從16年至18年AI取代人工的話題絡(luò)繹不絕，不過講實話，要評價現(xiàn)在的人工智能，或者大部分優(yōu)異的人工智能的話，都只能說它們是絕佳的模仿者，而非思考者。無論是從今AlphaGo到AlphaStar都是通過模仿人類的操作在算力上面達成的，而為什么要這樣操作它們?nèi)徊恢?/p>

如果需要解釋AI在工作時的運作邏輯，那翻譯機就是一個非常典型的例子，其實早在計算機出現(xiàn)之前，就有蘇聯(lián)科學家提出了基礎(chǔ)的構(gòu)想，在ENIAC之后，IBM 為首的企業(yè)也參與進機器翻譯的研究中。不少學者都期待，能夠出現(xiàn)一個像科幻片里那種實時翻譯器一樣的工具，那么全球都不會出現(xiàn)語音障礙，勢必會更加的團結(jié)。

翻譯這件事情在很多人看來好像并不是很難的事情，詞字一一對照翻譯不就行了，在絕大多數(shù)語言中，都有對應(yīng)的詞匯，“媽媽”對應(yīng)“mother”，“桌子”對應(yīng)“desk”，可以建立對應(yīng)關(guān)系；語言學也有了成熟的體系，語言的語法規(guī)則特點做拆解后，變成有效的算法策略，豈不應(yīng)該是水到渠成的嗎。

但是事與愿違，大量的俚語和用詞習慣都是在人類實際使用語言的過程中毫無規(guī)律地出現(xiàn)的，用規(guī)則方式解讀，幾乎沒有可能。
例如：Less bread. No jam.(London Transport)
這是倫敦車站的廣告語
字面上是：
少一些面包， 不要果醬。
實際上這句廣告詞巧妙地運用了語義雙關(guān)的修辭方法，因為在非正式英語里，bread一詞有“錢”的意思，而jam一詞則有“交通堵塞”的意思。
因此，該廣告詞想表達的意思是：
乘坐倫敦地鐵，省時省錢，風雨無阻。
這樣翻譯雖然實現(xiàn)了原文與譯文之間的意義對等，但其不盡如人意之處在于雙關(guān)修辭的效果喪失殆盡，可謂美中不足，也就是“明明單詞都認識，但就是翻譯不出來。”

一個語種與另一個語種并不是簡單的單詞對應(yīng)的關(guān)系，文化體系才是障礙，所以在弱人工智能邁向強人工智能這一事件，單就翻譯而言，機器遠遠不能夠取代人類。拋開語言翻譯，那么AI會讓哪些工作沒有價值。單純的預(yù)測，所謂具備完善的數(shù)據(jù)、有明確目標、基于已有經(jīng)驗而進行的工作，會變得沒有價值。

例如市場投放人員，工作的主要內(nèi)容是，嘗試投放所有可用的渠道，并且計算 ROI，然后繼續(xù)提升高 ROI 渠道的投入、減少低 ROI 渠道的投入。其次運營活動人員，負責配置各種活動?；顒佣际且呀?jīng)成型的幾種模板，他會基于每次用戶數(shù)據(jù)的波動，從自己的經(jīng)驗判斷應(yīng)該選擇哪種活動，以及在活動中配置怎樣的具體規(guī)則。

這兩種就是很典型的，會快速被替代的工作。如果你正在做這類工作，還望警惕。而像產(chǎn)品和運營的決策往往都不具備“大量的迭代數(shù)據(jù)和迭代結(jié)果”的條件，尤其是一個決策可能跟一大堆約束條件、影響因素耦合在一塊。

在這樣的場景下，AI 可能會替代產(chǎn)品經(jīng)理：要做短視頻，可以自動組合出幾千甚至上萬種產(chǎn)品方案并提供給用戶使用，基于用戶的使用習慣，來找出最佳的方案，繼續(xù)自動組合持續(xù)迭代。

在具備這樣足夠靈活的生產(chǎn)和檢驗條件之前，產(chǎn)品經(jīng)理還不太可能被替代。不過看如今互聯(lián)網(wǎng)產(chǎn)品設(shè)計模式的發(fā)展，已經(jīng)在向這樣的未來邁進。

一線的互聯(lián)網(wǎng)公司都在用不止有兩個用例的A/B test、用完備的數(shù)據(jù)埋點統(tǒng)計分析用以找到解決方案，雖然還不夠智能，但都在陸續(xù)替代產(chǎn)品經(jīng)理的工作、讓產(chǎn)品經(jīng)理變得逐漸不重要起來。

產(chǎn)品經(jīng)理很像是基于規(guī)則在做產(chǎn)品，而現(xiàn)在逐漸出現(xiàn)了不少決策都是基于統(tǒng)計的。有沒有覺得跟機器翻譯的歷史很像？

而AI 會讓給哪些工作更有價值？
在《AI極簡經(jīng)濟學》里認為，數(shù)據(jù)、判斷和行動是互補品，會變得更重要。這三者分別是什么呢？

數(shù)據(jù)，指的不是做數(shù)據(jù)統(tǒng)計的人，或者做數(shù)據(jù)分析的人，而是指擁有數(shù)據(jù)的人/組織和有能力獲取數(shù)據(jù)的人/組織。比如，基于統(tǒng)計的消費推薦變得愈發(fā)重要，那阿里、京東的產(chǎn)品和背后的數(shù)據(jù)積累就變得重要；基于統(tǒng)計的無人駕駛變得愈發(fā)重要，那交通部門、導航軟件和網(wǎng)約車平臺就變得重要。

有大量做數(shù)據(jù)工作的人，反而其實是在做 AI 替代品的工作，比如說單純的導航功能，有角色會根據(jù)過往的用戶出行數(shù)據(jù)來做分析和統(tǒng)計，以便找出一些規(guī)則。但足夠強大的 AI 根本不需要規(guī)則，只要輸入足夠，就能給出好太多的預(yù)測，就會把這樣的角色替代掉。（實際場景可能復(fù)雜得多，需要做判斷，仍然需要人的參與。）

判斷，指的是要告訴 AI 哪些是對的、哪些是錯的。

AI 學習和掌握一個能力，是為了人類服務(wù)的，那這個“服務(wù)的目的”，是必須人來賦予。這里就需要人來給出判斷，就像銷售行業(yè)里面的電銷機器人一樣，電話機器人好不好用并不是體現(xiàn)在單純的機器對于大數(shù)據(jù)的讀取和反饋實現(xiàn)，因為單單靠機器人來實現(xiàn)人機交互不可能的，所以還需要客服人員的輔助來完成，從這個方向上來看好像并不是取代，更多的成為了協(xié)助，所有無論是效率上面還是質(zhì)量上面又有顯著提升。

比如，剛剛提到的導航功能，就可以用機器學習做得足夠智能，可以算作是 AI 產(chǎn)品。但是這就代表不需要任何產(chǎn)品運營的參與了嗎？當然不是，對于這個產(chǎn)品需要達成的目標尤其是約束條件，仍然是人要賦予的。

最短時間當然是第一要素，但在多大程度上用戶會為節(jié)省時間而愿意付高速費？多大程度上用戶會很討厭堵車或者等紅綠燈？等等，這些基于人感受的判斷，會影響導航推薦路線的策略。

行動，當然就是基于預(yù)測的執(zhí)行了。拿到了無人駕駛的好算法，該怎樣應(yīng)用？拿到用戶消費行為的推薦，該怎樣應(yīng)用？不過，通常執(zhí)行的內(nèi)容本身又會延伸出是否有可能被 AI 替代的問題。

想到條件逐步成熟，未來可能會出現(xiàn)一個基于統(tǒng)計的優(yōu)異產(chǎn)品決策 AI ，就像 2005 年的 Google 殺進機器翻譯領(lǐng)域一樣，還是頗有些危機感的。