跟著各類全新的迷信技巧逐步完成家當化，將來的職業變遷速度將會賡續加速。專家以為，已經的“鐵飯碗”，在人工智能極可能不復存在，本文作者 Oriol Lavado 以為，應對人工智能最好的方法，就是自動控制人工智能。
和很多人一樣，我看了年夜量關于人工智能的文章、書本、視頻。你可以說我是媒體炒作的受益者。不管是作為出書商，花費者照樣活潑的業內子物，我們都在助推這一景象。談不上利害，現實就是如許。主要的是你從中取得的懂得程度，明確人工智能對你的意義，和當下你應當做甚么來應對。
在 90 年月，我四周的一些人說，互聯網只是“炒作”，它會消逝。 那時我 13 歲， 我在用互聯網。我并沒無意識到，這將標記著我將來的職業生活，我今后將成為收集開辟人員和企業主。
回憶起來，如今我明確那些以為互聯網只是“趕時興”的人， 他們只不外是 40 多歲的任務穩固的人罷了。在社會學中，他們屬于技巧采取性命周期中的前期采用者或落伍者。而他們如今都在 Facebook 和 Instagram 上自拍。
我曉得了。 互聯網之于他們，就像 AI 之于我。 人工智能在我小時刻其實不是生涯中的一部門，我沒有研討它，并且我沒有應用它。
當你不曉得某個事物可以或許做甚么的時刻，你就很難懂得這個事物。
現在互聯網曾經不是一項技巧，而是一種商品。 異樣，AI 在任何處所都可使用。 這場反動不是炒作，它曾經產生了，沒有任何來由不去進修若何應用它。
為何要采用年夜量行為去懂得和應用 AI，重要有兩個緣由：它對社會的偉大影響，它會之前所未有的速度疾速增加。
史無前例的增加
得益于獲得年夜量數據和盤算才能的進步，人工智能范疇直到深度進修的鼓起后，才開端真正迸發。
主要的是要明確，一方面，技巧或多或少地遵守摩爾定律，盤算才能每兩年翻一番，而在互聯網上，我們發生的數據量也是每兩年翻一番。 現實上，有人猜測到 2020 年將到達 44 zettabyte 或 440 萬億字節。總之，我們正在閱歷指數級的增加。
另外一方面，我們在技巧方面的嚴重推翻能夠使這些數字顯得可有可無，乃至是相當消極的猜測：
量子盤算機的推翻性，將年夜量增長盤算才能，處置機能遠遠跨越基于晶體管的傳統盤算機。
人工智能的提高，像 One/zero-shot learning（對某一／某些種別只供給大批或不供給練習樣本）的強化進修，使得體系可以在沒有贊助的情形下從頭進修。 舉個例子，Deepmind 團隊用新版本的 AlphaGo 給世界留下了深入的印象，在短短的 21 地利間里就擊敗了之前的AlphaGo 版本，而且擊敗了人類高手。
主動編程的機械能夠會將 AI 晉升到一個全新的程度。
云盤算的進一步成長讓任何人都可以或許應用機械進修的力氣，經由過程在線應用幾率模子來處理成績。
最主要的是，跟著技巧的這類加快成長，人工智能的進修才能，和它可以完成的速度，能夠跨越我們懂得才能，從而很難猜測其真實的潛力。
全球無處不在，發生偉大的影響
主動化和人工智能曾經影響了年夜部門行業。 而且能夠會在將來幾年的社會中持續延長。以下是一些案例。
在美國，80 年月以來，臨盆力不再與休息力比率掛鉤。 在曩昔幾年中，最年夜的公司的利潤增速曾經跨越了幾個點，而勞工統計局的猜測，到 2026 年，僅制作業有 1 萬個崗亭消逝。
我以為清晰這一點很主要：臨盆率與休息力比率不相干，主動化加快了這一過程。
依據國際機械人結合會的統計，到 2017 歲尾，機械人產量將增加 12 ％，跨越 50 億美元，估計 2018 年至 2020 年間年均勻增加 20-25 ％
收集化，主動化，人工智能運用和機械人將擔任簡直一切行業的年夜量任務。
最年夜的成績是我們能否可以或許以異樣的速度發明新的任務，和若何應用 AI 來取得優勢！
比爾·蓋茨建議，經由過程對機械人納稅，為那些沒有任務來知足根本需求的人供給根本支出，這只不外是我們在微觀層面上決議若何順應新的實際，將來成長的偏向弗成防止。
沒有來由不開端應用 AI
我愿望在瀏覽本文后，你會開端懂得為何機械進修應當為你簡歷的一部門。 好新聞是，這比之前更輕易！
進入門坎愈來愈低，像谷歌如許的公司制造了很多視頻內容，供給入門級的根本概念，其他收集進修平臺，供給完全的進修成為人工智能工程師的法式。
這是一個需求量很年夜，供給量異常低的時代，有年夜把的機遇。
就像 90 年月那些對互聯網持疑惑立場的人一樣，不要失落以輕心。 這不只是一個生計成績，而是存眷這場反動的一切積極方面。這是一個異常沖動人心的時代， 假如你細心想一想，人工智能是將我們的物種晉升到更高程度的基本和需要前提，信任我，你想成為新世界的一部門。
瀏覽相干文章，在 YouTube 上不雅看視頻，在 Coursera 注冊并開端機械進修課程…如今就開端做吧。
這對你意味著甚么？ 在這場我們正面對的年夜反動中，你必需決議成為觀察遲疑者、演員照樣受益者。
