Master下了30秒快棋，这样的速度和脑力，大家都猜是AI了。刚才Deepmind官方确认Master是Alphago的升级版。
如果说谷歌AlphaGo战胜了韩国棋手李世石，而人类的棋艺还能与AlphaGo相抗衡的话——半年之后，这只能给我们带来震惊。
落败的柯洁曾在微博上感叹：“我研究棋类软件半年多，做了无数的理论和实战练习，才知道计算机到底强在哪儿。昨晚翻来覆去，一夜没睡。经过几千年的实践训练和进化，计算机告诉我们，人类都错了。”
人工智能时代正在加速到来，它会如何影响我们的生活和工作？它会取代你的职业吗？如何应对人工智能带来的巨大变化？这些都是本文想要回答的问题。欢迎在文章末尾留言讨论。
作者 | 海松博士，财经记者圈专栏作家
人类与人工智能本来就不是竞争关系，那些炒作恐慌的人，往往是因为不懂技术发展的规律，或者被科幻电影搞晕了。作为一个从控制论转行到经济学的人，我学到了一个教训：不是每个人都有能力掌握人工智能的内在逻辑。要想成为人工智能时代的精英，不仅要有良好的逻辑训练，还要有超越逻辑本身的洞察力和批判性思维。人工智能本身的发展也为职业能力的培养建立了极好的参照。
不要妖魔化它，人工智能并非万能的
事实上，人类与机器自动化之间的复杂关系已经持续了数百年，从机器人和软件系统的发展来看，虽然很多工作已经标准化，理论上可以被机器或程序取代，但这并没有发生。
这受制于很多因素，比如成本。并不是所有的工作都值得投入大量研发成本去取代人工。相较之下，人工成本还是有竞争力的。还有一个经常被忽视的原因：任何程序或机器都有bug，一旦某个环节出现风险，就是全球性的。虽然人也会犯错，但通常分散在不同的环节，而不是大规模集中在某个位置。
人们现在谈论的人工智能是一项昂贵的技术，它将专注于解决复杂问题，而不是试图取代重复的、简单的工作，这意味着普通人不必担心它会带来的职业挑战。
复杂问题通常需要处理海量数据、理解复杂系统，AlphaGo的优势不仅在于其高速的计算能力，更在于对围棋复杂系统的理解和运用。
除了围棋之外，人工智能涉及的领域还有很多，比如人脸识别、通讯、金融、医疗、城市规划、能源等等。
尽管如此，我并不认为人工智能会取代那些中低端的工作岗位，相反，它会带来更多的高端工作岗位，这对高端人才来说是一个巨大的发展机会。
因为人工智能离不开数据、算法和应用场景，它是一个高度智能的专家系统。这个专家系统的开发、应用和不断完善，必须依赖大量人类专家的参与。表面上看，人工智能正在取代人类专家，但本质上它仍然高度依赖人类的大脑和知识。只要人类的技术在进步，人工智能和所有软件程序一样，需要不断迭代。
什么样的人才能够在人工智能时代获得成功？
事实上，一些行业已经发生快速变化。
我经常跟我的学生讲：如果你从事金融行业，却不掌握基本的量化技能，你就不会成为一名合格的毕业生。
在当今的金融行业，如果你不懂编程、不懂量化分析，就很难受到顶级机构的追捧。虽然传统的一对一销售技巧或者社交关系也很重要，但如果没有数据，没有量化模型的支持，它们就会越来越没有竞争力。一旦谈到数据和模型，人工智能就是一把绝佳的武器。
首先你要转变思维，既不要妖魔化人工智能，也不要鄙视它，而是要看到机会，并将其与自己的技能结合起来。
前几天给朋友发了一份金融机构招聘人工智能博士的招聘广告，没想到这位我十分敬佩的语音识别博士第一句话就说：这是设计产品骗人钱吗？
我哑口无言，不愿意反驳。
有些人明明掌握了过硬的专业技能，但思维中却充满狭隘的偏见和误解，错失职业转型和晋升的良好机会。
人工智能在发展初期最大的机会就是和各个领域的深度融合，我们每个人都应该不断思考，这种新技术如何和我们的行业结合起来，形成智能专家系统。
值得反思的问题包括：数据从哪里来、是否具备复杂系统的特征、典型的应用场景有哪些等等。
这个思考过程可以帮助你重新审视你所在行业的发展趋势和你自己的核心竞争力。
但有一点需要强调，人工智能的重要特征就是在解决具有网络特征的复杂系统时，能够创造附加价值（信息发现、降低成本、提高效率等）。所以你所有的思维都要回到这个原点。如果只有大量的数据，却没有形成网络结构的条件，那么这样的系统就不能称为人工智能，只需要高速计算就行。
大家都在谈论人工智能，但你却可能没有谈论它。
如何应对人工智能带来的巨大改变？
毫无疑问，并不是每个人都有能力参与这场变革，就像只有少数人能够成为行业专家。
我知道中国人说专家的时候，往往很情绪化，但人工智能会是一个非常强调行业专家价值的领域，这意味着，要想参加这个比赛，你首先必须具备成为行业专家的资格。
我经常跟我的学生讲：大多数组织的人员不管多高端、多技术、多复杂，真正掌握核心技术的人不超过五个，只有这几个人是不可替代的，其他人可以在2-3年内快速培养出来，只要有机会，就要努力成为这几个人中的一员。
我观察了很多行业专家的样本，总结出他们和普通人的不同之处：有系统的思维方式。
人工智能的特点就是高度结构化、网络化，只有结构化的思维体系才能更好地掌握人工智能这一核武器，但大多数人的思维模式往往是线性的或者扁平的。
所谓线性人才，就是那些典型的理工科人才，他们逻辑推理能力强，但发散性不足，视野狭窄，处理不确定信息的能力差；扁平人才，就是那些文科生，他们跳跃性很强，缺乏逻辑推理的严谨性和深度，不容易形成经得起推敲的思维链。
归根结底，这都是中国义务教育文理分科造成的后遗症。
专家型人才均衡发展上述两种能力，形成具有网络特征的结构化思维体系，能够相对较好地处理各类不确定信息，同时又能经受严格的逻辑考验。
除了优化自身的思维方式，还需要掌握一定的技术工具（比如编程语言）和丰富的行业知识，后者是很多人经过时间积累后可以做到的。
不幸的是，我发现很多拥有丰富行业经验的人并不能被称为专家，而只能是技术工人。他们只是处于反复训练形成的条件反射阶段，而始终无法形成一定的系统性思维。因此，在人工智能时代，这样的人很容易被取代。
我认为人工智能对职业发展最大的启示是，只有不断结构化的思维体系，才能进化成为强大的竞争力量。所以真正的问题不是掌握知识和工具，而是通过这些训练，打造一个系统思维的大脑，以应对日益复杂的社会竞争。
关于作者
作者 | 海松，理工科背景作家、学者、经济学教师、企业家，曾在外企、政府部门及英国、韩国等国家学习、工作多年，游历多国，出版过多部人文专著。作者公众号为“海松”（ID：haisong2）。本文为财经记者圈原创文章，转载请注明出处及作者。
