人工智能在未来能彻底取代脑力工作者吗
人工智能在算法等问题上可以看到已经有可以超越人的地方，比如之前的阿尔法也是这样的。但那种需要灵感，需要创造力和想法的工作，他们是否能够取代人类独立完成呢?比如教育工作者，艺术工作者等等。
知乎用户回答留德华叫兽
156人赞同了该回答
编者按：
坐标德国某车厂研发部
背景应用数学本科，美国运筹学硕士，德国数学与计算机博士(组合优化、图像处理方向)
目前从事自动驾驶人工智能算法的研发，可以说是人工智能的一线研发人员
虽说自己在AI风口之一的自动驾驶领域，并且自动驾驶替代(出租车)司机早已被提上了议程(预计2021年试行)
AI自动检测图片中的行人、汽车、交通标志等
但是，自动驾驶替代的毕竟不是脑力工作者
因此，本回答主要以安防系统、医疗和教育三大AI应用领域展开讨论。
1.人工智能发展现状
随着Alphago击败柯洁，人工智能(AI)已经深入到人类生活的各个角落，再也没有人能否认自己的生活和人工智能无关。AI的核心问题包括建构能够跟人类匹敌甚至超越人类的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。目前在一些视频辨识、语言分析、棋类游戏等方面，AI的能力已经超越人类的平均甚至最高水平(围棋)。
AI存在着这样那样的缺点，例如Google Photos误把两名黑人标注为“大猩猩”。 谷歌随后对此道歉，并表示将调整算法，以修复这一问题。
图像识别，正确率已超人类(黑人识别成猩猩除外)
2016年5月，一辆特斯拉Model S型轿车在佛罗里达州一条道路上撞上前方一辆拖挂车，驾车人死亡。当时，那辆车同样是在自动辅助驾驶状态下行驶。经过调查后显示事故的主要原因是 “在强烈日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因而未能及时启动刹车系统。由于拖挂车正在横穿公路，而且车身较高，这一特殊情况导致Model S从挂车底部通过时，前挡风玻璃与挂车底部撞击”。 AI系统的缺陷直接导致驾车人死亡。
个人认为虽然AI制造过致命的错误，也阻挡不了历史前进的脚步。下图统计了 Scopus 学术论文库中标注关键词「人工智能」的计算机科学论文数量。自 1996 年至今，每年发布的人工智能论文数量呈单边上扬趋势。由此可见，在学术界AI已经成为显学。
被受学术界追捧的AI无疑是一个热门的研究方向，但一个好的研究方向是否有很好的应用前景?风险投资是对新技术的落地应用前景嗅觉最敏感的，而创业公司是新技术应用的开疆拓土的前驱者。下图列举了得到风险投资并开发了人工智能系统的美国活跃创业公司的数量：
这一数量自2000年至今增加了14倍。由此可见，AI的研究不仅在学术界产生了巨大的影响，在业界也带来了巨大商机。风投和创业公司已经纷纷涌入，真金白银的投入将对AI的应用起到助推作用。
看到AI在学术界和业界都有很好的发展前景，我们会产生一个问题：当前的AI发展到什么程度了，有哪些工作是AI可以轻松胜任的?文章的后边几个章节分别通过AI在安防系统，医疗，教育，金融等领域的应用实例来进一步说明。这里我们先给出一个概述。
1 针对领域规则明确单一的，例如中国象棋，国际象棋和围棋，棋类运动规则非常明确，难度在于如何减少暴力计算而进行有效的搜索。围棋的搜索空间要比国际象棋大的多。
2 针对领域规则不太明确，人类可以比较轻松的完成的任务，例如聊天，语音识别等等。自然语言的规则是不清晰的，没有类似棋类那些既定的规则，自然语言有太多的特例。由于深度学习，大数据的突破，AI在这个领域已经有了接近和足够匹敌人类的水平。例如语音识别，文本翻译等等。目前大量的初创公司都集中在这些领域。这一领域将大大改变我们目前的生活，像客服，教师，低级的翻译工作，同声传译，初级程序员，简单的音乐创作。
3 AI相对来说就是垂直领域，而不是广泛领域。越狭窄的领域越好，因为这样有助于系统在特定问题或应用层面上取得突破。虽然机器可以在某一特定任务上展现出其卓越的性能，但只要任务稍加改变，其性能就会严重下降甚至完全失效。
2.安防系统，医疗和教育三大AI应用领域
AI安防系统
安防系统本身就拥有海量的数据，为模型的训练提供了充分的数据，可以说安防系统是AI得天独厚的应用场景。AI安防系统主要分为警用和民用两大类。
警用主要是疑犯追踪系统。基于人脸识别技术，对长途客运站、***等公共场所进行监控，将视频中的人脸与疑犯数据库进行比对，一旦疑犯在人群中被识别出来即刻报警。这就大大减轻了管理人员的工作负荷，提高了抓捕效率，增加了城市的安全性。同时先进的AI技术不单单是简单的进行人脸的对比识别，还可以迅速的通过监控视频给出画面里，所有人的信息，包括年龄，身高，性别等特征信息，有助于警方掌握更多的关于犯罪嫌疑人的信息。像Face++、商汤科技 这样的AI公司，他们研发的人脸识别算法和系统已经可以超越人类的水平，误识别率低达百万分之一。
基于车辆识别技术，目前的车辆识别技术已经不仅仅局限于对车辆的车牌进行识别，车的大小，车的型号等特征进行识别。例如现在较为先进的AI安防系统可以识别视频里的动态过程，例如打人、危机冲突等异常行为。因为视频的识别需要消耗的人的成本特别高，需要很多工作人员盯着每个屏幕看，并且在海量的视频里边人眼其实很难保证注意力的时刻集中。而一些犯罪过程或意外情况往往转瞬即逝，因此AI技术在这个领域是有巨大优势的。
民用的AI安防系统，我们平时已经接触了不少，例如平常经常用到的人脸刷卡，人脸门禁系统等等。此外，民用安防还有一个重要的应用场景是家用安防系统。可以对家里进行实时的监控，若有人闯入住宅内即可自动报警并通知家庭成员。
安防系统是AI成功落地的一个领域，得益于安防系统的自身的需求和安防系统本身具备海量数据的缘故。国内例如海康威视，旷视科技，云从科技等公司聚焦于安防产品的智能化与AI化。
AI医疗
AI医疗包括，医学影像分析，智能诊疗，新药研发，智能康复训练等场景。在医疗行业，医生基于自己的知识和经验，通过分析患者的检验报告，临床病症和病人的病史与基本信息来判断病人所患疾病，进而采取针对性的治疗措施。
例如影像科对CT等检查结果的判断。在国内一般的影像科医生最少也要读5年本科，加上规培2年，最少也要7年时间才能出任正式的影像科医生。如果在欧美一些发达国家这个时间会更长。也就是说一个正常的人需要至少7年的专业训练才能去出任影像科医生，这个相比开车来说是困难多了。而AI医疗借助大规模的数据，挖掘出影像科数据中的统计规律这个是以往人类需要很长时间才能逐渐掌握的，AI对CT图像上面的病灶能够精确的提取特征。例如IBM沃森可以在17秒内阅读3469本医学专著，24800篇论文，69种治疗方案，61540次实验数据，106000份临床报告。我们可以想象想象一下，一个医学专家一辈子也没有这么多时间去阅读如此海量的数据。一个医学系的博士用12年的时间(本科(5年)+硕士(3年)+博士(4年))也仅仅能精通几十本医学专著，临床报告几千份，而AI在对海量数据的使用上是远超过人类的。2012年IBM沃森通过了美国职业医生资格考试，并在美国多家医院部署。2017年8月23日，腾讯觅影的食管癌早期筛查系统在广西壮族自治区人民医院上线。在之后不到半年的时间，腾讯觅影的合作医院数量接近百家(包含“西部眼科联盟”的69家医疗机构)，这样的速度足以说明AI医疗的飞速发展。
值得一提的是，对AI医疗系统的应用，一部分医生和患者抱有怀疑的态度，对重大疾病的诊断往往需要非常的慎重的态度，因为误诊的后果会十分严重。目前在国内即使是医学博士也需要在医院进行规培，并通过职业医师的考试的层层选拔考察才能进行正式的行医。而AI医疗系统是否能够提供如此高的可靠性的保证。从统计学里边假设检验出发，AI医疗系统的诊断错误有两种，一种是把患病者错误的诊断为没有患病的，另外一种是把没有患病的诊断为患病者(实际上这里对应的是假设检验的第一类错误和第二类错误)。在医疗系统中，第一种错误(把患病者错误的诊断为没有患病)的这样的错误是不允许发生的，或者说如果放走一个病人这样的错误代价非常大。而第二种错误(将没有患病的诊断为患病者)，若被AI诊断为患病者，还需要由人类医生进行最终的筛查和治疗，因此相对第一种错误而言，第二种错误的容忍度要高一些。所以AI医疗系统的设计会根据实际对容错率的容忍程度来进行一个调整。
我个人观点倾向于在AI医疗系统中，目前AI扮演的角色是一个辅助角色，主角还是医生。医生和AI医疗系统并不完全是一个矛盾的，互相替代的关系，医生在对患者的病情进行诊断评估的时候，可以参考AI的给出的意见，AI相当于充当的是医生的高级幕僚一样，最终还需要医生综合的灵活的依据各个方面的情况来给出诊断结果。人类医生更擅长综合性的决策，面对特殊的突发的动态变化的情况下更有优势，而目前的AI背靠着海量数据与先进的深度学习等算法的支持能够弥补人类医生的不足。AI医疗系统可以帮助医生减少错误，实现1(医生)+1(AI医疗系统)大于2的一个目的，而不是用AI医疗系统去完全替代另外一个医生。
AI教育
谈到教育，随着国内二胎政策的推出，预计不久的将来一个非常迫切的问题便是如何破解大班教育与因材施教的个性化教育之间的矛盾。
AI+教育恰恰能弥补教师数量的不足，通过海量的数据和对每个学生构建学习画像来实现对学生的个性化分析，以每个学生的学习情况制定针对性的教育方案，提升学习的效率，同时也可以为教师提供教学上一个辅助性的决策意见。这就好比给每个学生配了一位特级教师，私人订制化的只为这个学生服务。
例如对英语的学习，学生时常不知道自己是单词量不够，还是语法不好，还是阅读英语文献太少。AI通过权威专家经验与机器学习的结合，为英语口语学习者提供基于语音识别与内容分析的智能测评与提高的解决方案。AI可以依据不同学生的个性偏好、学习习惯和学习风格，推荐最匹配的学习内容。有些学生喜欢轻松活泼的内容形式，有些学生喜欢严谨的风格，AI系统会记住不同学生的偏好推荐最合适的。根据学生的知识掌握状态和目标，自适应学习系统会自动规划最适合该学生的学习难度和顺序，不会让学生因为目标过高而丧失信心，也不会因为目标过低而失去挑战的欲望。通过这样的方式，让40分水平的同学可以逐渐提高到60分、70分，让70分水平的同学逐渐提高到80分、90分，最终使得所有不同水平的学生都能够循序渐进地提高到较高的水平。
3.人工智能在教育领域的应用和案例
子女教育一直是中国家长们的头等大事，为此家长们不惜投入巨大的财力和精力。因此，我们决定更进一步地讨论AI在教育的应用和落地案例。
科大讯飞批改作业与试卷
作业批改和试卷批改一直是老师们头疼的问题，大量重复性的作业批改占据了老师们宝贵的时间。科大讯飞的全学科智能阅卷技术已在学业水平测试，例如大学英语四六级，以及全国多个省份的高考、中考、成人高考等大规模考试中进行了多次、多范围试点验证。
优必选教育机器人
如果说AI属于互联网行业，那么机器人属于制造业。机器人是一个综合的系统，机器人除了内部算法以外，还牵涉到硬件的制造和量产化的问题。优必选教育机器人的项目也在去年启动了京东的众筹融资，其教育机器人名为阿尔法。阿尔法在语音识别方面结合了童声识别，中英文识别与智能闲聊三项技术。采用了定制化智能教育，从海量的教育资源中依据孩子的年龄和学习情况，进行偏好推送。同时依赖于阿尔法先进的舵机工艺，阿尔法可以完成走路，格斗，跳舞，踢球等动作，阿尔法拥有的动作课程体系以及动作表现力丰富的人形四肢，可以让孩子学习，运动，逻辑全方面培养。
松鼠教育AI
1 )批改和评测自动化
AI技术中的图像识别、语义识别理解和语音识别技术能够实现批改和评测自动化，包括作业和试卷扫描、答案识别和判断，英语口语发音评测，还有作文的批改和打分，减轻了老师们的负担。
2)利用AI技术挖掘出学生的个性化潜在的信息
在目前大班教育的前提下，人类教师难以准确的观察和跟踪每一个学员的进展情况。而AI教育通过大数据技术，尤其是学习分析和教育数据挖掘技术，实现精准学生画像，其中教育数据挖掘(EDM)是指对学习过程和学习行为进行量化分析，在学生学习过程中采集学生的学习数据，包括学习时间，停留时间，测试准确率等。通过对数据的处理分析，建立不同学生的学习模型。学习分析技术(LA)主要是对学生的测验成绩进行预测和监控，并提出相应的干预措施。这样的学习模式不仅可以实现个性化学习的目标，可以对每一个学生提供不同的激励机制。所有学生的进步是在自己的基础上进行的，减少了横向对比的弊端，提高了学生的自我效能感。 学习分析(Learning Analytics)能够为教师提供详细的学生数据，它不仅可以告诉你学生投入多少、了解多少，甚至还能提供信息让系统、教师改善教学方法。在乂学教育自适应学习系统教师端，教师可以随时查看学生的总体学习进度、成就和能力水平，并且这些都是根据教师、学生的需要提供的。系统可以识别特定学生的薄弱知识点，并且可以相应调整教学方案。同时，系统还会将学生的错题按照知识点、错误率、掌握程度、知识图谱顺序排列，便于学生复习或课后辅导。
3 )替代人类教师，降低教育成本，化解优秀教育资源稀缺的问题。
不得不提当前我们所面临的教育领域的根本性矛盾是人民日益增长的教育需求和优质教育资源总量有效且不均匀的矛盾。要上好的大学，必须要先上一个好的高中，想上好高中先要上一个好的初中，依次类推下去。随着中国社会逐渐向阶级固化的方向开始发展，很可能通过传统教育的方式已经无法改变一个人的人生。优秀的教育资源十分有限仅仅掌握在少部分人的手里，而稀缺的优秀教育资源进一步导致其成本上升。类似于AlphaGo模拟了下围棋高手，AI技术也能够模拟优秀的老师去实现智能推荐，为每个学员量身定制个性化学习方案，帮助学员花最少的时间达到较好的学习效果。)
AI教育的优势：
机器老师具有海量的记忆，并且能够对每一个学生百分之百的专注，这一点是真人老师无法做到的。无论学生的基础有多差，机器老师都能认真的解答学生的问题。同时机器老师还有一个自适应的过程，能够利用大量积累的高质量内容对学生的学习路线进行动态的调整。
4.人类未来将不用工作?
从经济学的角度出发，人生来就不是为了工作的，所以从第一次工业**开始到现在，每一次很大程度上都是不断的对人类工作用机器替代。在前几次工业**主要集中在解放了人类的体力劳动。人工智能的**是要解放人类的脑力劳动。短期之内人工智能会造成部分人失业，从长远来看人工智能让人类从底层的脑力劳动解放出来是一个必然的发展趋势。
前面谈到了AI在方方面面的应用。20年前，我们认为指纹识别，人脸识别，车牌识别等已经是高端的人工智能了，今天这些领域早已经被广泛的应用于我们的生活中，我们并不会把这些东西看成有多么的“智能”。纵观AI发展历史每一次AI都给人们带来了出人意料的结果。也许今年出现在科幻小说里边的场景，20年后就将普及到我们现实生活的方方面面，不断方便人类的日常生活(例如自动驾驶)。
个人认为AI在创造性的工作上也将逐步的辅佐并最终替代人类。
结语
人工智能的未来不可限量，今天这里讨论的还只是弱人工智能，强人工智能虽然目前还无法想象，但是相信随着科技的进步，终有到来的一天!
最后，附上2016年计算机视觉顶级会议CVPR的一项研究成果--AI艺术创作(弱人工智能)。