復旦人工智慧教授：未來3-5年，哪些工作不會被AI取代？

看點 隨著ChatGPT的興起，許多工作被人工智慧改變甚至取代的趨勢已經日漸清晰。那麼究竟哪些職業會受到最強烈的衝擊呢？擁有怎樣的特點，才會盡量避免被人工智慧取代？聽聽 復旦大學人工智慧專家張軍平教授的見解，看看你的工作未來安全嗎？

文章已獲得「一條」(ID: yitiaotv)授權，轉載請聯絡原作者

自述丨 張軍平責編丨劉亞萌

#編輯丨May

今年5月1日國際勞動節當天，第一波AI失業潮到來，科技巨頭IBM公司宣布暫停7800人的招聘，稱這些職位的工作將由AI取代。

先前3月底，高盛集團發布報告，預計全球將有3億工作機會被生成式AI取代，其中律師和行政人員受影響最大。

AI生成美女圖，以假亂真

AI超現實創作：上班族在地鐵裡看金魚、瓜農川普

在中文網站，因為ChatGPT和Midjourney，也陸續出現了第一批失業的設計師和文案編輯。

未來3-5年，什麼樣的工作會被AI取代？

哪些產業是相對安全的？

如果想要成為AI工程師，需要什麼樣的能力？

以及文科生可以轉AI嗎？

文章訪問了復旦大學人工智慧專家張軍平教授，針對以上問題做了解答。

未來3-5年

#哪些工作會被AI取代？

張軍平教授行走在復旦校園裡

ChatGPT-4的出現是令人震驚的，我們做AI研究的，知道遲早會有這麼個東西出來，不過沒想到這麼快，以及跑出來的性能這麼好。

3月以來，我朋友圈裡很多人都在曬ChatGPT-4的聊天截圖，非常狂熱。再加上Midjourney V5一起，大家都很擔心，自己的工作會不會被AI取代？

人機共存場景 ，一條編輯部經由Midjourney 產生

這個擔憂是合理的。

ChatGPT-4最令人驚豔的一點，是它的「湧現功能」，就是當它訓練的資料量夠大的時候，這個複雜的系統，就誕生了其各組成部分所沒有的屬性— 接近人類的「思考模式」和「智力表現」。

裡面有個思考鏈，幫助ChatGPT-4去「鍊式思考」。 就像我們有時候做作業，到了某個節點，做不出來，然後家長說“你再想一想”，其實也沒說什麼，但是這個學生就覺得我可能還有一些東西沒掌握，透過慢慢想和一點點的引導，就突然把一個正確答案得出來了。

所以你在對話框裡，讓ChatGPT-4 “再想”，它也會再給你一個改進過的答案，大家就會覺得很驚訝。

因為AI對生產效率的提高，一個優秀的人才可以做很多工作，由一小部分人經營一個大市值公司的現象，以後可能會越來越多。你看Midjourney就是個典型，員工只有11人，但是年營收1億美金。

AI產生「失火」的白領工位

細看來，未來3-5年內容易被取代的工作，有兩個標準：腦力工作和 簡單易重複。確實白領受影響比較大。

我自己的生活裡，現在接快遞電話，好多是機器人。國內科研工作者寫論文要翻譯成英文，以往可能要找國外的母語翻譯者，以後說不定可以嘗試ChatGPT-4翻譯，它速度快，把領域內的專有名詞限定下，應該會很不錯。

Office365裡嵌入ChatGPT，

能自動產生簡報、表格

接下來最危險的是 辦公室文員、人力資源， 還有 做財務報表的。

微軟Office365已經把ChatGPT嵌入到Word、PPT和 Excel裡了，可以自動產生簡報、PPT和表格，你以往費心學習的這些Office技能價值就下降了。

有個段子說“財務不會被AI替代，因為它不能做替罪羊”，雖然有點道理，但生產效率提高了，意味著公司對財務的人才需求壓縮，你的就業空間就變小。

另外還有 律師行業。 我們知道律師很重要的一塊工作是熟練法條和查找以往的案例，查找的過程是非常耗時的，律所裡應該專門有一部分人做這塊工作。

換成AI的話，它把所有的案例都收過來，ChatGPT用對話的方式給你，速度非常快，那麼以前做這部分工作的律師，就不再需要了。

程式設計師們在工作，一條編輯部經由Midjourney 生成

ChatGPT-4也會產生程式碼的， 部分程式設計師會受到影響，尤其是前端。 因為前端設計比較模組化，並沒有牽涉到很複雜的計算。 OpenAI有個演示，就是在紙上畫個草圖，然後ChatGPT-4就給你跑出來了一個網頁。

從公司的角度，有可能以後會更傾向於ChatGPT寫程式碼。因為每個人寫程式的風格是不一樣的，有個員工走了，新進員工過來，因為不順手，可能要重寫程式碼。那麼ChatGPT的一致性會更好，從公司的角度來說，更有效率。

AI生成的風格插畫

受Midjourney影響的插畫家、設計師，我網路上看到有些人已經被裁員。你人完成一副插畫可能要花2天時間，機器幾分鐘就出來了，效果還很好，這在迫使大家去做更具創新性的工作。

一個有趣的現像是，一部分AI研究者自己的工作，都被AI幹掉了。

然後我們就討論是為什麼？以往科研院校，3-5年會出些成果，細細碎碎的需要那麼些人去做，但是ChatGPT-4出來之後，它把很多問題都解決了，剩下都是一些非常難啃的硬骨頭，那你是不需要那麼多教職去做的，就導致一些職位被減掉。

未來10年哪些產業是安全的？

文科生可以轉AI嗎？

製作漆器的手工藝人

首先，跟實體相關的工作，例如醫生、護工、駕駛員，還有小眾手工藝者，例如做古琴的、做陶瓷的藝術家，都是依賴個人經驗來做的，被AI替代的機率較小。

因為一直以來AI大多在做認知相關的任務，感知這塊下的功夫少，現階段跟實體相關的都做不好，與人類相比，機械手比較初級，擰一個瓶蓋還是很難的事情。

就連打掃衛生，對我們人類來說是“簡單易重複”，但對機器卻是一個模糊的概念，沒有辦法程序化或形式化。

那麼對於白領工作，還有一部分比較安全，就是大數據進入不了的行業。

《滾蛋吧，腫瘤君》劇照

我們想想ChatGPT是怎麼起來的？它的數據都是Billion級的，就是10億級以上，這意味著這麼多數據，很有可能都是不設隱私的，才能被它調用。 如果一個產業牽涉到隱私，資料不能公開，不能上模型訓練，那麼AI就擠不進去。

比如說醫療、銀行、生物等領域，相對來說是安全的。

所以我的一些學生，他們就不在網路公司找工作了，而是會去一些數據相對封閉的領域，穩定一些。

如果高中生選專業，只考慮就業前景的話，我覺得人工智慧方向目前還是最好的，所謂「不入虎穴焉得虎子」。 我們有個新名詞叫做

AI for Science

，用人工智慧幫助科學發展，以後各行各業都需要AI的輔助，要由懂AI方向的人來操作，那麼就會有一個非常大的人才缺口。

AI研究員，一條編輯部經由Midjourney 產生 一個好的AI研究者或工程師，需要三個基本素質：

數學基礎、程式設計能力、英文。

學英文是因為要追蹤國際最前沿的技術，讀文獻資料，然後對程式設計能力的要求，要比數學高一些。

現在不像以前那樣需要了解特別深的人工智慧知識，如果你是電腦或其他理工科專業，轉AI的話門檻並沒有那麼高。

首先，現在的研究大部分是模組化，深度網路都是一些模型，就像積木一樣在搭。演算法方面，在ArXiv上你能夠快速知道最新的演算法是什麼樣子，程式碼呢本身就有很多網站，例如Github上的程式碼是共享的。這三點，就使得你現在進入這個行業是比較容易的。

文科生也有機會轉AI的，我們復旦有中文系的學生，轉到我們做自然語言處理的這個組，做得還挺好的。

目前國內AI發展如何？

多久能追上國外的水準？

機器人與女孩一起在農場工作，一條編輯部經由Midjourney 生成

首先，我們確實需要追趕，不追不行，要不然就會被卡脖子。

據說GPT5已經訓練完了，那我們什麼時候可以追上國外的？目前有兩派：

一派是樂觀派，覺得問題不大，2-3個月能追上。

另一派是悲觀派，覺得需要1年至1年半。

可能你覺得1年不算太久，其實這裡面有些麻煩的地方。 目前AI主流的發展路徑是三大塊：

模型、​​算力、大數據。

樂觀的地方是，模型框架前輩們都做好了，幾乎是公開的，研究人員把它做大、做深就行了。

深度學習之父Geoffrey Hinton 2006年Geoffrey Hinton就提出來了深度學習模型，之後有一個圖像分類競賽上採用了大規模資料集ImageNet，2012年Geoffrey Hinton就帶著他的學生為這個競賽做了新的深度學習模型，一下子就令人震驚了，比上一屆冠軍性能提升了將近

10個百分點

。

這是什麼概念呢？如果你是用傳統機器學習方法來做，每年就提升0.3-0.4個百分點。這意味著，深度學習的方法比傳統機器學習方法，加快了20年左右。所以那時候，大家都轉到做深度學習模型。

但是深度學習模型，是需要強大的算力的，在特定的GPU晶片上面跑。

但我們國家，目前在算力上有瓶頸，###因為2022年12月份，美國對中國禁售了A100以上的GPU。這樣國內沒辦法用A100（有替代品，但通訊模組受限），但國外還能用比A100更好的卡，這就有點麻煩了。 ###

現在我們做研究成本很高，也是因為GPU，以往你發文章只需要時間和人力成本，但是現在一篇論文的成本說不定在10萬人民幣左右。

再一個就是大數據，中文語料庫推不上去。

ChatGPT有10億級以上的資料做預訓練，它都是英文的，但是我們中文的每個平台，都設了一個進入的門檻，防止你大範圍搜索，另外還有格式的問題，這就導致我們堆數據，沒有國外那麼方便。

而且ChatGPT-2之後就沒有開源了，你也不知道確切的差距到底在哪裡。

現在國內的AI投資很火，資本層面的驅動力還蠻重要的。而且我們復旦前段時間發布了一個Moss系統，還開源了，相對來講還是一個比較小的模型，大家都還是在努力的。

上海街頭的機器人，一條編輯部經由Midjourney 生成

從歷史上來講，人工智慧不到90年，我們一般認為它的開端，是1936年的圖靈機，期間一直經歷漲跌的過程。

七、八十年代它經歷第一次寒冬，當時如果你說自己是做人工智慧的，是拿不到專案的。在90年代初，又經歷了第二次寒冬。

我自己是從小喜歡看科幻小說，接觸AI是在1997年，當時更流行叫自己是做機器學習而非人工智慧的。

我的感受是到了2012年，也就是Geoffrey Hinton帶著學生贏得了競賽那一年，人工智慧才真正迎來起飛。

2016AlphaGo對弈韓國圍棋手李世石

到了2016年AlphaGo贏了李世石，然後2017年谷歌研究出了Transformer網絡，這之後才有了ChatGPT的一系列工作，還有自動駕駛、AI金融、AI醫療等各個領域都在前進。

但其實到2022年，AI產業有點往下走的趨勢了，因為大家覺得該做的都做了，並沒有看到很好的應用，很明顯的是有些大公司的深度學習這塊，已經在裁員了。但突然今年3月一下子ChatGPT-4出來了，就又把大家都拉了回來。

所以它有興盛期，也有衰敗期。我自己在這個領域待久了，對於ChatGPT-4掀起的熱潮看得比較冷靜一點吧。 AI的研究範圍是很廣泛的，很多問題很難，難以在短時間內變現，人類對智能的理解還有很長的路要走。

身為研究者，樂趣還是在於探索未知，你在未知裡面可以找到一點點進步，那個愉悅感就很令人滿足了。

每天一首短視頻，每天講述一個動人的故事，每天精選人間美物，每天來和我一起過美好的生活。一條（ID:yitiaotv)

關注外灘教育

發現優質教育

以上是復旦人工智慧教授：未來3-5年，哪些工作不會被AI取代？的詳細內容。更多資訊請關注PHP中文網其他相關文章！