通过考虑当前对自动化具有抗性的各种技术可能对人工智能技术敏感，可以最好地解决这个问题。最明显的是需要简单感知技能的任务，例如能够看到的能力。长期以来，机械臂可以在已知位置拾取已知方位的已知物体，但许多实际任务涉及在采取一些同样简单的动作之前查看物体以确定其位置的简单行为，例如从树上采摘水果，收集垃圾，在货架上整理和补充物品，将商品包装到运输箱中，设置屋顶瓦片，分离可回收材料，装载和卸载卡车以及清理溢出物品。
还有另一类广泛的工作，我们雇用人员只是为了关注。人群中面部识别的潜力可以标记众所周知的可疑嫌疑人，但这种系统的准确性和广泛部署正在增加
显着，加剧了隐私问题。4视觉识别系统将能够识别和区分许可被禁止的活动，例如商店中的顾客走进限制于员工的区域或试图在不付款的情况下进行商品。
许多监督职能属于这一类。例如，AI系统将能够召唤服务员重新填充顾客的水杯或为下一位客人清理桌子。目前正在斯坦福大学校园进行测试的一个计算机视觉系统计算进入洗手间的人数，以便为服务设施的服务员定制时间表。未来的交通灯将能够预测您的到来，动态变化以促进车辆流动，并在行人或障碍物（如狗）出现时停止交通。
从历史上看，最容易受自动化影响的工作被定性为常规工作 – 意味着它们涉及重复执行相同的活动或任务，或者随着计算机的出现，很容易在一组明确的步骤或规则中描述，因此可以更容易地简化为程序化的表述。但人工智能正在将这种限制扩展到许多明显不那么常规的任务。例如，可以很好地定义成功驾驶汽车，但这项任务几乎不是常规的。读取手写文档或在语言之间翻译文本也是如此。然而，机器学习技术已经证明非常擅长于这些挑战，通常等于或超过人类能力。
使用所谓的大数据，许多可能需要洞察力和经验的任务现在都在今天或明天的机器范围内。事实上，检测模式过于微妙或稍纵即时进行人体分析，例如网络中的数据流动，潜在敌对部队在有争议的国家边界附近的移动，或信号卡收费信号表明存在欺诈的可能性，现在是实践 – cal。法律专业的申请包括在内
前一章，但大数据的使用也可能转变医疗保健的提供。例如，IBM正在将其Jeopardy- Wying Watson计划扩展到各种医疗应用，从为癌症患者治疗计划的肿瘤学家提供建议，到选择最有可能从临床试验中的新药中受益的患者，以帮助发现新的治疗方法通过汇总和分析多种数据来源和药物。五
简而言之，新的人工智能技术有望在以前抵抗自动化的许多领域大幅提高生产力 – 因此它们也面临着破坏许多职业的风险。
意见反馈