人工智能普及，你要失业了？
内容来源：2017 年 7 月 29 日，猎聘网首席数据官张博在“CDAS 2017 中国数据分析师行业峰会【大数据与人工智能】”进行《人工智能与人的职业发展》演讲分享。IT 大咖说（微信id：itdakashuo）作为独家视频合作方，经主办方和讲者审阅授权发布。
阅读字数：2738 | 7分钟阅读
摘要
随着人工智能（AI）的突飞猛进，人们普遍担忧AI的应用会替代人类劳动，影响就业。但是，从我们的实践经验来看，我们认为AI首先能够帮助人找到更好的工作，帮助企业找到更适合的人才；同时可以将人从重复性和危险的工作中解放出来。而我们每个人都需要主动拥抱新技术，并使自己保持竞争力。
嘉宾演讲视频及PPT回顾：http://suo.im/5a9Vdh
什么是人工智能
Wikipedia有一段非常简洁精要的介绍，它指出人工智能是一种智能体，能够感受环境并且采取行动，目的是为了达成某种目标或者利益最大化。
AI具体分为强AI（Strong AI）和弱AI（Weak AI），所谓强AI（Strong AI）就是通用型的自动智能，它拥有类似人类的广泛自主学习能力，并能够适应不同的任务。而弱AI（Weak AI）则是为了特定的某一件事情而设计的智能技术。比如说AlphaGo就是弱AI（Weak AI），它的算法和架构是无法直接迁移到其他的任务上去的。
目前强AI（Strong AI）能否实现仍然是未知数。我们所见到的都是弱AI（Weak AI）。而AI领域具体的研究问题包括学习、推理、知识、规划等等。
AI如何助力职业发展？
职位推荐
对于求职者来说，最主要的需求就是找到合适自己的职位。不同的人群寻找的是不同的职位。如何为用户提供个性化的、符合其意向的职位推荐是猎聘大数据研究院的核心任务。传统的方式是用户自己手动浏览搜索。这种方式不但费时费力，而且受限于用户对行业、企业和专业的了解。而我们的推荐系统，通过运用大数据和机器学习技术，已经可以为用户提供更丰富更好的个性化职位选择。
求职推荐难点
招聘求职的推荐和常见的电商、电影之类的推荐是不太一样的。它对相关性有着更高的要求。尤其是在企业HR方面，因为企业会更加的保守，他们通常不希望在推荐列表内出现一些对该行业或工作没有经验的人。
根据国家的一些行业划分标准，我们初略统计了下有1200个细分行业，再往下细分就会有近万个细分职能，如何能在如此多的行业和职能中进行精确的推荐，又是一个很大的挑战。
解决方案
我们在给求职者推荐职位的时候采用了一个比较经典的架构。先使用文本挖掘和机器学习的方法构建了人才、职位、公司这三个画像，接下来使用一些基础的模型（策略）形成初始的结果，最终进行几轮的筛选后，通过一个大规模的机器学习的模型进行精细排序。
前面那套的推荐系统是针对求职者的，而面向HR的则是另一套系统。不过也是类似的一套框架，即多个基础策略然后加机器学习排序的方法。
健壮的机器学习系统
实现上述的推荐系统都需要一个健壮的机器学习系统。这套系统与一般的做机器学习实验的系统有很大的不同，线上的系统不止需要计算出准确的模型特征，还需要在实际运行中及时对环境的变化作出反应并稳健的运行。
上图为这样的一个机器学习系统架构。数据会先通过一个实验管理切分流量，接下来经过数据处理形成特征。特征形成以后是即时落地的，避免了滞后或者数据不一致的问题，然后再经由生产模型去产生预测。同时我们在系统中设置了监测模块，随时检测数据存在的潜在问题。
模型/算法超参数
做过机器学习的人，应该都知道机器学习模型和算法都是有超参数的。比如神经网络就需要去定义它的层数、以及每层的神经元数量等等。这些参数在以前都是要靠人工调节的，非常依赖于人工和经验，也会消耗很多时间。
超参数的优化问题
超参数的优化其实相当于一个学习上的学习，它的目标是找到验证数据集上效果最好的超参数。所面临的挑战在于参数空间巨大，效能函数是一个黑黑子，训练和评估成本过高。
常见的超参数优化方法
这里列举一些比较常见的经典的优化方法：首先是格子搜索，这种方法通过选出一些均匀分布的点，然后进行一个个的暴力搜索，这主要适用于一些简单的问题。第二种方式就是随机搜索，通过随机的选取一些点来进行实验，一些理论证明只要通过60%或40%的实验就可以逼近最佳的那个点。第三种是采用均匀分布的抽样选取实验的点，它看起来像是一个随机搜索，但是由于进行了均匀抽样，所以在理论上比随机搜索更有效率。
贝叶斯优化
我们现在使用的是贝叶斯优化的方法，事先会假设目标函数符合某个先验分布，然后进行初始随机试验，根据观测结果得到后验分布，接着利用后验分布选取下一个实验的。
这里面用到一个效用概率模型，其基础是高斯过程回归。它将多元高斯联合分布拓展到一个无穷的函数集上，它带来了这样的一个结果：如果我们事先知道一些数据点，然后给一个新的数据点过来，就可以预测在这个点附近的效用函数的均值和分布，有了这些我们就可以知道哪些点在哪些区域附近可能有比较好的结果。
AI和大数据人才需求
上图为AI和大数据的职位占比趋势和薪资比较。可以看到AI和大数据人才的需求是呈现一个快速上升的阶段，薪资同样在大幅的增长。
数据分析师作为一个存在已久的职能，它的需求也是在稳步的增长。而分析师这方面对经验要求是比较高的，年轻的分析师薪资和行业平均水平其实相差不大。
AI时代的职业未来
AI在一些领域，比如计算、记忆、预测等方面都是比人类强很多的，但是人类在智能的主要方面如语言、推理、协作、创造和情感等方面还是有着绝对的优势。
AI对工作的影响
作为一个行业内人士，我认为强 AI 能否实现仍然是一个未知数，但是自动化会越来越多，重复性的、危险的工作会被替代，一些过程性的管理也会被自动化。
对就业的影响上，AI一方面会创造新的职位，比如AI工程师、机器人工程师、知识工程师等，另一方面一些职位则会被替代，像司机、农场工人、客服这些。我相信更多的是增强人类的能力。我们现在已经看到了AI的一些技术是可以帮助人的，比如智能助理、智能技术支持等，未来还会有更多的新兴技术出现。
做AI / 大数据时代的主人翁
为了适应新时代的到来，我们应该做一些相应的准备。首先来说多少都要接触一些编程，然后能够理解数据，学会用数据去做分析、讲故事；尽可能的去理解AI，了解什么是机器学习和AI；更重要的是要提升协作和组织能力，发挥我们的想象创造能力。
今天的分享就到这里，喜欢请点赞~谢谢大家！有问题可以在评论区讨论。