也将一无是处？正好相反，AlphaZero的胜利，恰恰说明了数据在AI领域的唯一神性。现在，请把所有异端踩在脚下，来跟我一起念：

万物非主，唯有数据； 深度学习，数据使者！

什么是数据？其实就是一个二元组(x, y)：其中x是一次观测值，也就是“看到了什么”；而y是观测的标签，也就是“看到的是什么”。这两个要素，凑在一起才叫一条数据，缺一不可。举个例子，在语音识别中，x就是一段声音信号，y就是对应的文本；而在人脸识别中，x就是一副图片，y就是这个人的编号。

人们对数据唯一神性的认识，并非一帆风顺。在原始AI时代，由于计算能力的限制，纵有数据也无法处理，于是多神崇拜盛行：有人信算法，有人信专家，有人信穷举，也有人只信人品。直到本世纪，采用GPU的深度学习方案实用以后，我们才恍然大悟：原来数据里蕴藏着那么多的宝藏，只是过去我们无力挖掘罢了。现在看来，有充足(x, y)这样的数据是AI必要的物质基础。既然数据如此关键，聪明人肯定会问——能不能自动获得数据呢？对此，AlphaZero给了我们一个并不意外的漂亮答案！
在围棋问题里，x是某局棋，而y就是这局棋的输赢。由于围棋的规则确定，任给一个x很容易算出y，于是机器就可以自动生产数据了！有了无穷无尽的数据，AI笑傲江湖在战略上并无意外。这揭示了无监督训练的一个本质要求：由观察x能够显著降低y的不确定性。对于围棋，x定了y也就定了，这简直太美妙了，三千万棋谱又算什么？我这儿要多少给你编多少！
自动生成的棋谱当然还得靠谱。就说你算力超过奥特曼，可是天天冥思苦想下图《环珠格格》中紫薇下出的弱智局面下的策略，也不过是浪费电罢了。这提出了自动生成数据的另一个要求：生成的数据p(x)分布，要跟真实分布尽量接近。对此，AlphaZero是否考虑了，怎么解决的，我还没有仔细研究过。

AlphaZero的胜利，一靠数据至上的信仰，二靠围棋自生数据的特点。不过，不要以为在其他领域，也会被这样的馅饼砸到，因为能自生数据的任务并不常见。那么，有没有可能通过方法上的改进，大幅降低对数据的依赖性呢？有可能！对比一下人与AI的视觉，会发现两者对数据的利用效率大为不同：有宝宝的可以留意，他们在画上见过一张卡通长颈鹿，到了动物园就能认出真的长颈鹿；而目前的AI要认长颈鹿，怎么也得看个几万张高清无码长颈鹿写真才行。
其实，从动物到人的上亿年进化中，视觉系统不断地被外界景象所刺激，也就在不断吸收数据和加强能力。妙就妙在，人类的视觉能力一则可以遗传，二则可以在不同任务上复用。想想也是：辨别纹理、线条，与认长颈鹿还是河马并无关系。那一张卡通图片的作用，只是告诉小孩子怎么拼出轮廓罢了。这与“强AI“可能有些关系：深度神经网络的下面若干层，往往表达的是类似“线条、纹理”这样的初级信息，与高级语义的关系较弱，如果我们能把这些初级单元复用起来，AI就能够充分利用类似任务的数据，而不是撂爪就忘。这样一来，缺少数据的问题就大大缓解了。
人类的感知系统还有另一点令人困惑：别忘了在进化过程中，从来没人告诉一只猴子，眼前的哪个物体是鳄鱼。也就是说，人类的感知进化很可能是无监督的，这给了我们无限的希望，也让我们后背发凉。

回到问题，仅就目前的AI来看，判断某项工作是不是会被机器替代，有一个大前提，和一个小前提：大前提，是可以获得足够的有效数据（能自动生成数据则无敌），也就是说机器有快速进化的基础；小前提，是人本身的进化过程没有见过大量的数据，也就是说人的起点并不高。
速记、客服这些与语音视觉相关的工作，满足大前提，不满足小前提，AI从这里起兵却遭遇劲旅——人类的视听系统可是上亿年的数据喂出来的啊！反而是股票操盘手、互联网数据分析师这些工作，迟早是AI的菜，人类并无还手之力——不信去测测基因，您有祖上遗传下来的炒股本能么？
还有什么工作容易被AI颠覆呢？考虑到“自动生成数据”这个关键，我冥思苦想以后，无奈地告诉大家，还真没准是编程。
机器自动写代码并不是个新问题，这叫做“归纳程序综合”（Inductive Program Synthesis，IPS）。IPS问题可以描述为：给定一组<输入，输出>数据对，自动产生一段代码，将这些给定的输入转换为给定的输出。传统的IPS方法，有点类似只能在4路小棋盘上的暴力搜索；可实际的编程任务，好比是19路大棋盘上的对局，还得靠万物灵长的程序猿来人肉搞定。
可如今天下大变，机器在19路围棋上已经碾压人类，凭什么编程就不行呢？机器人下棋，靠的是统计的方法和大量数据；而机器人编程，当然也要用机器学习替代暴力搜索。这里的关键，还是数据从哪里来。在这点上，AlphaZero给了我们极大的启发。
如果在某些问题中，编程需求可以像围棋规则那样形式化表达。此时，给定一种输入，输出很容易确定，这就可以自动生成大量的测试数据。有了这些数据，后面无非就是算法进化的问题了。
所以，真正的难点，还在那个形式化的需求表达，目前这离我们有多远，我也说不清。设想一下，应该是在不同领域各个突破，分别制定表达方案。不过，编程领域的基础准备相当充分：那个叫Gitbub的网站，将是机器颠覆人类程序猿的大本营！从Github上的海量项目出发，分领域定义需求表达模式的话，后面的数据生成和编程模型训练，其进展恐怕比我们想象得要快得多。

现有的码农工作流程，可以分为沟通、设计、实现、调试、测试这几个步骤。某典型程序员随着年资变化，这几个步骤的时间占比大致是上图的样子。如果形式化脚本+自动编程成为现实，上图中的实现、测试、调试逐步骤就可以交给机器了。而沟通这一步，也将大大简化。由于可能比较自动地生成数据，机器人编程解决复杂的任务，恐怕是迟早的事儿。到了那一天，程序猿就要大幅减少，产品狗势力会进一步扩张：就算是不懂什么堆排序、B+树、CNN，只要用脚本把需求表达出来，一样能做出产品！不过，那时产品狗的要求可高多了，得有真正的逻辑提炼和任务分解能力，就会吵个架、抢个功是远远不够的。
“遍身绮罗者，不是养蚕人。”亲爱的程序猿们，不要天真地以为你们创造了未来，未来就属于你们。狡兔死，走狗烹未必是机器自发的愿望，无奈编程这样高度形式化、数据可自生的任务，可能正是AI铁蹄首先踏过的沃土。除了少量的高端码皇（参见答案《20万、50万、100万的算法工程师，到底有什么区别？》），广大码农码畜们只有尽早皈依大数据教，向高级产品狗快速进化，才能避免被淘汰的命运！
［我是@北冥乘海生，想吸收更多负能量，请大家关注我的公众号“计算广告”(Comp_Ad)和知乎专栏“计算广告”！]

知乎小管家。

翻译。
但是翻译里的各细分领域里，被取代难度各不相同。讽刺的是，传统意义上难度越高的，越容易被取代：
口译里的同传；
笔译里的法律翻译。
而目前市场价格最低的：口译里的商务陪同&笔译里的文学翻译，最难被取代。

大概从人类发明机器的那一刻起，就再没有什么“铁饭碗”了。不同科研或者学术机构每隔一段时间就会发几篇“机器人替代人工”的预警报告，再由媒体取一个耸动的标题，引发年复一年的争议。
最近一次比较严厉的预警来自麦肯锡。它测算了 800 个工种、2000 多种工作行为的自动化风险指数，告诉人们又有一些职位将要被自动化取代了，其中食品巨头工厂里的流水线工人最危险，图书管理员 86% 的工作也将不能幸免。
争议年复一年，观点其实每年都差不多。基本上，乐观派喜欢用机器人成本高、技术不成熟等理由，来证明人工的优越性；激进派则延续了 200 年前“卢德运动”的精髓，直呼机器人为“job stealer”，但鉴于人工智能一时半会成不了什么气候，他们多数也懒得计较；理性派则站在中间，显得特别政治正确。新技术的确摧毁了一些岗位，但也催生了新的。况且整个职场的变化还和经济环境、就业政策、劳动力市场供需、分工格局的变化有关。
好奇心日报记者查阅近 60 年来有关“机器/机器人/自动化/人工智能取代人工”的论文、报告和媒体报道之后发现，有 30 多种职业已经被宣判过至少一次死刑，包括行政文员、财务、手艺人、客服、中介……但现在它们多数还是好好的。
以下是这些职业、它们被宣判死刑的原因，以及他们还没死的可能的分析，有点长，但可以说很详尽了：
[h1]行政文员、秘书、助理[/h1]从有现代意义上的公司出现，这类职位就已经存在了。
这个平时没太多存在感， 稍微多群发几封邮件就会被吐槽太闲的尴尬职位，竟然在 60 年前就被预测要终结了。
1950 年前后，电脑最初被介绍进入美国的办公数据应用环节时，专家就发出了“大部分行政工作将被自动化取代”的声音——在各个领域，不止企业，还有学校、公共服务领域，甚至政府。后来陆陆续续，这种预测就没间断过。
http://img.qdaily.com/uploads/20160729121703xOPgCNcE7jLRfYQI.jpg-WebpWebW640 1937 年的打字员，这个职位早已消失 | 图片来自 nrm说起来，行政也是够委屈的。虽然看似掌控着运作一个机构的权力，但更像润滑油，而非驱动力——作为支持性部门，有的时候他们调侃自己为“后勤”。在公司业绩不好，出现裁员可能时，他们往往也是被首先考虑的。
如果有更便宜的替换对象，比如打卡机换掉考勤员，Siri 换掉秘书，日程软件换掉助理，为什么不呢？
不过也不用太担心，毕竟行政职位经历风雨之后，还是活得好好的。从 1957 年-1987 年，美国行政员工的职位经历了持续且高速的增长，成为仅次于经理、管理者、服务业者之后的庞大就业群体。
这件预测被打脸的事是怎么发生的？
电脑确实降低了行政职务的普通增长，但电脑降低了以前那些时间和经济成本都比较高的工作的成本，比如现在可以每天统计报表、分析数据了，所以电脑允许各领域的公司把生意做得更大，反而创造了就业机会。
[h1]财务：银行柜员、出纳、会计、审计[/h1]这同样是大多数公司都需要但不被认为很重要的职位。1968 年， 一篇报告就预测了工业自动化应用的 10 个最常见领域：工资表、账户收款、营业额、销售数据分析、总账管理、时间分配、调查、库存管控、费用计算、成本核算——几乎全跟财务有关。
到了上世纪 90 年代，随着自动取款机遍布美国城市和郊区，在 10 年之间，美国各家银行为此淘汰掉了 17.9 万出纳员 ，占全员的 37%。预计到 2000 年，90% 的银行客户会使用自动取款机。
http://img.qdaily.com/uploads/201607291137242eilJqU3tLRIGyDX.jpg-WebpWebW6401969 年，美国 ATM 的样式还很“古董” | 图片来自 kmhouseindia到了 1995 年，德勤国际预测，电子化办公将导致美国大西洋两岸的银行取消 50% 的职位。而对英国来说，这个数字是 5 万人。
20 年后的今天，对财务一职的替代率预测更加严苛。不久前， 麦肯锡报告称， 会计、审计等职业中，有 86% 的行为都存在自动化风险。
[h1]客服：前台、接线员、售货员、导购[/h1]“普通话请按 1，For English Press 2……”如果你接下来不按“0”（或“9”）选人工，那么解决你的问题的都会是其他线路的机器。
宣判客服职位将要消失的观点，早在上世纪 80 年代（甚至更早）就有了—— 毕竟，哪怕那时还没有什么先进的系统（比如自动贩售机、电视购物、云客服系统之类的），产品说明书和采购指南还是早就有的呀。
而且客服看上去事无巨细，但实际上顾客的需求也逃不出这几类：
银行——挂失、查余额、改密码，商场——营业时间、活动信息、商品真伪，运营商——充值、缴费、门店位置……只要公司们把每一种服务场景都细分出来，再不断补充，这些需求都是可以被总结归类，并重复使用同一个解决方案解决的。
可是你看，即便到了现在，大家都用淘宝购物了，为什么还需要一种叫“店小二”的职位？银行卡挂失完全可以通过打电话、官网、手机 app 甚至微信自助完成，为什么大家还是喜欢选人工服务？
这就像每次买西瓜都要问“瓜甜不甜”一样，虽然明知道结果可能都一样，但听人说一遍总归更安心。尤其是在面对突发状况的时候。这也是人工服务询问一直居高不下的原因。
http://img.qdaily.com/uploads/20160729121742yZsumicRaNDkn762.jpg-WebpWebW640 一位女职员坐在 IBM 650 控制台前，后者是上世纪 50 年代最流行的电脑[h1]中层管理者[/h1]这可能是最令人感到意外的了。
而在一些风险测试中，的确有机构认为公司管理岗位是最不容易被自动化替代的岗位之一。
不过 2014 年，日本一家风投公司任命人工智能 Vital 履职董事会成员，希望利用它敏锐感知市场趋势的能力。
再回溯 20 年，《财富》杂志也有过预计：200 年前人类创造的工作条件——大宗生产和庞杂的组织，今天正在消失。随着劳动力分布的改变，四分之三的中层管理人员将消失，其中有一些可能会回到他们的初始岗位。之后，就只会存在两种领导：流程经理（负责执行和监督）和员工教练（负责培育）。
结果呢？你看到了，至少到现在中层管理者还称得上是公司的中坚力量。
[h1]创意者：设计师、记者、教授、律师、建筑师[/h1]这类职位会被替代的预测是最近几年出现得比较多。
比如，2014 年，Narrative Science 公司就推出了一种软件，可以直接将原始数据生成可以理解的文字，来替代记者或者分析员。用机器人写小说这种信息也已经有流传出。
但在牛津大学在 2013 年对 700 多种职业进行的计算机化风险排名中，创意类职位的被替代可能性较低。如律师只有 0.0035，绘图设计师为 0.082，记者为 0.11。
前不久，麦肯锡发布的自动化风险报告也印证了这种低风险。“以现阶段可接触的技术，最难自动化的活动是那些涉及人员管理和发展（只有 9% 自动化可能）的职位，以及需要在决策、计划或创意工作上投入专业性（18% 可能）的职位。”
考虑到这些职位需要调动人类独一无二的智力与感情，它们的确几乎没有可能永久、彻底地被自动化或人工智能所替代。
[h1]手艺人：铁匠、渔民、厨师、面包师、调酒师[/h1]像约翰逊在《先上讣告，后上天堂》中调侃的那样，死亡这件事情总是接连发生。上世纪七八十年代，任何受到汽车工业欢欣鼓舞的人，都能没什么难度地得出这个正确的结论：铁匠和马车匠要挥别历史舞台了。
早在 30 多年前，要靠手艺吃饭的职位数就被预测到了增长将越来越低于平均。
在庞大、标准化、高效率、低成本的工商业系统面前，去实现某项工作，手艺在其中扮演的角色已经越来越微乎其微。有了专门的捕捞船和电网，为什么还要用吊钩和渔网？尤其在揉面机、自动配方机、定时烤箱被发明出来之后，做个面包都不用人看着了。
但手艺人现在有另一个称谓——匠人，尽管工匠精神这个词也已经被用烂了。但你挡不住任何贴上 hand-made 标签的东西都更有吸引力了呀！
http://img.qdaily.com/uploads/20160729114848Nogx2n9eLX016lhQ.jpg-WebpWebW640现在，打铁都成一门艺术了 | 图片来自 azblacksmiths[h1]中介[/h1]看看现在满大街的中介公司，你是不是想笑？
但话又说话来，虽然互联网界一向油嘴滑舌，但“打掉中介”这种事儿确实也是干了一些的。
就像 Erik Brynjolfsson 以及 Andrew McAfee 在他们的新书《第二次机器时代》（The Second Machine Age）所说的一样，谁能想到房子的出租人能够在 Airbnb 这个平台上成功的直接对接租客，从而取代了酒店旅馆的角色？
不过，这种趋势早在 1972 年就被预测到了——那时，一种叫“卡片分离器”的设备被发明，人们发现，自己可以不用通过任何中介，直接买机票了。
后来，随着家用电脑的普及，1995 年，路透社预测， 银行、保险、旅游领域里一些偏中介服务的工作机会很可能被“摧毁”。
现在——找工作简历直接投官网，租房子上本地化生活平台，连二手车平台都号称“个人车主直接接触个人买家”。但你看，猎头公司依然存在，链家几乎占领了上海。
弗里德曼在《世界是平的》一书里提到过“碾平世界的 10 大动力”，其中大部分与新技术有关。在这个越来越平的世界里，商业交换的两端可接触的机会越来越多，留给中介的余地自然随之越来越窄。而事实是，另一种形式的中介出现了。
[h1]管理员：仓库管理员、分拣员、图书馆管理员、邮递员、保安[/h1]将时间调至上世纪 70 年代， 就已经能够看到很多关于图书馆自动化管理和系统应用模型的讨论文章。
随后的 1982 年，日本也插入了管理系统应用技术的变局。东芝集团研发了 2 年，以 800 万美元的成本生产出了可能是当时世界上最先进的邮件分拣系统。自动称重、扫描、计算邮费、盖邮戳，再放到相应的投递框里，虽然当时的邮政系统也是需要人的——分拣机只能承担 60% 的工作——但至少预示着 60% 职位的终结。
30 年后的今天，事情也如出一辙。最出名的是亚马逊， 它 2012 年收购了 Kiva 机器人系统，后者现在是它物流仓库里分拣工作的绝对主力。国内的京东等电商平台在谈及仓库物流时，也都会提到所谓的自动化分拣。
http://img.qdaily.com/uploads/20160729115312TiQfEbA8Ssc471qr.jpg-WebpWebW640 亚马逊使用的 Kiva 机器人系统 | 图片来自 Bidnessetc2013 年，美国 Knightscope 公司发布可预防犯罪的机器人 K5 ，它的功能包括 360 度移动，对比数据库中的疑犯形象，夜间还可以读取汽车牌照；法国 Abankos Robotic 公司也造出了防盗机器人 Lucos 和可以自动巡逻的狼狗机器人 Cunos 来替代人类安保管理员。
[h1]驾驶员：司机、飞行员[/h1]你会放心乘坐无人驾驶的交通工具吗？
这个问题，波音飞机早在几十年前就想知道了。1984 年一篇 IFG 的报告中就提到，波音飞机初次尝试将驾驶舱里的一个雇员替换为机器，与其他两位雇员一起工作，并提出预测，“随着电脑价格越来越便宜，哪怕飞行员这样的复杂工种，被替代的机会也会大大增加。”
在现在自动驾驶的概念被热炒的情况下，这种讨论也再次浮出。但最近发生的几起无人驾驶事故，尤其是特斯拉车主死亡事件，让无人驾驶又蒙上了阴影。
理论上来说，这可能真有实现的那一天。但人类驾驶员或许永远不会被彻底取代。
[h1]危险工种：救援人员、士兵、宇航员、科学实验人员[/h1]这些高危险、条件艰苦的工作，可能发生在极端环境下，人类或许难以胜任，或胜任需要付出较高成本，因此反而期待机器人进行替代。这也是几十年来，科学家和工程师努力在进行的事。
一个特殊的例子是，2001 年美国发生炭疽攻击事件。有人开始把含有炭疽杆菌的信件寄给数个新闻媒体办公室以及两名民主党参议员，接触到细菌信件的邮政分拣员死亡或被感染。为此，机器人开始被应用到邮政分拣系统中，最后保障了劳工安全。
2011 年，美国总统奥巴马还宣布了“国家机器人计划”，承诺在下一代机器人开发上投入 7000 万美元，协助工厂、卫生保健提供者、军人、医生和宇航员开展困难的工作。
[h1]服务员：超市店员、收银员、点餐员、保洁员、加油员[/h1]虽然几十年过去，机器人服务员的水平也就只发展到最多端个盘子削个面，但一些比机器人更好用的机器却早普及了。
比如扫描仪。1982 年，哥伦比亚大学就预测，在 2 年之内，2.3 万个大型超市中的 50% 都会安装扫描仪，其余的 50% 则会花上 6 年。也就是说，到 1988 年的时候，有 5 万个超市岗位会因此消失掉。
接着，借记卡和电话购物也被发明了出来。1984 年，斯坦福大学的研究人员看到了无现金化的消费趋势，判定收银员职位很快将逐步消失。
另外，就像马车夫已经被机动车取代那样，用不了多久，邮递员、酒店服务员也都会被自动化系统所取代。
又过了 15 年，麦当劳在部分门店上线了顾客喜欢的智能点餐机。有人由此预计，第一波机器人取代人工将发生在 2030 年的快餐业。之后，会蔓延到酒店、商场、机场，代替大部分接待员、保洁员。
[h1]医药业者：药剂师、手术助理、实验室助理、老人护理员[/h1]早在 30 年前，就出现了关于“聪明”的机器人将替代医生的预测。
1996 年，一篇科普医疗领域机器人应用的论文， 提到了机器人在医药领域替代人类的可能性，包括实验室机器人，可以配合实验；医院机器人，可以移动、抓取和分配药物；康复机器人，可以搬运病人；手术机器人，可以确保精确施行等等。
2008 年，美国 NIC （National Intelligence Council）预测，到 2025 年，机器人可能会被用于担任老人护理员。
近几年，药剂师、医药秘书和病史转录员也被认为是未来将被机器人逐步替代的职位。
但这些人仍然还在医院里面忙活着。而且在美国，你会发现，他们通常通过移民来解决这类问题，只要劳动力市场供应足够，成本又低，还是会选择人。
[h1]流水线工人、清洁工、印刷工人[/h1]不想做颗“螺丝钉”？嗯，可能就快没得做了。
1961 年，通用汽车在新泽西工厂的流水线上，上线了世界第一台机器人，企业主突然发现，这东西又快又准，不用休假还不会闹罢工，简直打开了资本主义新世界的大门。
于是大家就跟着学起来了 。20 世纪 60 年代，福特汽车的工人数量从 6.5 万降至 3.5 万，同时却在 100 英里的半径内建了一系列的新型自动化车间。
美国制造业工程师协会开始关注这种新兴的自动化趋势。在 1980 年的一次调查中， 协会几乎是以“5 年内，机器人会取代工人工作的 20%，15 年内取代 50%”的结论，为工人的职位浇上了一盆凉水。
http://img.qdaily.com/uploads/20160729121832k5OW7Yt8sIcUrNnl.jpg-WebpWebW640 早已消失的活字印刷 | 图片来自 wikipedia次年，一份名为《工业机器人的影响》的分析文章将取代的时间抻长了一些，认为在未来 20 年内，功能简单一些的一级机器人将取代 100 万操作工人，更高级的二级机器人可以取代 300 万，而当年，全美的工人总数一共才 800 万。
由于这时候也正处于萧条时期，再加上机器的发展，仅仅一年时间，工人和私人清洁人员的职位就出现了显著的减少，数量明显低于此前数年。
到了 1987 年，印刷工业也不让工人阶级省心了。电子出版方式直接替代了传统工艺，印刷和牌子工人的职位数量连年跳水——不是机器替代人工作，而是机器一出现，岗位干脆消失了。
[h1]农民[/h1]其实就像工人一样，作为一种职业的指代，它可能算不得严格意义上的职位。
对这两种职位的风险预测其实都是伴随着工业革命而来。
1885 年，英国人瓦特改良的蒸汽机顶开了生产方式变革的壶盖，机器被发明出来不久，专家的预测就成了真：工作量刚轻松下来没几年，工作就没了——1850 年之后的不到 150 年间，美国从事农业的劳动人口占比就从 60% 下滑到了 2.7%。
http://img.qdaily.com/uploads/20160729121910JvogeIOpQNBLVDnq.jpg-WebpWebW640 早期的拖拉机，可以极大节省人力成本 | 图片来自 farmanddairy虽然这与人口数量变化也有关系，但不能忽视的是，在那时的农业生产中，1 个机器人被普遍认为至少可以取代 4 个农民工作，如果 24 小时使用，采购成本将可以在短短一年内收回，傻瓜才会不动心吧。
后来，事情更复杂了，人们发现机器除了便宜，竟然还能干好人类干不好的活。比如，1970 年就有报告指出 ，农场劳工虽然（短期）成本便宜，但还是敌不过可以在播种、耕地等作业上提供更高精确度的小型机器，基本可以宣称农民这份职业的终结。
http://img.qdaily.com/uploads/201607291214001M5g3DWtTX0JcokG.jpg-WebpWebW640 电脑的出现和流行给社会分工带来了颠覆性的变化 | 图片来自 nrm
但你看，这些被宣判过死刑的职位，它们多数现在还是好好的。
不该否认，机器人或自动化，的确在某种程度上，“抢”走了人类的部分职位。以美国为例，2000 年开始，美国制造业领域的职位消失了近 500 万——占职位总数的 30%，工资的情况也很不好，占全国经济总产出的比例已经跌至 20 世纪最低点。
但这也不该完全归咎于自动化，更并非是机器人多么厉害。毕竟，经济环境、就业政策、市场劳动力供需、分工格局的变化，甚至劳动者的个人技能，对就业的影响和技术趋势可能一样重要。
而且，可能科技摧毁了一些原有的职位，但却催生了新的。比如，数年前雇主都在招聘打字员、接线员，但今天招聘的却可能是薪资更高的互联网运营、手游设计师。网购或许影响了实体商店导购员的生意，但一种叫做在线客服的职位被创造出来了——而且中国在线客服多数不是聊天机器人——另外被创造出来的职位，还有快递。
正如美国经济咨询委员会主席 Jason Furman 在一次报告中所说的，看经济发展要看长期，虽然中短期内，人类的职位可能被机器人改变，但在一个经济平衡期内，人工智能对经济的作用还是积极的。
也就是说，有了科技发展，世界生产力总体上一定是提升的，创造财富的能力也是逐渐提高的—— 最简单的观察，世界上养活的人只会是越来越多的。
所以，不要怕！

象牙塔里待太久的人，总觉得面向基层的政府机构、事业单位等等窗口部门会被ai甚至自助办证机取代。

我觉得他们眼里的窗口部门可能就和学校补办食堂饭卡差不多。

就金融行业来说，这个担心不无道理，人无远虑，必有近忧嘛，下面是近期亚洲金融论坛上与会人士票选出来，预计将对金融行业产生颠覆性影响的科技发展成果，人工智能妥妥地排第一。

既然是颠覆性的影响，那么其对金融行业工作岗位的性质和要求的影响也将是巨大的，至少有十来股具体的技术进步是值得关注的。下面是普华永道在一次晚宴上摆出来的席卡，列出了其旗下AI Accelerator团队对人工智能具体发展方向的趋势预测。

那么，这个东西什么时候来，可能会加速到来，下面是2018年中国金融科技产业峰会对技术发展顺序的判断，大家可以看看我们现在处于什么位置了，实现的速度很可能是爆发式的！

最后，回到题主的问题。我觉得问题不在于「哪些职业最容易被人工智能替代？」，而在于「哪类人（不管你是做什么职业的）最容易被人工智能替代？」
而且很可能不是被人工智能替代的，反倒是被那些能够和人工智能合作的新人所替代的。只有人工智能和能与人工智能合作的人一起才能进一步提高效率（下图源自哈佛医学院的一个研究结论，原文点我），而抗拒不去学习和合作的人终将被替代。

我们通常会高估科技进步在短期内的影响，而低估其长期可能产生的影响

----- 摘自已经计划在2019年将人工智能、机器人投顾和大数据分析方法等知识纳入到其考察体系中的特许金融分析师（CFA）协会

因此，不断学习新的知识才是唯一的出路！来，咱们共同学习，不过，麻蛋，真的好难哦。


参考文献
CFA协会中国金融科技群中群友持续热烈讨论的聊天记录，未发表手稿

谢邀！
显然，机械性动作的工种很容易被人工智能取代。最为著名的是富士康的机械臂。但今天我来说说一个有意思的想法。
大家留意了没有，很多政府的办事部门做的业务，都是机械化流程的。比如你去相关部门办个证件或者什么的，就很适合用人工智能来替代。因为即使没有人工智能的时候，人为的办公方式也是流程化的。
比如你要办去国外的签证，你是要先取号排队，然后跟着一系列流程来走的，跟你对接的是一个公务员，但公务员，不敢说全部，总有一些有时候不开心，或者说准时下班的问题。如果安装了人工智能，就不一样了。以后可以通过机器24小时开放给大家办公了。
而且，机器办公还有个好处，永远是笑脸相迎，无论你怎么说，机器都会像siri一样可爱。而最重要的，当然是提高政府的办公效率，一方面减少人工开支，另一方面机器可以做到24小时的办公。当然，这也意味着，很多公务员会被淘汰掉，不是有人说了，未来70%的工作被机器取代，如果真这样，公务员应该也占很大一部分。
当然，大家会担心两个问题，第一个问题是人脸识别的问题，第二个问题是疑难杂症问题决断问题。
对于前者，人脸识别已经很成熟了，而且未来会越来越成熟，所以我觉得这块不用担心，因为游侠岔子，就算是人工也会出，用人工智能来替代的话，也有可能有错误，但这个概率跟人为的概率应该可以做到差不多。这样的话，技术的问题其实是不用担心的，就算现在不行，未来等到完全成熟后再部署也行。
第二个问题估计机器难以取代。因为人工智能是按照流程办事的，但有些人比较特殊的时候，估计还得找人，这个时候，可以留着两个真人的窗口，专门解决疑难杂症的，这样会更好。
总体来说，很多公务员岗位的确适合用人工智能。

针对这个问题，分享一篇我的乎友 @阿萨姆 老哥的见解，希望对大家了解这方面有所帮助。如下：

• 原作者：@阿萨姆
• 原链接：https://www.zhihu.com/question/61829257/answer/231679440
• 原出处：知乎

其实没有必要太担心人工智能带来的失业潮，这个过程应该是缓慢而坚定的，不会在一夕之间发生。现在人工智能领域泡沫还比较大，而大部分行业其实还远没有达到人工智能革命的阶段。以我供职的一家咨询服务类公司为例，为了赶上潮流提供人工智能方向的咨询，老板专门招聘了多个相关领域的博士，包括数学、统计、计算机，甚至还有一个行为科学(Behavioral Science)的美女博士。然而我们这个团队迄今为止还没有成功的做出一个“颠覆行业”的产品，大部分卖给客户的都是比较小的模型。我们尝试过“审计自动化”但也因为各种原因失败了，如 我在问题 随着人工智能的进步，财务工作者会大批失业么，该如何应对 ，我们也试过代替人事用于面试的对话机器人(Chat Bot)，受限于自然语言生成(NLG)结果也不够惊艳。

[h1]1. 人工智能的存在是否可能会导致失业呢？ [/h1]

我觉得还是有的，但此处的失业仅特指在某个方向和小范围上，而不是全面失业。举两个简单的例子：翻译和律师。众所周知，这两年的文字/语音翻译模型进步飞速，自然语言处理(NLP)也有很多依靠深度学习发展很好的例子。以律师行业为例，多伦多/硅谷共同孵化的Ross Intelligence就很好的为法律文件检索提供一个快捷免费的方案，让大律师们的失业变得成为了可能。前一阵子我想大家也看到了腾讯和学术界共同开发的“腾讯觅影”来检测早期食管癌。这些例子不难看出，在短时间内，很难出现全领域的人工智能或者机器学习模型。但是在利润率高、数据结构化好、数据储量大、问题定义明确的单一领域，AI可以发挥其力量。随着一个个小领域被逐步击破，或许我们就可以迎来强人工智能时代，是福是祸暂时还未可知。

所以在我看来，一个行业/职业达到被人工智能取代至少需要满足以下三个条件:

结构化的数据和良好的数据积累：人工智能需要结构化的数据，至少是电子数据。人工智能的秘诀就是通过学习数据发现并重现其中的规律，没有大量的数据积累导致利用人工智能举步维艰。大部分领域的大数据化，甚至是数据结构化都还有很长的路的要走。以审计为例，很多公司还有大量的票据都不能无纸化，更不要提AI能够消化的电子数据了。以我上文提到的面试AI为例，因为没有原始数据可以直接使用。于是我们让12个刚入职的员工花了一周时间把我们保留的面试视频逐字逐句的转译到文字+特征，整个过程苦不堪言。
清晰明确的任务定义：现阶段比较在商业化中被广泛应用的机器学习还是监督学习，而监督学习要求有比较明确的问题定义。现在看起来很有希望的强化学习，迁移学习等还并不能大规模普及应用。以简单的监督学习为例，如果你想建立一个模型来预测企业并购是否会影响公司股价，那么你需要提供大量并购数据，以及并购后股价是否发生了变动。理想情况下，在收集足够多的并购消息和股价变动信息后，做自然语言分析后提取特征放到机器学习模型里面就大功告成了。然而在实际情况中：我们无法给出明确的问题定义和边界。如果想用AI来来制定一个股票交易策略，那么需要考虑进去多少因素？仅仅只考虑并购消息就够了么？越多相关的因素越可以提高模型的拟合性和准确性。如宏观政策和微观的具体情况都会影响到股价的波动，漏掉其中哪一个都会造成一定的影响，往往是多多益善。在这种情况下，每个问题都需要大量人和数据来支撑，这也是为什么大量用AI来预测股票走势的探索都无疾而终的原因。现阶段或者可预见的未来，在很多问题上不会出现这种明确的定义和范围。
可接受的回报周期和高利润率：每个人工智能问题可能都需要大量人和数据来支撑。因此研究探索型的、不能产生利润的方向很少有公司来投资AI。换言之，有财力提供AI研究的公司不多，小型的企业或者学术机构又缺乏资源（资金，技术人才，数据积累）来进行系统的研究。因此在很多传统的行业，大家其实是缺乏动力来投资人工智能的。比如你很难说服一个烧烤店老板投资AI来吸引更多客人或者开发自动烧烤机器人。如果某个人工智能产品不能在合理的周期内提供回报，那大部分企业和资本不会选择投入。

因此总结来看，满足以上条件的暂时有:

医疗：疾病检索、早期预测、手术机器人(勉强把机器人算作人工智能) ；
翻译/律师：作为收入比较丰厚的行业，中低端的工作会被人工智能代替 ；
金融：作为数据结构化比较好且资金丰厚投入好的行业，越来越多的金融分析师都迎来了失业；
驾驶：其实运输行业是大家不大了解的体量巨大回报丰厚的行业，这也是为什么无人驾驶被那么多公司追捧 ；
高危行业：高危行业约等于高回报率，如矿洞机器人和高空作业机器人。

[h1]2. 什么行业不容易被替代？ [/h1]

不容易被人工智能影响的行业一般都不符合以上几点中的某一点，而很多行业暂时没有被替代不是因为技术门槛高，而只是回报周期太长且利润率不够高，对投资人缺乏吸引力。人们常年挂在嘴边的艺术算是比较特别的一类不容易被替代的行业，而原因只是因为艺术有“主观性”的特征。
严格意义上说，正在被人工智能替代或者将被人工智能替代的行业其实都是黄金行业，这符合资本逐利的特征。这也是为什么我们很少在传统行业，如餐饮或者制造业听说人工智能新闻，而更多的是在高新金融行业。说句政治不正确的话，虽然有越来越多的超市进行无人化，但短期内象征意义大于经济价值，同理还有外卖机器人等。
因此不要买椟还珠，不要为了回避失业风险而选择冷门专业。

[h1]3. 如何应对潜在失业潮？ [/h1]

像我说过很多次的，趋势这个东西不要想着对抗，而要想着顺势而为。如果你身处我提到的容易被替代的行业，建议积极发挥自己的领域知识，变成既懂人工智能又懂金融的领域专家，成为跨领域人才才是保命稻草。具体的建议可以看我另一个答案 未来 3~5 年内，哪个方向的机器学习人才最紧缺 ， 重点就是不要抛弃自己的本行和领域经验，建议取巧从交叉领域发力。
如果你身处传统领域，或许你有机会成为行业颠覆者。有目的地的收集数据，开始着手逐步自动化/智能化你的工作，像你的老板灌输人工智能思想。但不要操之过急，要一步一个脚印，说不定你就是人工智能时代餐饮业的大佬。相较于高新金融行业，传统领域有更多机会，因为技术普及程度低，人才少，你有更大的机会进行颠覆。
对于还在就读的学生朋友来说，如果不是计算机/统计方向，建议有计划的学习和了解更多数据分析相关的知识，也可以考虑去读一个数据分析硕士。核心观点是，在这个“人工智能”盛行的时代，即使泡沫终将会破，有一些数据分析能力也能够帮助你“逢凶化吉”。

注：希望继续在IT行业突破提升自己的各位朋友，欢迎加群384053806，不管你自我感觉牛不牛B。

聊聊人工智能对营销圈的可能影响。

对风口的敏感度，营销人是仅次于投资人的。
就像去年，营销人都在讲AR\VR案例一样，今年几乎不约而同的都在讲AI。

背后的原因似乎很简单：
一来，营销人对什么行业总能说几句；
二则，营销人需要把握风口，帮助企业从投资人手里拿钱。


一、朋友说：
虽然各种行业大会上，各位都是讲诉自己的企业如何拥抱人工智能。但私底下，营销人员都有弥漫着一种悲壮气氛。
这种气氛很熟悉，就像在前两年程序化购买出来的时候一样。
我们都担心，或许有一天我们都将被取代。

“我觉得我现在很大程度的工作量都可以由人工智能实现，而且我们的学习速度一直是按字节计算，而计算机已经迈入量子计算的层面了。我们此生所学，计算机可能几秒就掌握了”

“就像IBM的Watson一样，10分钟读了2000万份论文，然后给山下诊断出了病情一样”

“高盛在2000年的时候在纽约还有500名的交易员，现在只剩下2名了，其余全部用系统替代了。”

“去年，阿尔法狗在围棋上才战胜了李世石；今年libratus便在德州扑克上便打败了人类，可能就剩狼人杀还能玩玩了。”

“人工智能越强，我们的作用便越弱了。之前今日头条在挖我，我就不想过去，你想想今日头条这种技术驱动型的，一旦规模成熟，营销人员的作用就微乎其微了。”


二、李开复说：
AI扩张一定会经过下面三个阶段：
第一个阶段，把已有的大数据用起来，BAT在用，今日头条、快手、滴滴、美团都在用。另外，金融领域可以用，比如我们投资的智融集团的用钱宝，一个月放出30亿的贷款，因为可以把已有的数据、用户数据激活做小额贷款，还有医疗。
第二个阶段是把没有的数据收集起来、上传起来，用各种摄像头把人脸收集起来，收集了500亿张人脸，所以随时识别300万张人脸，这不是一个人类的功能，而是超人类的功能。
第三个是无人驾驶的机器人时代的来临，从工业走向商业走向家用机器人，走向全方位的无人驾驶。

说的比较通俗易懂，大数据－大数据应用－大数据自动化应用。
不过在国内，大部分AI创业非常缺乏想象力，大量企业在做人脸识别。但人工智能并非只有人脸识别，其实这正是由于人工智能技术在商业上的限制。所以李开复建议，AI科学家创业时一定要搭配企业销售人员，将AI技术推向商业市场。

有两个好消息：
1、在开复老师的眼中，我们这种创意性工作的人被取代的顺序还挺靠后的。
2、我们营销人员在AI的实际应用层面，暂时还能有添砖加瓦的贡献空间。


三、鲁白教授（著名神经科学家，推荐各位关注他的公众号：知识分子）讲：

（图片来自：知识分子）

人工智能迄今为止，对脑科学研究没有影响。脑科学对于人工智能提供了一个理论，脑科学里有很多个理论，其中有一个理论，就是卷积神经网络，这个是基于视觉系统信息处理的一个学说，曾经获得诺贝尔奖。这个理论被人工智能里的几位大师用到人工智能去，就开发了人工智能当中的所谓的深度学习。

脑有五大用途：感知、运动、储藏信息、情绪管理、认知。
对于感知，鲁白教授认为脑机接口有可能实现。
运动这个用途人工智能也可能实现，而且实现的速度可能会更快。
对于记忆功能，计算机做的非常好，比人做的好。但是，把人的记忆用一种什么方式能够输出，目前还没做到。
对于情绪管理，鲁白教授认为输入是有可能的，就是影响我们的情绪完全有可能，而且不会在很远的时间就会实现。
在认知方面，他认为，人跟人工智能还是有不一样的地方，例如想象力，有了想象力才能创造。

所以，在想象力方面，人工智能似乎永远无法替代。
就这像给做创意的人提供了一根救命稻草。
但如果你看过如下的信息，可能也无法乐观起来

1999年，以色列一支研究团队分析了200个广受好评的创意广告，这些广告都是各大评选中的获奖作品，市场效果也很不错。结果经过分析，研究人员发现，这些优秀作品中有89%可以归入6种基本类型的，或者说大部分成功广告都用了6套模板。同时，研究人员还分析了200个失败案例，结果发现只有2%能够归入到6套模板。

即便你是创意型人才，如果你不是仅有的那11%，你也是可以被取代的。


四、霍金说：



的确，我们担心聪明的机器将能够代替人类正在从事的工作，并迅速地消灭数以百万计的工作岗位。

2015年1月份，我和科技企业家埃隆·马斯克，以及许多其他的人工智能专家签署了一份关于人工智能的公开信，目的是提倡就人工智能对社会所造成的影响做认真的调研。
在这之前，埃隆·马斯克就警告过人们：超人类人工智能可能带来不可估量的利益，但是如果部署不当，则可能给人类带来相反的效果。

比如，人工智能具有根除疾患和贫困的潜力的，但是研究人员必须能够创造出可控的人工智能。

霍金老爷子想得周到，控制人工智能的发展，不能让机器人把人类赶尽杀绝了，包括工作岗位啊。


五、张首晟（33岁便成为斯坦福大学物理学教授的天才）说：


“我不完全认同霍金教授的看法，他认为给人类带来更多的危机，有一种危机感。我觉得机器人最终也有一个道德的观念产生。大家也许会觉得很奇怪为什么机器人能够产生道德观念？我认为根本来讲，人和机器人没有本质的差别。为什么？人也是原子组成的，机器人也是原子组成的。人有道德观念，机器人为什么不能有？”
“我们考虑机器人道德观念这一件事情上面，要能够想到人为什么有这个道德观念的产生？首先人是原子组成也是细胞组成，其实每一个细胞都是非常自知的，知道自己活下来并且让自己的基因活下来。所以，人是由有自知的细胞组成。人为什么有道德观念？人为什么有无私的行为？其实最终跟博弈有关。

你利他可以利己，道德观念一旦想通这个之后，道德观念在人类社会非常广泛。所以机器人继续往前发展，机器人将不仅仅是一个机器人，只要它足够聪明，如果机器人又懂数学，如果他懂得博弈论，他就会发现利他又会利己。我觉得他足够聪明同时也会有道德观念。”

张首晟的观点很好玩，他认为如果人工智能真能达到如此之高的程度，那么机器与人工之间的博弈必然也会被机器考虑进去，从而实现平衡。
大家想想为什么程序化购买在中国被玩坏了？其中一个原因在于触动了太多人的利益了。
程序化购买如果够聪明，就应该学会博弈，给其他人的利益保留一定空间。

六、
其实对于营销人员，至少有一个事情是可以胜任的：将营销的方法进行总结概括，使得营销变得更加科学，从而翻身做主人，教导人工智能怎么来工作。
就像百度要挖李叫兽去做信息流广告一样，把信息流广告变得更加科学，可以衡量。
还有一点值得庆幸：所有已经发生的创意都是无用的。
所以，这个工作可以一直完善下去。


七、李三水说，
我想问人工智能一个问题：
如果人工智能能代替你哄小孩，教育小孩，接小孩上下学，给小孩做早餐，那么你怎么告诉小孩你爱他呢。



查阅图文完整版，可以关注公众号：最近商业洞察Lonely Planet.
2017年5月27日

人工智能目前的水平还很低。

但是水平很低的人工智能结合上已经成熟技术已经能替代很多行业了。

还没流行开始因为成本。

目前已经基本的成熟的。

一，替代售货员，收银员。

阿里京东的无人超市已经在做了，但是超市还得有防损，还得有理货，完全无人的超市现在还做不到，替代收银是可以做到的。

现在阿里京东都在搞线下。
以后超市进门刷脸指纹确认身份，拿东西(标准化，生鲜还不行)自动算钱结账的超市会普及。
一个大超市，只有几个保安在监控室看着就可以营业。

二，矿车，厂内，仓库的司机

无人驾驶现在跑公路还差点，但是矿车，码头，工厂的内部运输是没问题的。这块会先替代。

三，技术岗位的辅助者

人工智能不会上来就是一个机器人，而是体现在越来越好用的机器上面。

其实ATM就是替代柜员的机器，加上人工智能人脸识别无非更安全更快捷而已。

这种效率会体现在同样的工作，需要的人越来越少。

譬如文字识别强了，会计的单据可以自动扫描装订生成账簿报表。以前三个会计能干的活，一个会计就能干完。两个会计就失业了。

贷款自动识别信用，一个人的所有信息大数据都有了，档案自动生成。贷款前台后台十个人的话一个人就干了，九个人就用不着了。

甚至以后战争，只要一个指令下去，一批无人机，无人坦克冲过去，某个区域带红外特征的东西全部打成不带特征的。战争就结束了。一个下士操作员替代一个营的轻步兵。

一切白领行业的entry level岗位
AI不会在你我有生之年取代人类智慧在这些行业的决定性地位，但是可以帮助有经验的行业资深人士以几何级数提高生产力，从而大部分消除资深人士对于打杂新手的需求，并将令多数专业对口的大学毕业生失去入行学习的机会。
范例的话，只要想想CAD出现之后，建筑系学生苦不堪言的就业机会就知道了

以下的技术都是已经存在，正在发展的：
1、擦玻璃幕墙工人
以后大概是一个爬行机器人自己慢吞吞地在墙外刷刷刷......
2、城市中药铺抓药的
以后中药的发展前景是提纯磨粉
3、基层柜员，包括银行、政府部门
未来网络办理会吸收很多现场办理的业务，目前手机已经能够完成水电费、银行业务很多项目，以后只会更全民普及此种便捷的方式
4、普通类型的清洁工
不同意某位知友说的清洁工不可取代，实际上量产的城市清洁机必然会出现，并且无人驾驶+规划路线，很可能在凌晨一点，整个城市的马路就全面开启无人驾驶清扫模式，只配置少量应急、督查清洁岗位，用于检查机器无法实现的部分。
——————————————————————
绝对稀缺的岗位包括：优秀的护理人员，特别是照顾卧床老人的。

别的国家我不好说，在中国我想首先必须是银行，医院以及各类工商税务民政机构业务。
首先这类业务流程清晰，容易流程化编程。
其次这些业务是刚需，但总是导致用户大量时间浪费。
最后这些业务的主管部门有实力也有影响力提供人工智能服务。

想想那些公仆们，你排了好久的队耐心全无过去办理业务，结果他们也因为持续长时间机械重复的工作变得耐心全无，很容易怼起来。是时候推出机器解放公仆们，让他们能每天轻松地放假了！

本回答根据与 IBM 电子行业 全球智能制造解决方案总经理 邓钦 对话整理
————————————
比如说制造行业的质量检测员，人工智能就可以帮很多的忙。
在生产流水线上的质检员，他们需要每天花10个小时以上的时间去判断质量。很多工厂这个工作岗位两三个月就要轮一次岗，因为肉眼确实受不了。
现在大家都在搞智能制造、智能工厂，工厂前端的自动化程度非常高，很多的工作岗位完全由机器人来代替。但是大家没看到的是工厂的后端，需要给工厂做产品质检那一段。很多这种类型的工厂，后端的人黑压压一片。
为什么之前没用技术的手段帮助解决质检的问题呢？主要原因是误判率比较高。大概是有百分之二十，甚至三十的误判率。这也就是为什么工厂没有办法大规模的推广和使用这种技术。
而现在人工智能介入了以后，工厂的这种误判率会在上线时达到3%-4%的水平，并且会逐步减少到更低。
人工智能的质检员怎么判断出划痕呢？

在生产中一个划痕会有很多种不同类型的定义。比如：这个划痕的位置，它的长度、它的深度，这都需要预先做好一些判断。

在传统的工具中，它会以类似一个九宫格的方式去给它画这种不同类型的缺陷，然后类似一种算术的方法去作对比，然后定义它的各种缺陷类型。

实际生产过程中，很多缺陷类型，哪怕是划痕都会有一些模棱两可的一些比较难判断的状况出现。这样的话，传统方法就会有很高的一些误判率。

但是人工智能最重要的一个能力，它具备学习能力。比如说，同样一个划痕，它会和传统系统一样，第一次都犯错误。但是人工智能第二次、第三次，它不会犯一样的错误，它具备一个学习能力。同样的问题或者类似的问题，下次它会做出非常精准的判断。而传统的系统除非你改程序，同样的问题，下次它一样会犯错误。

基于人工智能的系统可以自主的、自动的去学习，从过去的一些判断失误中学习。从一些有经验的质检员那儿学习，这是完全自动的方式，不需要人工干预的，生产线可以正常的运行下去。

认知质检员需要不断地被训练

很多人把IBM的认知系统理解成一个套装软件，即插即用，装好立马就可以做。

其实任何一个认知系统，都跟传统的软件有非常大的区别，它需要一些开发的过程。拿认知质检员做例子来说就是，它有三个主要的一些开发过程。

第一个阶段，IBM已经做出来了，就是开发了一套具有学习能力的图象识别系统，用数百万GB的相片，日常工作中或者生活中的相片，手机、苹果、梨子、火车，这种相片去培训出来一个有图片识别能力的基础模型。这个过程用的基本上不会是工厂的图片去培训它，这就是日常生活中的图片。这样的一个基础模型，它的认知能力基本上类似于一个七八岁的孩子。

第二个阶段，需要工厂产品特定的照片来，去培训这个模型。一般会需要数万张照片，让这个模型接受培训。基本上通过这个阶段，这个模型的能力相当于一个技校毕业的学生的水平。
也就是说，基本上有一些生产工经验知识了，但是放到工厂上立马让他工作，可能还有一点难度。这也是为什么会需要第三个阶段。

第三个阶段，就是用比较有经验的质检员来培训这个模型。就像老师傅带学徒一样。因为每一个模型，让它去做一次判断，它总会有一些失误存在。一旦这些失误产生，就会让老师傅去跟它说：“我为什么判断错了，主要原因是哪些？”

这样，这一套模型或者说系统，就具备了老师傅刚才传授的经验，下一次遇到类似的问题，就不用再找老师傅了。

因此，第三阶段培训结束后，认知质检员基本就具备上岗能力了。

并不是所有的人工质检员都会被取代

认知质检员来了，会不会一个质检员都不需要了呢？
不是的。
其实就是认知质检员的上岗也是需要一个过程的，就跟新的学徒上岗一样，您可能不敢100%的放手让他去干，还是让一个老员工在他后面去做一些监督、做一些观察工作。所以说我们在实际生产的过程中，一个认知质检员系统上岗，通常还会有一个人工在旁边去帮它做一些监督检查。但是经过一段时间之后，这一部分需要监督或者检查的人工就会逐步的节省下来。
另外一个非常关键的点，是这一套人工智能系统每一次判断，它会给一个“自信度”。所谓“自信度”就是“我有多大的信心，这个判断是对的，但是我可以量化它”，比如：我看到这个划痕，基于它的长度和它的位置，我有99.9%的信心这个划痕是一个必须检查到的问题，需要下一步去做处理的。这样的话，就给到生产线上的同事一个比较清晰的信息，这一块东西我不用人再看了。但是会有模棱两可的问题出来，我们的质检员也会有信心比较低的时候。
比如：我这个划痕有80%的信心，它是这里错误。师傅，您能不能帮我再看一下。
这时候人类师傅拍板，不简简单单是“对”和“错”这样的拍板。人工智能质检师更需要的是，师傅您得告诉我，这个为什么对了，这个为什么错了？这样才能学。
具备人工智能技术的认知质检员，是不会100%替代现有的人工质检员的，但是它能够大大的减少人力在这种有害健康的工种上的投入，对企业来讲也会大大的提高它的生产效率。
这一套系统在生产线上是一个逐步迭代和提高的过程，一般一开始可能能帮助工厂节省20%-30%的人力，还需要相当一部分人力去做一些比较复杂的判断。但是随着时间的推移，这个百分比会逐渐到五十、六十、八十，甚至更高，但是永远不会100%的取代所有的人，因为还需要企业保留最有经验的一部分质检员，帮人工智能质检员去做一些最复杂的判断。这样的话，这个系统才能不断的去提高。

人工智能质检员效益如何？
这套系统已经开始在一家中国的LCD面板工厂实施了，给他带来的效益真是按千万级来计算的。不光是人力的成本减少，更多的是一些生产力的提高，是让他工厂的生产能力得到了释放。
只要涉及到外观检测的行业，这套系统都有应用。不光是电子行业，这套系统已经开始在汽车行业的一些汽车外观、喷漆的检测得到了应用。
制造业之外，其实在建筑业方面，也有一些应用。
比如说，一些比较高危的部位的检测，人爬上去可能比较困难，而且效率也不高。IBM在跟另外一家公司合作，用无人机带着摄像机上去拍摄，然后再去判断工程质量的问题。所以说这个应用，真是方方面面都有。只要是需要人去做外观判断检测的，这一套技术都用得上。
简单的总结一下。只要能拍出来照片，在照片上能识别问题的这一类场景都可以去运用。
无论是食品外观出现了问题，比如：一个苹果上出现了斑点，能不能上架；还是服装上的一个线头露出来太长，能不能让它判定为质量合格。
这样的场景太多了，认知质检员都可以用起来。