正文
在旧金山的办公室里，Enlitic公司的首席执行官伊戈尔·巴拉尼（Igor Barani）在屏幕上调出一些医学扫描影像。Enlitic是把深度学习（deep learning）应用于医学的众多创业公司之一，首先从分析X光及CT扫描影像入手。这项技术显然可以用在这里。深度学习技术因在特定形式的图像识别上具有超凡的能力而名声大振，这方面也有大量已标记的训练数据可供使用，而且它在让医疗更精准高效方面具有极大的潜力。
巴拉尼博士（曾为肿瘤学家）指着某位病人肺部三个不同角度的CT影像。屏幕上的红色光斑闪烁，这是Enlitic的深度学习系统正在检查对比所见影像究竟是血管、无害伪影还是恶性肺部结节。系统最后突出显示了某一特征以供进一步检查。三位放射科专家曾合力与Enlitic系统比试，在分级恶性肿瘤方面，Enlitic系统的准确度高出50%，且假阴性率（即癌症漏诊率）为零，而人类专家的漏诊率则为7%。通过分析X光影像检测手腕骨折的另一Enlitic系统同样轻松打败了人类专家。该公司的技术目前正在澳大利亚各地的40家诊所进行测试。
由于深度学习及其他形式人工智能技术的发展，目前由训练有素的白领劳动者从事的工作可能会被自动化取代，上述能提供专家级影像诊断意见的计算机系统仅仅是其中一例。体力工作可由机器代劳，这是人们早已熟悉的概念；如今，愈加智能的机器甚至可以完成脑力劳动者的工作。专家表示，工作性质为体力还是脑力劳动并不能决定这份工作会否会被自动化，是不是常规性工作才是决定因素。机器已经能够从事多种形式的常规性体力劳动，现在还可以完成一些常规的认知型任务。所以，吴恩达表示，如今一名资深专业放射科医师被机器取代的可能性比他自己的行政助理还要大：“她要处理那么多不同的事情，我想短期内不会有机器能自动化处理她所有的工作。”
那么，哪些工作最容易受到冲击呢？在2013年发表的一项备受关注的研究中，卡尔·本尼迪克特·弗雷（Carl Benedikt Frey）和迈克尔·奥斯本（Michael Osborne）审视了702种职业被计算机取代的可能性，发现美国47%就业者的工作极可能被自动化。他们特别警告说，运输物流（如出租车和货运司机）和办公辅助（如前台接待员及保安）的大部分岗位“很可能被计算机资本所取代”，销售及服务业从业员（如收银员、柜台及租赁店员、电话推销员、会计人员）同样是被计算机取代的高危人群。其结论认为“机器学习近期的发展将在不久的未来威胁到许多行业中的相当一部分职位。”之后的同类研究得出英国的数字是劳动人口的35%（有更多人在受自动化威胁较低的创意领域工作），日本的数字则为49%。
经济学家们已开始担心出现“工作两极化”现象，即中等技术职位（如制造业职位）减少，但低技术及高技术职位增多。实际上，就业大军中有两类从事非常规性工作的群体：一端是高收入高技能就业者（如建筑师及高级经理人），另一端是低收入低技能就业者（如清洁工和快餐店员工）。多个西方国家的工资中位数停滞不前，被视为是自动化已经造成影响的例证——不过其中离岸外包的影响有多大也很难计算，因为这把许多常规性工作（包括制造业及呼叫中心的岗位）转移到了薪酬较低的发展中国家。圣路易斯联邦储备银行（Federal Reserve Bank of St Louis）公布的数据显示，在美国，非常规性脑力工作及非常规性体力工作的就业人数自上世纪80年代以来持续上升，而常规性工作的就业人数则基本持平（见图表）。随着越来越多工作实现自动化，这一趋势似乎会延续下去。
而这仅仅是开端。“我们看到的只是冰山一角。没有哪份文职工作稳如磐石。” 斯坦福大学以研发自动驾驶汽车著称的人工智能专家塞巴斯蒂安·特龙（Sebastian Thrun）教授说道。斯坦福大学另一位学者杰里·卡普兰（Jerry Kaplan）声称，如今的自动化进程“才不管你的领子是什么颜色”。他著有《人工智能时代》（Humans Need Not Apply）一书，预测劳动力市场将产生剧变。最悲观的要数软件企业家及畅销书《机器人的崛起》（Rise of the Robots）的作者马丁·福特（Martin Ford）。他警告“失业前景”的威胁，指出大部分工作可以分解成机器愈发能胜任的一系列常规性任务。
