4月25日，據國外媒體報道，你可能看到或聽說過很多次，機器人或算法正接管人類工作。在這種趨勢下，首先遭殃的可能就是藍領工人，比如工廠工人和出租車司機等。你可能在心理上有種優越感，因為你的“職業”依然是安全的，不會被“外包”給計算機。但不要高興得太早，越來越多更為復雜的算法和機器學習正在證明：此前只能由人類勝任的工作也面臨著機器的威脅。
波士頓咨詢集團已經預測，到2025年，目前人類勝任的1/4工作將被智能軟件或機器人取代。牛津大學的研究也顯示，英國目前35%的人類工作未來20年有被自動化取代的危險。《福布斯》雜志近日列舉出正受到先進大數據和機器學習威脅的10大職業，它們既出人意料，又在情理之中。
1.醫生
某些醫生的工作現在已經可以交由計算機完成。舉例來說，醫生可以使用自動機器人系統進行輔助微創手術。IBM的超級計算機沃特森已經證明，它可以通過分析核磁共振掃描等資料診斷肺癌，甚至比真人醫生更加準確。此外，美國加州大學舊金山分校醫學中心近來在當地2家醫院推出機器人控制的自動化藥房，它可以掃描護士提交的二維碼自動處理處方。事實上，強生集團也推出獲得美國食品與藥物管理局批準的設備，它可以自動注射低水平的麻醉藥，無需麻醉師輔助。
2.保險經紀人
保險經紀人和保險商如今要做的許多工作都可以通過使用大數據和機器學習的計算機完成。使用了數十年的公式可以很快確定保險人適合的險種，并計算出其需要繳納的保險金額，而新的工具可以令決策過程更加自動化。
3.建筑
幫助個人自己設計家居的應用程序已經出現，這令建筑設計技巧乃至設計和顏色選擇更加自動化。現在，大多數人都在使用軟件作為主要的可視化工具，或取代建筑師設計更小的項目。但是隨著程序進化得更為復雜，所需的人類建筑師和設計師將急劇減少。
4.記者
記者的許多工作現在已經可以利用機器學習工具自動完成，比如敘述科學（通過分析數據創造自然語言的新聞故事）。事實上，如果你閱讀過去一兩年的公司財報，你可能會讀到機器生成的文章或新聞稿。這些程序首先被應用在金融和體育報道中，因為這些事件非常依賴數據和數字。其他領域也正被滲透，從新聞網站“搜刮內容并重寫”以免直接剽竊的服務已經出現，實際上它們的內容幾乎完全相同。
5.銀行員工
算法現在已經可以分析金融數據、準備賬目（比如納稅申報表）等，無需人類會計幫助。部分銀行出納員已經被自動取款機取代，很快更高水平的銀行職位也可能被自動化系統輕松代替，包括處理貸款業務的人員。就連政府機構也在使用大數據和機器學習核查納稅申報表，確定納稅方面存在的欺詐問題。我們知道計算機正被用于股票交易，其速度比人類快得多。此外，計算機也被用于預測市場反應，從而建議你應該買進還是賣出股票。
6.教師
隨著教育數字化，教師的角色將發生翻天覆地的變化。研究顯示，算法可以根據個別學生的水平和理解能力制定個性化學習計劃，顯然比人類教師的效率更高。對于那些急于找到合格教師的學校來說，這種技術堪稱“福音”，但其最終可能減少教師在課堂上的角色，讓他們淪為監考或保姆，直至最終完全消失。
7.人力資源
隨著算法可以篩選簡歷、自動尋找完美候選人，人力資源、獵頭以及招聘人員都將受到大數據的影響。人力資源其他相關工作，包括收集和歸檔文件、向員工提供福利建議等，都將被自動化系統取代。
8.市場營銷與廣告人員
市場營銷主要指說服和操作他人的人類技能，但是這種技能也正被“外包”給計算機。自然語言軟件公司Persado已經利用計算機為大型零售組織撰寫引人注目的電子郵件主題。許多公司也在試驗自動化廣告購買模式，這種模式不再需要人類選擇放置廣告的雜志或頁面，計算機可以利用與此有關的大量數據搞定它們。
9.律師及其助手
在訴訟案的發現階段，律師及其助手們需要篩選成千上萬份與案件有關的文件。現在，復雜的數據庫可以利用大數據技術，比如同步分析、關鍵詞識別等，以更少的時間完成同樣的工作。事實上，類似IBM超級計算機沃特森的類似機器學習系統可被合法“訓練”，用以審查先例和判例歷史，甚至起草法律摘要。而在傳統上，這些工作都是律師事務所充當律師助手的人類完成。但是不要認為只有律師助手的工作處于危險中，就連拿著高薪、可預測案件結果的大律師也無法幸免。密歇根州立大學和南德克薩斯法學院的研究人員設計的統計模型可以預測美國最高法院71%案件的結果。這種預測能力可能是律師能夠提供的最有價值的服務，但其很容易被計算機取代。
10.執法人員
預測警務是個熱門話題。許多批評家稱，預測警務侵犯公民自由，但這與《少數派報告》不同。2003年，零售商沃爾瑪用于預測產品需求的算法曾被用于預測紐約市新年前夕的警務情況，結果相當驚人：隨機槍擊事件減少了47%，8小時內節約人員開支1.5萬美元。更好的危險預測可以減少任何部門、任何時段所需的人員數量。
問題的關鍵是，計算機的威脅并非僅限于低技術含量的工作，比如工廠工人、售貨員或服務員。隨著計算機變得越來越復雜，它們自然將能夠執行更為復雜的任務。對于許多需要提高精度和生產力的行業來說，這是件好事。任何醫生都要承認，更加精確的診斷是好事。任何律師都需要同意，更快、更全面的發現對打贏官司有好處。
可是問題是，這些技術進步可能不會創造更多就業機會。我們肯定需要更多程序員、統計學家、工程師、數據分析家以及IT人員去研發和管理這些復雜的電腦，但要求工廠流水線上的工人換擋或出租車司機成為數據分析家可能非常困難。當這些工作機會被取代時，我們如何填補空缺將非常關鍵，畢竟所有自動化是否都對人類有益還沒有定論。
