人工智能兴起后，哪三类人才能保住饭碗？

数位时代正面迎击人机合作的时代：AI时代3大关键人才

【科幻直通车】请关注本企鹅号，好玩的科学科技科幻消息随时从外星直接发过来！

2017年3月Google云端人工智慧暨智慧学习首席科学家李飞飞喊出「大众化AI」（Democratizing AI）宣言，希望藉由Google云端科技的力量，让人工智慧走出实验室，转化成一般企业或个人应用，深入千万家户端。

李飞飞的宣言并非空穴来风，背后代表着人工智慧技术的重大突破。从打败世界棋王的AlphaGo，到走入医疗领域的超级电脑华生，近三年来在机器深度学习、大数据到GPU硬体等技术升级，让原本一度泡沫化的人工智慧科技，有了爆炸性的成长。科学家发现人工智慧的无限可能，更试图发展人机协力的商业应用，包括仿生机器人、语音助理、智慧搜寻引擎到无人驾驶汽车等等，更多动作精细的机器人进入生产工厂，以更低的劳动成本和自动化取代人力，增加企业产值与效能，促成人机合作的新契机。

技术爆炸性成长，人机合作出现新契机

企业受惠于自动化技术与人工智慧发展，有机会透过人机合作，完成更多过去无法达到的工作效能。美国麻省理工学院（MIT）对此就曾提出「MIT观点」（MIT Approach），以知名科学家李伯曼（Henry Lieberman）、《第二次机器时代》作者麦克费（Andrew McAfee）、布林优夫森（Drik Brynjolfsson）等人为首，认为未来的工作场域是「人机合作」的天下。人类与机器会是最好的伙伴，而非相互竞争的敌对关系，人机之间可以各尽所能，甚至促成劳动力市场的供需平衡。

麻省理工学院研究团队在BMW车厂进行的一项实验结果显示，人类协同机器的工作效率，将比单一人类或纯机器人组成的团队效率都要来得更高。机器人善于处理例行性高的重复工作，且劳动力大，可分担容易造成职业伤害的危险性工作。相反地，人类可以因此从大量劳动中释放出来，专心处理变动性高、需要临场判断、下决策的非例行性任务。

科学家发展人工智慧技术，试图解决过去人类在劳力工作上的极限， 甚至可望补足现有商业环境与人力资源上的缺口。

全球前五百大人力资源公司艺珂人事顾问邱奎岚表示：「AI有机会解决现有人力资源短缺问题，甚至提供更廉价、更优质的服务，创造了新的市场需求。」

举例来说，在网路上十分火红的「DoNotPay」法律机器人，协助一般人处理交通罚单、诈骗、住宿等基础法律问题，让过去无法聘雇律师的人，即使不用付出高额金钱，也可以享受专业法律意见，在面对法庭或诉讼时，可以更有利的应对进退。人工智慧大幅降低了一般民众接触法律知识的门槛，并扩大律师产业的服务对象。

而在医疗领域更是如此，在全球部分未开发国家、偏乡地区，仍存在着严重医疗人力短缺现象。在现有人工智慧演进下，包括超级电脑华生、各类智慧型医疗装置的演进下，有机会让机器辨识病征的技术变得更为纯熟，甚至可以协同医师加速诊疗过程，成为整个医疗产业很重要的战力资源。

人工智慧加速商业化，促进新的人力市场需求

为了加速人工智慧商业化，以达到人机协作的新企业环境，需要许多专业长才协助整合商业环境和人工智慧技术，甚至为不同的商业领域客制化设计。

拥有丰富机器学习开发经验的104人力银行数据长吕承谕说：「每一次的人工智慧开发，都是高度客制化的结果。」不同的商业领域，存在着不一样的需求，机器学习需要历经长时间大数据资料分析、建立模型，才能够符合企业应用环境与需求。就好像企业在数位化发展的过程中，需要系统产品经理协助与内部员工沟通、重新校正整个作业流程。

因此，资料科学家、机器学习科学家，甚至是协助企业导入应用的人工智慧训练师等三种职位角色，就变得很重要。这群人才，已经变成未来整体人工智慧趋势下很重要的战略资源。他们要将高度系统化的人工智慧演算法，落实到一般社会环境，更要协助企业利用人工智慧，创造更好的利润与产值。

根据Gartner预估，2018年全球将有440万个资料科学家，其中不乏与人工智慧有关的人才。中国台湾104人力银行的统计数据也显示，目前光是中国台湾的资料科学家和资料工程师，就约有2万名职位缺口。2016年以来，全球各大业者已纷纷储备人工智慧相关人才，希望将新科技作为优化整体服务的重要策略。

和过去相比，全球企业用于人工智慧的支出已经大幅成长，IDC预估，2022年全球人工智慧的系统支出将高达576亿美元。这些专精于演算法撰写、机器学习的软体工程师、数学家、甚至是懂得人机沟通的语言学家、心理学家、人类学家等等，在人工智慧走入商业化应用的过程中，弥补技术与产业应用之间的鸿沟，甚至成为企业争相寻找的人才，加速人工智慧商业化，为大众化AI踏出重要的第一步。

关键人才：人工智慧训练师——缩短企业智慧升级学习曲线

2016年开始愈来愈多人工智慧商业化的案例浮现。当一项新技术迈入商业化阶段，势必要为了商业环境做更多调整，甚至客制化，才能让系统运作顺畅，融入商业应用环境中。而这时，就需要人工智慧训练师。

过去一般企业要导入e化系统时，不管是由内部自行开发，或引入外部资源，均会由产品经理等职位角色来协助优化导入过程。而现在，随着人工智慧渐渐成熟，在国外，也有企业开始设立人工智慧训练师这样的角色，协助企业导入人工智慧系统，并辅助使用者了解人机合作的工作环境，加速人工智慧融入企业应用。

人工智慧训练师的职位概念，就好像当人类就职时，就要接受教育训练，熟悉企业作业流程。而AI训练师正是扮演教育训练讲师的角色，协助人工智慧系统更符合企业内部环境与需求，一步步的校正、客制，以符合企业运用环境。

举例来说，当资料科学家、机器学习科学家等团队成员设计好AI系统的模型、使用型态、使用目的后，这时AI训练师要协助系统培养更多的实战经验。无人汽车要进展到完全商用的环境，就需要有测试员不断的训练上路状况，让无人汽车可以在一次又一次的实战经验中，累积更丰富的学习机制，排除可能遇到的错误，近一步优化驾驶流程。

这一类的职位角色，不一定需要会撰写语言程式的软体工程师，更多是了解整个商业流程、站在使用者角度去思考系统问题的人。透过这个职务角色，可以解决人工智慧大量部署于商业环境的问题，更有机会加速人工智慧普及，让机器更符合人的需求。