全文共2309字，预计学习时长6分钟
1776年出版的开创性著作《国富论》（The Wealth of Nations）重塑了当时的经济学领域，其作者亚当·史密斯（Adam Smith）在这本书中提出了劳动分工的概念——这是经济学史上最伟大的思想之一。
劳动分工衍生出了专业化这一概念，即我们每个人都努力训练，掌握一套终身受益的专业技能。专业化优势众多，如果你数十年如一日坚持每周花40多个小时掌握一门手艺，那便只有专家才能与你并驾齐驱，全才和通才也无法与之竞争。
但本文的主题并不是人与人的竞争，而是旨在讨论人与机器的竞争，人类无法比机器更专业。
“我”生来如此
几个世纪以来，计算员（computer）一词指的是手动进行数学运算的人。猜猜是什么设备取代了他们？农民、工厂工人、税务会计师、旅行代理商和一些其他领域已经开始感受到自动化的影响。当你需要预订机票时，你是会打电话还是去Expedia（旅游公司）？
这些领域并没有完全消失，很少领域能彻底消亡，但没人想投身于一个日渐式微的领域，也不会有人希望看到所有对手都去抢占社会中90%的工作，然后是80%、70%……
那我们能做些什么？乍一看，我们似乎需要找一份无法被自动化的工作，但这个目标要比想象的更难实现——没有哪一个领域能保证免受自动化的影响。
更努力未必更保险
有些人急于获取高学历或参加一些复杂的培训项目。毕竟，花费4至6年读完研究生后开始工作时，怎么也不会像“砧板上的鱼”一样任人宰割了，对吧？大错特错！
机器不会像人类那样思考。对人类来说难如登天的事情，实际上对机器来说不过小菜一碟。比较一下医生和护士，我们暂不讨论工作难度，因为在这一点上医学领域的人才有发言权。这里重点关注培训时长：在成为医护人员的路上，较之护士，医生需要多年的培训。
医生所做的诊断、手术和许多其他工作已经实现了一定程度的自动化。医生最大的优势之一就是他们知识渊博，学习能力强，能快速完善自己的知识体系，而机器也非常擅长这些事情。另一方面，护士的工作多是与患者进行直接沟通互动，而且要有同理心——而这些事情很难实现自动化（但并非不可能）。
工作培训的难度并不能充分反映实现自动化的难度，能更好反映这一点的指标是掌握软技能和创造力等的必要性，但仅有这些也是不够的。
机器获得认可
更糟糕的是，机器并不需要完成一个领域的所有任务才能替代人工。如果工作中有10%突然实现自动化，那需要医生的工作岗位就将大幅下降。
人们在谈论未来的工作保障时，往往关注的是工作中那些他们认为最难实现自动化的部分。即使他们已确定工作中的某些方面不能实现自动化，就算工作中90%都可以自动化，那也没有什么意义。
几乎每份工作都有可自动化的方面。我是个作家，或许你会认为这种创造性工作会让我很难被取代，但事实并非如此。我知道自己投入相当多时间所做的研究、编辑、优化搜索引擎和其他工作，机器也可以完成。我并不排斥失去其中的一些工作，但正如供给规律，如果每个作家的写作时间越长，所需要的作家便越少。
价值很重要
一个领域越有价值，人们便越想将其实现自动化。因为专业性最强的工作往往薪资最高，这应该会让专业人士感到有点惶恐。
高薪专家若因被机器取代而失业，其薪资将会大幅下降，这是不可避免的。你的薪资是基于你拥有的专业价值，但正是这种专业价值使得它成为了自动化工作者追求的目标。现在，这一专业价值已经等同于购置替代你工作的机器所花费的金额。你越是专业，便越不可能再找到一份和现在一样受到重视且待遇优厚的工作。
现实残酷，改变吧！
我讨厌这种消极看法，现在我们来谈谈解决方案。
专业化并不绝对靠谱，所以我们必须在一个新近流行但实际上由来已久的途径中找到应对办法：成为全才。劳动分工并不要求我们都变得高度专业化。然而，在过去的几个世纪里，我们不断地朝着越来越专业化的方向发展。
是时候让全才回归了。现在，我们应该认识到，领先于机器唯一途径就是懂得变通，不以人类特有的方式进行学习我们就无法与机器抗衡。
全才坚持终身学习，我们已讨论到了一些可迁移技能，如今成为全才需要掌握的技能在很大程度上是自动化程度较低的软技能。我们的工作和专家的工作一样，都无法避免自动化。如果需要，我们随时准备跳槽。我们拥有必要的技能，可以领先自动化一步。
写在最后的话
这并非“诸神黄昏”，但可能是衰落的开始。随着自动化的发展，几十年或几个世纪以来一直在增长的领域可能会日渐式微。
我相信自动化不会导致大规模的长期失业，不过大规模的职业流动或将成为家常便饭。我们目前的社会保障体系尚且无法应对这类问题，但愿社会能迎头赶上，自动化发展可不等人。
另外要记住，成为终身学习者，这是打败机器的最好方法。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范
如若转载，请注明出处：https://www.ozabc.com/keji/38421.html