人工智能與人類工作是當下許多人津津樂道的一個話題，而討論的重點大多是圍繞在“未來人工智能會不會搶走我們的工作”這個方面。

“人工智能”一詞經常會讓人感覺心生恐懼和憂慮，人們畏懼人工智能所帶來的未知可能性，害怕發生像《終結者》這樣的電影中所展現出來的反烏托邦式情景，擔心人工智能未來某一天可能會搶走我們的工作。這種恐懼情緒并非最近才剛剛出現，也并不是完全沒有依據。人工智能與其他任何顛覆性技術發明一樣，由此出現的更快速、更高效的機器必然會取代部分人類工作者。但是，那些擔心 AI 會搶走他們工作的人其實大可不必如此緊張，因為 AI 也會催生新的工作崗位，而他們至少可以往這些新工作方向發展。

據 Gartner 最新發布的一份報告指出，盡管 AI 技術將取代 180 萬個工作崗位，但同時也將創造出 230 萬個新就業崗位。Gartner 首席研究員 Peter Sondergaard 預測表示，AI 將強化員工的工作能力，并可能成為 2020 年的“凈工作創造者”。我相信，AI 與過去所有的其他顛覆性技術一樣，將為我們帶來許多新就業機會。

得益于 AI 技術的興起，以下五個行業崗位將呈現出顯著的增長趨勢：

1、數據科學家

數據科學家屬于分析型數據專家中的一個新類別，他們對數據進行分析來了解復雜的行為、趨勢和推論，發掘隱藏的一些見解，幫助企業做出更明智的業務決策。正如致力于商業分析和商業智能軟件的 SAS 所說的那樣，數據科學家是“部分數學家，部分計算機科學家和部分趨勢科學家的集合體”。

以下是數據科學應用的一些例子：

Netflix通過數據挖掘電影觀看模式，了解用戶興趣，再利用這些數據來做出 Netflix 原創劇的制作決定。

Target 使用消費者數據來確定主要客戶群，并且對客戶群中獨特的購物行為進行分析，從而能引導消息傳遞給不同的受眾。

寶潔公司利用時間序列模型能夠更加清晰地了解未來的產品需求，從而幫助公司規劃出合適的生產量。

由于AI 推動了創造和收集數據的趨勢發展，所以我們也可以看到未來對于數據科學家的需求也將日益增加。據 IBM 預測，到 2020 年，對于數據科學家的需求增長幅度將達到 28%，數據科學家、數據開發人員和數據工程師的年需求量將達到 70 萬人。其中一般的 AI 領域專家，包括剛踏出校園的博士生以及相對教育程度低一些、但是有幾年工作經驗的專業人士，每年薪水加公司股票可能在 30 萬美元至 50 萬美元范圍內。

2、AI/機器學習工程師

大多數情況下，機器學習工程師都是與數據科學家合作來同步他們的工作。因此，對于機器學習工程師的需求可能也會出現類似于數據科學家需求增長的趨勢。數據科學家在統計和分析方面具有更強的技能，而機器學習工程師則應該具備計算機科學方面的專業知識，他們通常需要更強大的編碼能力。

如果你是十年前進入機器學習領域，那當時除了學術界之外很難找到別的工作。但是現在，每個行業都希望能將 AI 應用到他們的領域，對于機器學習專業知識的需求也就無處不在，因此 AI 也將繼續推動社會對于機器學習工程師高需求趨勢的發展。除此之外，AI 不同垂直行業的企業，包括圖像識別、語音識別、醫藥和網絡安全等，也面臨著缺乏合適技能和知識的勞動力這一問題的挑戰。據 Gartner 報告顯示，有一位首席信息官想要在紐約聘用 AI 技術的專業人才，卻發現人才庫只有 32 人，其中只有 16 人符合潛在候選人標準。而在這 16 人中，只有 8 人正在積極尋找新就業機會。

3、數據標簽專業人員

隨著數據收集幾乎在每個垂直領域實現普及，數據標簽專業人員的需求也將在未來呈現激增之勢。事實上，在 AI 時代，數據標簽可能會成為藍領工作。

IBM Watson 團隊負責人 Guru Banavar 表示“數據標簽將變成數據的管理工作，你需要獲取原始數據、對數據進行清理，并使用機器來進行收集。”標簽可以讓 AI 科學家訓練機器新任務。

Banavar 繼續解釋道：“假設你想訓練一臺機器來識別飛機，你有 100 萬張照片，其中有一些照片里邊有飛機，有一些沒有飛機。那你需要有人先來教會計算機哪些圖像有飛機，哪些又沒有飛機。”這就是標簽的用處所在。

4、AI硬件專家

AI 領域內另外一種日益增長的藍領工作是負責創建 AI 硬件(如 GPU 芯片)的工業操作工作。大科技公司目前已經采取了措施，來建立自己的專業芯片。

英特爾正在為機器學習專門打造一個芯片。與此同時，IBM 和高通正在創建一個反映神經網絡設計、并且可以像神經網絡一樣運行的硬件架構。據 Facebook AI 研究總監 Yann LeCun 表示，Facebook 也在幫助高通開發與機器學習相關的技術。隨著人工智能芯片和硬件需求的不斷增長，致力于生產這些專業產品的工業制造業工作崗位需求將會有所增長。

5、數據保護專家

由于有價值的數據、機器學習模型和代碼不斷增加，未來也會出現對于數據保護的需求，因此也就會產生對于數據庫保護 IT 專家的需求。

信息安全控制的許多層面和類型都適用于數據庫，包括：訪問控制、審計、認證、加密、整合控制、備份、應用安全和數據庫安全應用統計方法。

數據庫在很大程度上是通過網絡安全措施(如防火墻和基于網絡的入侵檢測系統)來抵御黑客攻擊。保護數據庫系統及其中的程序、功能和數據的安全這一工作將變得越來越重要，因為網絡開放程序越來越高。

總會需要人類的判斷

盡管人工智能可以用來加速日常工作的節奏，并且未來可能會取代一些崗位的工作人員，但相比它破壞的工作來說，它創造的工作更多。無論是分析、組織，還是根據數據達成可行結論，這些過程中人類的角色仍十分必要。也正是因為如此，人類在創造、實施和保護人工智能方面的作用將變得更為重要。

正如 Frost&Sullivan 高級副總裁 Andrew Milroy 所說：“實現轉型所缺少的人力資源將會降低技術采用和實現自動化的速度。AI 會創造就業機會。隨著新型、顛覆性技術的出現，新的高技能工作崗位也會出現。而沒有人類工作者，這些技術的實施是不可能實現的事情。”

人工智能是人類未來實現連續統一目標的一個步驟。AI 技術所創建的工作能夠讓生活更輕松，將人類工作者從瑣碎的工作任務中解放出來。而當前 AI 技術的傳播速度和普及趨勢在給我們創造更多就業機會的同時，也意味著我們面臨著一個新的挑戰，我們需要培訓工作人員轉向這些新職位。