要知道哪些工作容易被人工智能（AI）取代，要先看看它究竟擅长什么样的工作。
大家会首先想到的，大概会是图像识别，毕竟刷脸解锁手机、解锁App已经用得越来越广泛了。其实，现在图像识别技术已经非常强大，除了用来认脸之外，根据医学影像识别病情、在流水线上用摄像头识别产品瑕疵，也都有巨大的潜力。
其次是语音识别。现在语音识别在实验环境中的错误率也已经非常低，短句子的语音转文字也很成熟。比如说微信里发送的语音内容，转成文字的效果就勉强。美中不足的是，嘈杂环境下、或者大段演讲的语音识别结果还无法让人满意。
当然还有翻译。现在虽然机器翻译的很多句子还会让人觉得“不是人话”，但毕竟翻译的速度、掌握语言的数量都是人类无法比拟的。
另外，AI理解短句子并生成回复的能力也在逐渐提高，计算机生成图像的各类应用也在渐渐成熟。
从上面这些AI擅长的领域我们能看出，需要从图像中寻找特定信息、特定模式的工作，AI经过一定的训练，都能做得非常好，而且比人类发挥得更稳定。比如将纸上的文字录入电脑的打字员，已经不太有用武之地了，而从监控视频中寻找某些人或行为、看X光片判断疾病、在工厂流水线上检查产品外观瑕疵等等工作，也都将很快自动完成。
就算是AI做得还不尽如人意的工作，比如长篇演讲或对话的语音识别、语言的翻译、聊天等等，在那些要求不太高的简单使用场景中也都可以自动化实现。比如国外的视频网站YouTube，就配有自动生成的字幕，还能自动翻译成其他语言，可见速记和简单的翻译工作，也已经离自动化不远。而“要求不太高的聊天”，对应的是那些每天要回答大量重复问题的客服，他们的工作，也有很大一部分已经开始自动化了。
说起究竟有哪些工作容易被AI取代，顶级咨询公司麦肯锡这两年来，在好几份报告里做了详细、系统的梳理。
在今年11月发布的“工作得与失：自动化时代的劳动力变迁”报告中，就有这么一张图，描绘了对于到2030年，6个国家中各类工作岗位变化情况的预测。
棕色、橙色调的表示岗位减少，蓝色调的表示岗位增加。
从图上可以看出，麦肯锡对中国的整体情况还算乐观，但有几类工作岗位呈现减少的趋势：起重机和拖车司机、传送带机器的操作员、农机设备的操作员。另外还有几类基本没有增长的岗位：生产工人、普通修理工、机器安装及维修工人、下地干活的农民。
而从美国、德国、日本这些发达国家的情况来看，社团和社会服务工作者、助教、法律支持工作者、酒店和旅游行业的从业者、公司里的IT、财务、行政助理、以及准备食物、紧急状况救援等工作，也面临减少。
那十几年后，我们还能做什么工作呢？
去照顾病人、孩子、或者普通人，去学校教书，都是不错的选择。管理类的岗位、去和计算机打交道、去从事艺术、设计、娱乐等创意类工作，可能也都是不错的选择。
从语言学（自然语言处理）的角度来看，对应正式文体的工种，相比于口语工种，更加容易被取代。
原因很简单，因为书面语更加正式、套路更多，类似于我们古代的“八股文”写作，而这正是人工智能所擅长的。这也是为什么目前我们看到机器人写诗、写论文、写演讲稿，但还没有看到机器人主持人、脱口秀演员等，陪聊机器人也差点意思。
也正是因为这个原因，国外有大学开发出自动批改论文的软件，其精准率与老师手动批改不分上下。但软件自动批改的明显优势是，速度快、成本低、效率高。
以我自己批改学生论文的经历来看，我认为，老师的阅卷只能被人工智能取代，这是早晚的事情。
相比之下，口语更加灵活多变。人们在口语中使用的语言，往往并不符合严格语法结构，也不是完整的句子，但并不影响人听懂。
关于口语表达的特点，我们可以从下面这个笑话感受一下：
外国人中文六级考试题，请考生写出以下两句话的区别在哪里？
1.冬天：能穿多少穿多少；夏天：能穿多少穿多少。
2.剩女产生的原因有两个，一是谁都看不上，二是谁都看不上。
从上面这个笑话我们可以看到，口语，尤其是日常用语，存在非常大的灵活性，有很大变化的空间，这为机器识别造成很大困扰，这也是为目前的自然语言处理技术发展带来很大难题。比如说，怎样界定词语边界、代词所指、多义词的具体所指等等。
这些技术障碍，也正是人类智能的保护伞之一。从目前的技术进展来看，这种能力所对应的工种，也不那么容易被取代。
