AI会让谁失业？

　　再比如，哪怕是再强大的机器翻译器，在遇到新词汇和压根没有在网上出现的词汇时就完全无能为力。“坑爹”这样曾经的网络热词，假如没有一个网友曾经准确在网上翻译给外国友人过，那这个词翻译器就永远不会翻译，它没有能力根据上下文去猜测。

　　最后，没有评测体系的预测，AI也无法胜任。

　　机器学习的AI都要有一个对量化标准的追求，以建立预测结果跟标准之间的关系来训练模型。

　　比如，当我们输入一堆音乐，来让AI学习后，AI谱出的曲子一定是参差不齐的。要么我们就在输入好的音乐后，还要输入坏的音乐，并且告诉AI好和坏的程度；要么我们就在AI谱出曲子之后，反复给它的曲子打分。AlphaGo就是在AI互相对战反复确认胜负后，才能快速成长的。

　　在一些特殊的领域，像涉及到文艺创作的、有价值观差异的许多无法明辨好坏的事物，就很难让AI做好预测。比如用AI去判定一个人是好人还是坏人，由于不存在评价好坏的绝对标准，那AI就无法完成。

　　目前的AI，只能基于“已知”做预测，不能创造未来。都需要已知的数据、已知的结论、已知的课题。从人类借用AI的预测做决策，到人类完全信任AI直接做决策，还有巨大的鸿沟要跨越。

　　3。 AI会让给哪些工作更有价值？

　　《AI极简经济学》里认为，数据、判断和行动是互补品，会变得更重要。

　　这三者分别是什么呢？我讲下我的理解。

　　数据，指的不是做数据统计的人，或者做数据分析的人，而是指拥有数据的人/组织和有能力获取数据的人/组织。

　　比如，基于统计的消费推荐变得愈发重要，那阿里、京东的产品和背后的数据积累就变得重要；基于统计的无人驾驶变得愈发重要，那交通部门、导航软件和网约车平台就变得重要。

　　有大量做数据工作的人，反而其实是在做AI替代品的工作，比如说单纯的导航功能，有角色会根据过往的用户出行数据来做分析和统计，以便找出一些规则。但足够强大的AI根本不需要规则，只要输入足够，就能给出好太多的预测，就会把这样的角色替代掉。（实际场景可能复杂得多，需要做判断，仍然需要人的参与。）

　　判断，指的是要告诉AI哪些是对的、哪些是错的。

　　AI学习和掌握一个能力，是为了人类服务的，那这个“服务的目的”，是必须人来赋予。这里就需要人来给出判断。

　　比如，刚刚提到的导航功能，就可以用机器学习做得足够智能，可以算作是AI产品。但是这就代表不需要任何产品运营的参与了吗？当然不是，对于这个产品需要达成的目标尤其是约束条件，仍然是人要赋予的。

　　最短时间当然是第一要素，但在多大程度上用户会为节省时间而愿意付高速费？多大程度上用户会很讨厌堵车或者等红绿灯？等等，这些基于人感受的判断，会影响导航推荐路线的策略。

　　行动，当然就是基于预测的执行了。拿到了无人驾驶的好算法，该怎样应用？拿到用户消费行为的推荐，该怎样应用？

　　不过，通常执行的内容本身又会延伸出是否有可能被AI替代的问题。

　　我们以一个更具体的案例来说数据、判断和执行。

　　我在点我达做调度产品的时候，在搭建了基础的基于全局高效为目标的调度系统后，就发现了一个很实际的问题：骑手经常会遇到取送餐的困难地点，而这个信息通过高德地图或者百度地图是无法获取的。

　　什么是取送餐的困难地点呢？比如，这个大厦的保安不允许走客梯，那就只能走货梯，非常慢；这个小区不允许电动车驶入，步行送餐非常麻烦；这个商区高峰期人特别多，不管扶梯还是直梯都要等很久。等等。这个因素不考虑进调度的算法决策里，得到的结果就不准确，骑手就会很不满。

　　这个信息要收集起来，是一件要设法产品化的事情。一方面，可以让线下的运营同学帮忙提交，另一方面，骑手也可以跟客服或在产品上报备。另外，也能从日常骑手配送的行为数据里去挖掘。（数据）

　　另外，收集上来的地理位置信息，要分门别类，并且与“困难程度”建立联系。需要步行上楼，和需要等电梯上楼，难度还是不一样的。接下来，就要与工程师协作沟通，地理位置信息对调度策略的整体影响了。有困难属性的订单，配送时间可以放宽，放宽的程度也要从产品经理视角判断，过宽会影响效率，过严会影响骑手体验，这个权衡也是要产品经理决策的。在反复测试调参和试验后，才能得到具体的策略。（判断）

　　最后，当调度算法体系改版好了之后，就要跟骑手宣导和教育新的调度规则，让困难地点的因素影响真正发挥作用。（行动）

　　4。 AI会让哪些工作更没价值？

　　单纯的预测，所谓具备完善的数据、有明确目标、基于已有经验而进行的工作，会变得没有价值。

　　举两个例子。

　　小王是公司的市场投放人员，工作的主要内容是，尝试投放所有可用的渠道，并且计算ROI，然后继续提升高ROI渠道的投入、减少低ROI渠道的投入。

　　小孙是公司的运营活动人员，负责配置各种活动。活动都是已经成型的几种模板，他会基于每次用户数据的波动，从自己的经验判断应该选择哪种活动，以及在活动中配置怎样的具体规则。

　　这两种就是很典型的，会快速被替代的工作。如果你正在做这类工作，还望警惕。

　　而像产品和运营的决策往往都不具备“大量的迭代数据和迭代结果”的条件，尤其是一个决策可能跟一大堆约束条件、影响因素耦合在一块。

　　在这样的场景下，AI可能会替代产品经理：要做短视频，可以自动组合出几千甚至上万种产品方案并提供给用户使用，基于用户的使用习惯，来找出最佳的方案，继续自动组合持续迭代。

　　在具备这样足够灵活的生产和检验条件之前，产品经理还不太可能被替代。

　　不过看如今互联网产品设计模式的发展，已经在向这样的未来迈进。

　　一线的互联网公司都在用不止有两个用例的A/Btest、用完备的数据埋点统计分析用以找到解决方案，虽然还不够智能，但都在陆续替代产品经理的工作、让产品经理变得逐渐不重要起来。

　　产品经理很像是基于规则在做产品，而现在逐渐出现了不少决策都是基于统计的。有没有觉得跟机器翻译的历史很像？

　　想到条件逐步成熟，未来可能会出现一个基于统计的优异产品决策AI，就像2005年的Google杀进机器翻译领域一样，还是颇有些危机感的。

　　来源：刘言飞语

（编辑：顺游网_765游戏网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!