机器学习将改变人们的工作

人工智能机器学习对经济的影响可能会超过以前的AI应用程序。经验愈加丰富的机器学习计算机系统，正在像蒸汽机和电力那样转变社会的经济。尽管他们不可能在所有工作岗位上取代人，但是在某些任务中与人相比表现更好。

卡内基梅隆大学（CMU）的Tom Mitchell和麻省理工学院（MIT）的Erik Brynjolfsson在2017年12月22日出版的《科学》杂志的政策论坛中发表了这一评论。在CMU创立了世界上第一个机器学习部门的Mitchell和担任MIT斯隆管理学院数字经济项目主任的Brynjolfsson，描述了衡量一项任务或工作是否适合机器学习的21个标准。

他们写道：“尽管今天机器学习的经济影响相对有限，而且我们并没有像有时宣称的那样面临即将到来的‘工作结束’，但它对经济和未来劳动力的影响是深远的。”他们认为，一旦机器学习在日常生活中根深蒂固，人们选择发展的技能和企业所做的投资将决定成败。

机器学习是人工智能的一个组成部分。近年来，它的快速发展带来了面部识别、自然语言理解和计算机视觉方面的提升。它已经被广泛用于信用卡欺诈检测、推荐系统和金融市场分析等领域，以及医疗诊断等新的应用。

预测机器学习特定工作或职业的影响是很困难的，因为他倾向于自动化或半自动化的独立任务，但是实际工作往往涉及多个任务，其中只有部分任务适合于机器学习方法。

CMU计算机科学学院的E. Fredkin教授Mitchell表示：“我们不知道这一切将会如何发展。例如，今年早些时候，研究人员展示了一个机器学习程序，它能够比皮肤科医生更好地检测出皮肤癌。这并不意味着机器学习将取代皮肤科医生，他们除了评估病变外还做很多其他事情。

Mitchell说：“我认为皮肤科医生会成为更好的皮肤科医生，他们将有更多的时间与病人在一起。由于人际互动不能实现自动化，所以从事此类工作的人将变得更有价值。”

Mitchell和Brynjolfsson表示，机器学习适合的任务包括那些可获得大量数据的任务。例如，为了学习如何检测皮肤癌，机器学习程序能够研究超过130,000个皮肤损伤的标记样本。同样地，信用卡欺诈检测程序可以通过成千上万的样本进行训练。

机器学习可以改变已经在线的任务，例如调度安排。不需要灵活性，身体技能或机动性的工作也更适合于机器学习。基于数据的快速决策任务非常适合机器学习程序;如果决定取决于长链的推理、不同的背景知识或常识，那情况就截然不同了。

作者表示，如果用户需要详细解释如何做出决定，那么机器学习并不是一个好的选择。换句话说，机器学习可能在检测皮肤癌方面更为擅长，但是皮肤科医生却能更好地解释为什么病变是癌变的。然而，“解释性”机器学习系统的研究工作正在进行中。

他们写道：“虽然造成不平等的因素有很多（比如全球化日益加剧），但由于机器学习在今后十年内许多环境下潜在的迅猛变化，表明了经济影响可能会造成极大的破坏性，输赢参半。这需要引起决策者，商界领袖，技术专家和研究人员的高度重视。”