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。