創新工場董事長李開復前一陣子表示：「人工智能將快速爆發，十年後50%的人類工作將被AI取代」引起正反兩方辯論。他又提到國外研究早就證實這論點，而舉出牛津大學2013年的「The future of employment: How susceptible are jobs to computerisation?」作為立論依據。
自從ATM大量設置以來，人們就很少去銀行櫃檯了。這幾年很明顯的，因科技進步而人手一機。加上網路銀行、行動支付發展起來，更連ATM都不用了，所以分行逐漸地縮編、裁撤。股市看盤、下單用手機就行，現在正流行教你怎樣用人工智慧API下單。交易量下跌，所以營業員也要縮編，或轉做財富管理。報載「近2年來，券商營業據點從上千家大舉滑落至目前865家。」，是實現中的工作消失實例。
其實這應該與人工智慧無關，而是3C設備普及，萬事電腦化的成果。再加上ARM CPU的授權，讓IoT物聯網設備物美價廉，30塊美金就能買一片能裝Linux的控制板。能和很貴的伺服器跑一樣的軟體，只是較慢罷了。到處都是便宜的電腦，就讓人們產生要開發機器人來取代人力的的企圖心。加上最近AlphaGo打敗人類棋王的消息出來，便將原是電腦設備取代人力的現象，轉變為人工智慧取代工作的說法。
其實任何工作都應該是可以被電腦化的，牛津大學的論文中舉出工作電腦化的關鍵—電腦設備開發製造成本。想想號稱最不可能被電腦取代的藝術家或舞蹈家等工作，花大量的金錢和時間下去，應該還是可以開發出類似的機器人的，問題只是有沒有經濟價值而已。
我們與其擔心什麼工作會被人工智慧機器取代，倒不如研究如何讓自己的工作方法不斷翻新，永遠跑在人工智慧前面，讓開發機器人的速度趕不上你進步的腳步。
其中的關鍵就是要擁抱人工智慧新知，操縱它讓它幫你工作，以增加工作的附加價值。事實上，人工智慧研究的歷史悠久，只是一直都成效不彰。相關工具也隨手可得，像由大學開發在大數據中Data Mining免費挖寶工具Weka也有十多年歷史。任何覺得自己工作汲汲不保的人，今天開始學，也不用花很多時間就可學會。這些工具的原理可能都很複雜，一堆數學式子。但你只要學會怎麼用，怎麼看結果就好，複雜的事讓它幫你做，就像你不用設計車子就能開車一樣。
最簡單的人工智慧例子，就是建決策樹來決定今天天氣適不適合球賽。我們可以蒐集過去晴雨天、溫度、溼度與有沒有比成的十餘筆資料存在檔案裡後，餵給人工智慧工具。它就可以根據這些資料做成一個判斷天候、溫度、溼度而產生結論的決策樹，之後可以再餵給它一些資料，以驗證這決策樹的正確度。
再來我們也可以把人工智慧用在關聯性分析，分析商場買賣大數據。看看買尿布的人是不是也買啤酒，還是也會買些什麼別的東西，日後據以做交叉銷售時推廣活動的篩選參考。
銷售時對不同客群推銷不同東西，是行銷ABC。怎樣把客戶分成我們固有印象中的頂客族、銀髮族、小亨利族應有一些簡單的判斷公式。但人工智慧工具很強的一部份，是你不用告訴它什麼，它能自動地找出一些不同特性的族群出來，清楚地劃定各族群的國界出來，這些是屬於非監督式學習的範圍。沒人教就會，正是機器學習的強項。
更神奇的是，有人拿幾天股票的開高低收變化，餵給人工智慧工具學習，之後能產生一個決策樹來判斷明天這股票會漲還是會跌。我們要知道它訓練後的準確度有多高，可以自己來試一試，看看這點子是否可行。
第一次工業革命，發明了蒸氣機，讓機械力取代人力與獸力。後來設計出汽車，馬車車伕因而失業，但是更多汽車司機的工作也因而產生，這些工作是給那些會開車的人的。
今日金融科技革命造成大量金融櫃檯人員失業，也許日後許多轉為戴著VR眼鏡與客戶交易在家上班的人。有工作消失就會有新工作產生，只要大家跑得快，學得快，跟上時代腳步，就永遠都有你的位置在。 （相關報導： 電視能輕薄如紙、無人公車今年通行…… 在最近半年，還有哪些驚人的科技橫空出世？ ｜ 更多文章 ）
＊作者為提供雲端理財機與教學服務之CubicPow
