今天想大家分享的话题是自我提升。

对许多人来说，工作的前景似乎越来越黯淡了。根据佛瑞斯特研究公司最近的一项研究，估计今年美国有10%的工作岗位将实现自动化。麦肯锡咨询公司的另一项研究也表明，未来十年美国近一半的工作岗位可能会实现自动化。

可能被自动化的主要是一些重复性和常规性的工作，涵盖范围从解读X光（放射科医生的作用可能越来越有限了)、卡车驾驶，再到仓储管理。虽然我们已经看到过很多文章都在讨论有哪些工作会被淘汰，但还有一个很少被发表的观点，那就是：不要问哪些工作将被淘汰，而是要问有哪些幸存的工作不会被机器所取代。

再给出答案之前，我先提供几个例子。

第一个例子是医生。就目前的科技发展速度来看，很明显机器诊断疾病的能力很快就会超过人类。当数据集可以用于培训和测试时，机器学习出来效果就非常不错了，而且它们能诊断各种各样的疾病。不过，想像一下，机器与病人和家属坐在一起讨论治疗方案会是怎样的情景？那种感觉好嘛？是不是完全无法感受到应有的互动和交流。所以在可预见的未来，这种情况要实现自动化的可能性小很多。

第二个例子调酒师，如果把酒吧里的调酒师都换成工业机器人，也就是说机器人取代了调酒师的位置。制作饮品时，机器人会用熟练的动作为你搭配饮品，你会喜欢吗？或许机器制作的饮品你依然觉得味道不错，但却少了点什么。在过去，很多顾客都很喜欢和调酒师攀谈。因为调酒师的工作不仅仅是把饮料混合在一起，更多的是倾听他们的心声，和他们之间有更多的互动和交流。

所以说，无论是医生，还是调酒师，他们的工作都有两个部分，一部分是重复的常规性的工作，另一个部分是与来访者互动的工作。

因此，在综合考虑了许多工作及行业特点后，我们发现有两种非常规的工作似乎特别普遍，但却很难自动化。

首先是情感类。情感在人类交流中扮演着重要的角色。比如和病人交流的医生，以及和顾客互动的调酒师。这两种工作几乎都涉及到非语言和情感交流的所有形式。但更重要的是，它启发我们去考虑现在所做事情的优先次序，比如他帮助我们决定现在就需要做什么，晚做决定就会来不及了。情感不仅是复杂和微妙的，它还影响着我们许多的决策过程。事实证明，要科学地理解情感的作用是十分具有挑战性的(尽管已经取得了进展)，而且它很难构建成一个自动化的系统。第二是环境。人类在做决定或与他人互动时，往往很容易将所处的环境因素考虑进去。环境的确很有趣，因为它是开放的。例如，每当有新闻报道时，它都会改变我们所处的环境(这个环境不论大小)。此外，环境的变化不仅可以改变各种影响因素之间的相互作用，而且可以引入新的影响因素，并从根本上改变各种因素之间的组织方式。而对于机器学习来说，环境改变是一个大的问题，因为机器学习要操作的是数据集，而这些数据集是在不同的环境下事先建立的。因此，环境因素对自动化来说也是一个挑战。

通过上文的描述，我们会发现，管理和利用情绪的能力以及考虑到环境影响的能力，是批判性思维、创造性解决问题、有效沟通、适应性学习和正确判断力的关键构成因素。事实证明，通过编写程序让机器完全模仿人类的知识和技能是非常困难的。

事实上，具备这两项能力的人才也是各行各业的雇主们一直在寻找的。在一项调查中，93%的雇主表示求职者如果具有批判性思维、良好的沟通能力以及解决复杂问题的能力，远比他或她的本科专业更重要。此外，雇主们还希望应聘者具备其他“软技能”，比如学习能力强、能做正确的决策以及与他人良好地合作。当然，这些广受欢迎的能力人类是没有任何问题的，但是要实现自动化，无论现在还是将来都是有挑战的。

所有这些都表明，我们在接受教育或实现自我教育的过程中，不应该仅仅只关注人们如何与技术交互(例如，教学生编程)，还应该关注如何做那些机器不能做的事情。总的来说，软技能对于机器学习来说是一种难以理解且系统化的技能，但对我们人类来说却是能够超越机器的独特优势。

好了以上就是今天的内容，希望对你提升个人能力有帮助，