1樓：北迴歸線上茶農
在中國發展高層論壇2023年會上，人工智慧時代人類的生活方式成為眾多嘉賓關注的話題。在思想和觀點的碰撞中，人工智慧對於人類美好生活的意義也更加明晰起來。
智慧社會分有用的人和無用的人
不可否認，人工智慧好似開啟了一扇新世界的大門，但在生活和工作因此變得更加便利化的同時，不少人也擔心，將來謀生的飯碗會不會也被人工智慧搶了？
清華大學中國與世界經濟研究中心主任李稻葵**，2023年人工智慧不會取代人類的工作，反而會創造更多的工作機會。李稻葵同時強調，未來能駕馭這類工作的人越來越少，那時世界上將分為兩種——「有用的人」和「無用的人」。
蘋果公司ceo庫克與李稻葵觀點相似。在談及人工智慧對未來社會的影響時，庫克表示，技術帶來很多進步，人類應該去擁抱新技術。未來人工智慧會取代人類部分工作，但新技術會創造出更多的技術。
庫克稱，人工智慧可能帶有破壞性，可能會取代人類一部分工作，這是對社會的挑戰。他建議，社會應投入大量資源和精力，**人工智慧技術將取代哪些工作，通過培訓讓這些崗位的人做好準備，讓他們未來可以從事更具創造性的工作。
倫敦政治經濟學院教授、2023年諾貝爾經濟學獎獲得者克里斯托弗·皮薩里德斯表示，新技術總會帶來顛覆性的影響，人工智慧時代可以產生很多工作，整個社會也會因此變得更好。
克里斯托弗·皮薩里德斯認為，在此過程中，三種型別的新工作可能會出現。一是目前未出現的經濟活動的工作；二是高技術性工作；三是服務行業、特別是衛生教育健康行業以及創造性行業中的工作。
人工智慧時代，哪些人不會被淘汰?
2樓：go嘻嘻嘻
您好人工智慧時代總有一些人要被代替，但是像那些在各個工作崗位上工作的很勤奮，有技術含量的人是不會被淘汰的，因為機器人永遠也代替不了有一些人，但是像一些勞動者他們沒有什麼，那個只是靠腦力來解決的機器人都能夠代替。
3樓：汐凌韻達
不會被淘汰那麼必然是人工智慧無法代替的崗位，什麼是人可以做、但是人工智慧做不了的呢？我們要認清 人類和人工智慧有什麼區別、當某一天人工智慧發展到鼎盛時期時、已經與人無異，那人唯一的優勢只有情感和思想了、這是人工智慧不會有的、除了人工智慧設計師外、有想法的企業家、政治家、心理醫生都不會被代替
4樓：翟運海
人工智慧時代是科技發展的產物，在當下這個時代很多科技新興產業湧現而出，所以從事高新技術產業的人員，比方說電子軟體。汽車製造加工核工業，宇航工業，新能源應用等等這些方面。不會被淘汰，是新型的熱門產業。
5樓：匿名使用者
人工智慧時代是科技發展的產物，在當下這個時代很多科技新興產業湧現而出，所以從事高新技術產業的人員，比方說電子軟體。汽車製造加工核工業，宇航工業，新能源應用等等這些方面。不會被淘汰，是新型的熱門產業。
人工智慧時代，什麼職業不會在未來被淘汰
6樓：匿名使用者
。。。應該說是大資料時代更貼切，因為現在所謂的人工智慧，只不過是依賴大資料才給人這種智慧化的感覺而已
7樓：難得聚一聚
人工智慧將會釋放更多的勞動力，人們工作將越來越趨向於，不用付出體力勞動的發展。
未來，唯有用腦的職業是不會被淘汰的。
8樓：ppv課
有程式設計能力和資料探勘能力的工程師最火，包括：資料探勘工程師、機器學習工程師，演算法工程師。
人工智慧和一般的計算機程式有極大的差別，它應當具有「能夠自主學習知識」這一特點，這一特點也被稱為「機器學習」。而自學習模型(或者說機器學習能力開發)正是資料探勘工程師的強項，人工智慧的誕生和普及需要一大批資料探勘工程師。 那麼在ai時代，如何才能掌握相關的技能，成為企業需要的資料探勘人才呢？
第一個門檻是數學
首先，機器學習的第一個門檻是數學知識。機器學習演算法需要的數學知識集中在微積分、線性代數和概率與統計當中，具有本科理工科專業的同學對這些知識應該不陌生，如果你已經還給了老師，我還是建議你通過自學或大資料學習社群補充相關知識。所幸的是如果只是想合理應用機器學習演算法，而不是做相關方向高精尖的研究，需要的數學知識啃一啃教科書還是基本能理解下來的。
第二個門檻是程式設計
跨過了第一步，就是如何動手解決問題。所謂工慾善其事必先利其器，如果沒有工具，那麼所有的材料和框架、邏輯、思路都給你，也寸步難行。因此我們還是得需要合適的程式語言、工具和環境幫助自己在資料集上應用機器學習演算法。
對於有計算機程式設計基礎的初學者而言，python是很好的入門語言，很容易上手，同時又活躍的社群支援，豐富的工具包幫助我們完成想法。沒有程式設計基礎的同學掌握r或者平臺自帶的一些指令碼語言也是不錯的選擇。
make your hands dirty
接下來就是了解機器學習的工作流程和掌握常見的演算法。一般機器學習步驟包括：
資料建模：將業務問題抽象為數學問題；
資料獲取：獲取有代表性的資料，如果資料量太大，需要考慮分散式儲存和管理；
特徵工程：包括特徵預處理與特徵選擇兩個核心步驟，前者主要是做資料清洗，好的資料清洗過程可以使演算法的效果和效能得到顯著提高，這一步體力活多一些，也比較耗時，但也是非常關鍵的一個步驟。特徵選擇對業務理解有一定要求，好的特徵工程會降低對演算法和資料量的依賴。
模型調優：所謂的訓練資料都是在這個環節處理的，簡單的說就是通過迭代分析和引數優化使上述所建立的特徵工程是最優的。
這些工作流程主要是工程實踐上總結出的一些經驗。並不是每個專案都包含完整的一個流程，只有大家自己多實踐，多積累專案經驗，才會有自己更深刻的認識。
翻過了數學和程式設計兩座大山，就是如何實踐的問題，其中一個捷徑就是積極參加國內外各種資料探勘競賽。國外的kaggle和國內的阿里天池比賽都是很好的平臺，你可以在上面獲取真實的資料和隊友們一起學習和進行競賽，嘗試使用已經學過的所有知識來完成這個比賽本身也是一件很有樂趣的事情。
另外就是企業實習，可以先從簡單的統計分析和資料清洗開始做起，積累自己對資料的感覺，同時瞭解企業的業務需求和生產環境。我們通常講從事資料科學的要」make your hands dirty」，就是說要通過多接觸資料加深對資料和業務的理解，好廚子都是食材方面的專家，你不和你的「料」打交道，怎麼能談的上去應用好它。
擺脫學習的誤區
初學機器學習可能有一個誤區，就是一上來就陷入到對各種高大上演算法的追逐當中。動不動就討論我能不能用深度學習去解決這個問題啊？實際上脫離業務和資料的演算法討論是毫無意義的。
上文中已經提到，好的特徵工程會大大降低對演算法和資料量的依賴，與其研究演算法，不如先釐清業務問題。任何一個問題都可以用最傳統的的演算法，先完整的走完機器學習的整個工作流程，不斷嘗試各種演算法深挖這些資料的價值，在運用過程中把資料、特徵和演算法搞透。真正積累出專案經驗才是最快、最靠譜的學習路徑。
自學還是培訓
很多人在自學還是參加培訓上比較糾結。我是這麼理解的，上述過程中數學知識需要在本科及研究生階段完成，離開學校的話基本上要靠自學才能補充這方面的知識，所以建議那些還在學校裡讀書並且有志於從事資料探勘工作的同學在學校把數學基礎打好，書到用時方恨少，希望大家珍惜在學校的學習時間。
除了數學以外，很多知識的確可以通過網路搜尋的方式自學，但前提是你是否擁有超強的自主學習能力，通常擁有這種能力的多半是學霸，他們能夠跟據自己的情況，找到最合適的學習資料和最快學習成長路徑。如果你不屬於這一類人，那麼參加職業培訓也許是個不錯的選擇，在老師的帶領下可以走少很多彎路。另外任何學習不可能沒有困難，也就是學習道路上的各種溝溝坎坎，通過老師的答疑解惑，可以讓你輕鬆邁過這些障礙，儘快實現你的「小」目標。
機器學習這個領域想速成是不太可能的，但是就入門來說，如果能有人指點一二還是可以在短期內把這些經典演算法都過一遍，這番學習可以對機器學習的整體有個基本的理解，從而儘快進入到這個領域。師傅領進門，修行靠個人，接下來就是如何鑽進去了，好在現在很多開源庫給我們提供了實現的方法，我們只需要構造基本的演算法框架就可以了，大家在學習過程中應當儘可能廣的學習機器學習的經典演算法。
學習資料
至於機器學習的資料網上很多，大家可以找一下，我個人推薦李航老師的《統計機器學習》和周志華老師的《機器學習》這兩門書，前者理論性較強，適合數學專業的同學，後者讀起來相對輕鬆一些，適合大多數理工科專業的同學。
9樓：匿名使用者
人工智慧化的到來，按部就班的工廠就全部實現代替人工生產，這樣一來，電子產品工廠幾乎人工被淘汰掉。
10樓：彡冷灬血
程式設計的，設計的，賣菜的
11樓：長沙新華電腦學院
設計創意類，不重複的工作
12樓：生命延續**會
真正的人工智慧時代 什麼職業都會被淘汰…… 嗯 吃喝玩樂 做夢 幻想 的職業應該不會被淘汰吧 你可以幹這些……
人工智慧時代，什麼職業才不會被淘汰呢？
13樓：長沙新華電腦學院
要努力上進才不會被濤談，來這裡看，有這個專業
14樓：小永哥留學規劃
現在以人臉識別、自動付款為代表的ai技術已經深入到了我們尋常的生活當中，無人商店和自動駕駛也在逐步地嘗試當中，在未來，基於ai的技術將會改變我們很多人的生活方式和工作方式。
由世界經濟論壇wef釋出的《2023年未來工作報告》警告說，「像資料錄入員、會計、祕書、審計員、銀行出納員和收銀員等常規、中等技能的白領職位，將會面臨著ai的威脅。」
可能你會說這些工作都是出賣時間的，沒什麼技術含量，那你再來看看這個案例：
摩根大通是美國最大金融服務機構之一，它利用ai技術開發了一款金融合同分析軟體。經過測試，發現這個軟體可以在幾秒內完成原來貸款人員每年需要360000小時才能完成的工作。不僅做得又快又好(錯誤率大大降低)，而且還可以24小時工作。
對於想要出國留學的童鞋們，選擇一個替代性差的專業勢在必行，可以讓你不至於面對花費了高額出國留學費用，回來卻沒有飯碗的窘境~
那首先我們就應該知道怎樣的工作才避免與ai正面競爭，然後才能對應選擇專業。
麻省理工學院和哈佛大學經濟學家的聯合研究發現，到目前為止，有兩大類職業很難被科技取代。第一類需要動手的工作，也就是那些需要環境適應能力、視覺和語言辨識能力、人際交往能力的工作，比如**、保姆、廚師、水泥工等等。
但我相信，大部分的童鞋更傾向於選擇第二類職業：
也就是抽象職業，需要你有較強的解決問題的能力、直覺、創造力、說服力等，比如資料分析師、管理人員、教授、工程師等。
資料分析師
都說現在是大資料時代，各行各業都存在著海量的資料，也就因此催生出了資料分析師。這項工作總的來說呢，就是收集大量結構化和非結構化的資料，經驗證正確性後，再從中提取資訊、加以解釋或者分析趨勢。
看這概述，你可能覺得不怎麼難，其實要做好一個資料分析師，還是非常有難度滴。首先你得懂公司的業務啊，在不明白行業知識、公司業務、流程下的分析結果，沒有實用價值。
其次你得懂分析本身，各種分析方法你該瞭如指掌吧?：對比分析法、相關分析法、交叉分析法、結構分析法、迴歸分析法…
然後你得懂工具，現在各種技術變革，各種工具層出不窮，掌握最好用的工具才是制勝之道啊。
人工智慧ai和機器學習專家
老實講，這是最推薦最心儀的工作，為什麼呢?因為它就是去研究人工智慧本身!通過學習並創造人工智慧，你就可以反扼住人工智慧的咽喉!
人工智慧算得上是電腦科學的一個領域，它強調機器能夠像人類一樣工作、反應。而機器學習呢，則是一種「自動建立模型、分析模型的資料分析方法」，它是人工智慧的一個分支，它就是要做到從資料中學習、識別模式，並在人為干預最少的情況下做出決策。
總經理等管理人員
管理崗位自然是很難消失的，畢竟有團隊在的地方，就需要有一個領導者，不然都成了一盤散沙，怎麼發揮最大的效益呢?
管理崗位的職責通常包括了制定政策、管理日常業務、規劃物資和人力資源的使用。從這點上，你就可以看出，ai是很難威脅到管理崗的，畢竟一個ai領導還是很難和下屬溝通的。
銷售和市場營銷專才
銷售和市場營銷都需要把握和揣摩人性，前者是指向那些潛在客戶銷售，比如個人或小團體，他們需要把線索和潛在客戶直接轉化為購買物件。
而後者呢，則是向更多的受眾傳播產品或者服務的價值，相當於建立一個品牌，需要的過程較長。
要做好銷售類的工作，需要你有很強的變通力，雖然ai確實可以根據分類來做出反應，但畢竟沒有我們人本身靈活。
牙科醫生
麥肯錫的報告曾經顯示，每個牙結石清除手術中只有13% 的工作可以實現自動化。類似的，在醫療其他領域，ai雖然有發揮作用的地方，但終歸是有限的。
它只能作為輔助，而不能成為主導。所以我們人類的生命健康啊，還是得交給偉大的白衣天使~
教育
就和上面的醫生一樣，他們一個是保護我們的身體健康，一個是保護我們的心理成長，這兩樣非常個性化的需求，只能通過真實的人來滿足，而不是ai。
人工智慧時代，學什麼才不會被淘汰
最近降溫，隨著寒流而來的，是接連不斷的裁員訊息帶來的就業焦慮，8月，美團 拉勾爆出裁員資訊 10月，阿里 京東等企業也不同程度 縮招 上個月，富士康又被爆出裁掉34萬人。這是多麼震驚的數字，危機來得讓人措不及手。大裁員環境下，永遠不要假設危機不會降臨到自己頭上，每個人都要做好被裁的準備。有一句話講的...
人工智慧時代真的來臨了嗎，人工智慧時代真的已經到來了麼？
世界變化日新月異，都在期盼人工智慧的到來，卻又在害怕。期待的是見證更新的黑科技，給人力提供更便攜的服務，恐懼的是，是否終端智慧會產生屬於自己的智慧，改變這個世界的整體思維方式與生存方式，這些也都是未可知。總有人說機器是沒有靈魂的，可是，真的沒有靈魂麼？你用你肉眼看到的是真實的麼？未必。但，未來不可期...
人工智慧時代什麼專業最吃香，人工智慧時代哪些工作最吃香？
ai方向 課程學習包括人工智慧 計算機視覺 自然語言處理 資料科學的機器學習等 可以到這邊看看，有這個專業 人工智慧時代哪些工作最吃香？人工智慧時代，哪些大學專業危險了？每個專業都有各自的特色，這邊是網際網路it學校，可以來看看 人工智慧時代，什麼專業最吃香 怎麼說呢，現在科技怎麼發展，吃香的專業就...