数十年来，自动化使低技能工作面临风险。 自动驾驶汽车，机器人和语音识别将继续这一趋势。 但是，一些专家也看到了自动化时代的新机遇。

图片：iStockphoto.com/OcusFocus
       去年，我国的一家工厂用机器人取代了90％的工人 。 在世界各地的客服呼叫中心，AI的声音正在取代人类客户服务代理。 最终，出租车和优步司机可以被自动驾驶汽车取代。

       技术进步使工人流离失所并不新鲜。 媒体理论家道格拉斯·拉什科夫（Douglas Rushkoff） 在谷歌巴士上的新书“ 扔石头”（ Throwing Rocks）追溯了“数字工业主义”的起源，这种数字工业主义已经越来越多地将人类排除在外，为企业和利益相关者赋予权力。

       “现实变得越来越糟糕，”Rushkoff告诉TechRepublic。 “找工作更难，或者每个人用更少的钱工作更多时间。技术似乎让我们始终处于这样一个状态，即我们的劳动力，数据和时间都是从我们这里获取的。”

       但是一个主要的担忧是，不仅工作会消失，而且失踪将不成比例地影响低技能工人 - 所有新创造的工作岗位将转移到技术员工的精英部门，如软件开发人员，AI研究人员和网络安全专家。
但负责创建Watson （负责掌控Jeopardy的AI系统）的团队负责人Guru Banavar告诉TechRepublic，情况并非如此。

       Banavar认为AI时代会有“各种各样的工作”。 适用于各种技能水平的工人。 对于技术水平较低的工人，数据处理提供了一个新的可能性领域。
“数据标注”是Banavar所说的。 “这将是数据的整理，你可以在这里获取原始数据并清理它，你必须组织它来为机器摄取，”他说。 “如果你看看我们今天所做的任何复杂的分析工作，那70％的工作可能与组织和清理数据有关。”

       “我不认为人们过去曾经有过一种叫做数据贴标机的东西，”Banavar说。 “我认为它是数据工程。”
Banavar正在看到这些类型的工作在IBM的增长。 “我们正在招聘五年前我们没有招聘的人，”他说。 “只是坐下来标注数据的人。”

       为什么这很重要？ 这是机器学习。

       “没有标签，你就无法训练一台有新任务的机器，”他说。 “假设您想要训练一台机器识别飞机，你有一百万张照片，其中一些有飞机，其中一些没有飞机。你需要有人首先教电脑哪些图片有飞机和哪些图片没有飞机。“ 因此，IBM聘请了贴标人员或外包工作。

       大家可以参见文章： 人工智能和自动化如何能够扼杀美国的就业市场

       这种工作也适用于办公室外。
       “传感器的环境数据创建是巨大的，”Banavar说。 “想想所有存在并正在增长的传感器，并思考它们如何衡量环境。” 例如，喜欢收集有关天气模式的信息。 “你必须出去传出传感器。”
“如果您查看数据生命周期，请考虑生成数据的设备，然后考虑收集数据的设备，然后考虑在将其提供给此处的认知系统之前必须经历的所有处理。”

       新南威尔士大学人工智能教授托比沃尔什认为，数据标注也是未来的现实，尽管他对此并不那么兴奋。
沃尔什说：“这对未来来说有点令人沮丧。”

       “我们通过深度学习看到的所有令人印象深刻的进步都来自于所谓的'监督学习'，其中数据被标记为'好'或'坏'，或'鲍勃'和'卡罗尔'，”沃尔什说。

       这是机器学习的必要部分。 “如果数据没有标记，我们也无法进行无监督学习，”沃尔什说。 “人类的大脑在这项任务中表现非常出色。深度学习需要大量标记数据。这可能是一项非常重复且要求不高的任务。”

       拉什科夫认为，要求不高的任务的增加也在增加。 他说：“我们已经看到了从员工经济到演出经济的过渡，再到亚马逊机械土耳其人的长途演出经济，或类似的东西，你不是人类。” “人类习惯于完成对计算机来说实际上太无聊的任务。找到这张照片中的数字。不是，'哦，让我们让人们一起写剧本。' 这是最低级别的东西。“

       解决方案？ 拉什科夫认为，我们已经达到了“工作真正只是让人们拥有已经丰富的东西的理由的一种方式。如果我们找不到足够的工作给人们，那么我们必须摧毁东西。让人们做无用的工作不是答案。“
       “我们必须开始开发更具创意的产品市场。人们互相制作视频游戏，娱乐产品和其他东西。如果人们正在制作这些东西，那么它就是一个更有效的市场。”
Banavar同意人类对这一过程至关重要。 并且，他认为，这对于思考人类在机器时代的贡献一般具有影响。

       根据Banavar的说法，有一种“大错误的观念认为，如果一个人的某些事情很简单，那么对于一台电脑来说应该很简单。”
“这几乎是相反的，”他说。 “艰难的事情变得更容易，容易的事情很难。你可以要求计算机解决微分方程，这比教电脑更容易，因为汽车必须始终触地。”
我们知道IBM和其他大公司正在雇佣工人进行数据清理和标记，但却未能找到有关此类工作规模的确切数据。 

       目前人工智能产业有三大观点
       1. 机器学习允许计算机在不进行编程的情况下进行自学，在处理之前，需要大量的信息进行人工标记和清理。
       2. 在许多蓝领工作将消失的时候，“数据标注”是低技能工人能够完成的工作。
       3. 人类在教学机器如何理解信息方面仍然发挥着重要作用