前两讲我们都在说，人工智能的出现会极大地冲击现有的职业，从2020年开始，未来一二十年，可能有一半以上的职业都会因人工智能而消失。但是，就像历史上任何一次技术革命一样，一项技术消灭很多旧职业的同时，一定会创造出很多新职业。世界经济论坛的研究报告就给我们提供了一个非常乐观的数据，它说，2018年到2023年，人工智能在全球范围内虽然会消灭掉7500万个工作岗位，但是，会创造出1.3亿个相关工作岗位。
1.3亿，要知道这相当于墨西哥一个国家的全部人口。那么，人工智能创造的新的工作机会都在哪里呢？这一讲我们来说这个问题——新机会的三个诞生方向：“新领”职业、“人工智能+”，以及产业链机会。
一、“新领”职业
最直接的一个方向你肯定想到了，就是由自动化和人工智能等新兴技术本身带来的工作机会。IBM公司首席执行官罗梅蒂（Ginni Rometty）给这些职业起了一个名字，叫“新领”，和之前的“蓝领”“白领”相对应。
近年来，这类岗位已经出现了比较好的发展势头，比如说最近（职业社交网站LinkedIn）领英通过对美国职业招聘数量和年复合增长率进行分析，发现在过去五年内，人工智能专家的人数每年增长74%，平均年薪为13.6万美元，是全美劳动者平均薪酬（5.2万美元）的2.6倍。紧随其后的就是机器人专家和数据科学家，人数的增长都在40%左右，数据科学家的薪资更高可达14.3万美元。
中国的情况也类似，2020年到2022年这三年，中国在人工智能方面的人才缺口大概近千万。像2019年7月特别抢眼的一条新闻说“华为以100万元～200万元的年薪招聘8位博士”，这8位博士都来自人工智能、大数据等相关专业方向。像计算机、数学、工程学、统计学等专业都算是相关专业。
“新领”职业是和人工智能最直接相关的一类工作，就像电气革命创造了电力工人、铁路工人、汽车司机等新职业，信息革命也衍生出了程序员、网商等新职业一样。那么，除了“新领”职位之外，在非人工智能直接相关的领域，就没有新机会了吗？
二、“人工智能+”
当然不是。新机会还有另外一个思考方向——通过横向整合，创造新机会。
以第一讲提到的金融行业为例——这是个被人工智能替代的概率很高，对精英圈层要求也很高的行业。所以我也跟家长和年轻人建议说，普通家境普通资质的，读金融专业不一定是好选择。有的同学就感叹说这“太难了”。其实这话也不对，因为情况也不完全是这样。
现在你可能有体感的事情是，科技公司对金融行业虎视眈眈，金融企业疯狂布局科技领域。为什么金融和科技结合得如此快速和紧密呢？因为金融是历史算料（数据）最充裕、数据质量（精准度和频率）最好的领域，它最容易跟科技结合。所以，对金融领域来说，它急需云计算、算法迭代优化、数据的框架性分析等相关人才；对科技公司来说，如果能渗透到金融领域，也是一个可以突破原有业态体系圈层的弯道超车的机会。
所以你看，华尔街巨头早就动起来了，高盛、摩根士丹利在这个方面走得最快。现在摩根士丹利资产管理部门都必须学习Python等编程语言；高盛2018年的招聘岗位中，50%以上为技术人员，目前高盛三分之一的员工是计算机工程师。国内除了腾讯、阿里的科技金融企业之外，传统领域的平安银行等也在科技人才化方面作布局。2018年，平安银行的科技人才数量比2017年增长了44%，达到了6000人。
说了这么多，什么科技和金融的结合，什么巨头公司的动作，我想说的是什么呢？我想强调的是，你的行业可能不和人工智能直接相关，但它依然可以和人工智能产生紧密的关联。就像各个行业都可以跟互联网产生联系一样，我们管互联网的横向整合叫“互联网+”，那么不妨把人工智能的横向整合叫做“人工智能+”。比如，我们团队其实就在进行这样“人工智能+”的转型。作为金融学、经济学博士，我们接受的是传统体系的训练，但是这几年，海量的数据和众多的新模式对我们的研究方法甚至思考路径造成了很大的挑战。
两年前我们开始尝试，一方面自己团队补课，学习Python、SQL等编程语言，还有爬虫技术、ArcGIS软件（地理信息系统软件）等等，另一方面和互联网公司技术团队合作，开始做数据挖掘分析，并基于数据挖掘开始思考构建新研究框架。现在我们经常会感到，自己更像“数据科学家”和“经济学家”的混血儿。而我通过得到这种授课模式，又开始思考这些“研究成果”应该如何转化，如何落地成为普通人视角的问题——教育、科研、传媒、编程，用一种很奇特的方式被混合在一起，特别有趣。
除了金融行业，我再举个例子。中国每年自杀的人数大约是11万～12万人左右，中国有超过5400万人患有抑郁症。这些人在现实生活中不愿意向朋友寻求帮助，更不会去找专业人士寻求帮助，但是他们有自己的出口。他们往往会在网上，把互联网当作“树洞”，倾吐自己的绝望和压抑。2018年，在荷兰阿姆斯特丹自由大学和首都医科大学任教的黄智生教授发起了“树洞救援团”，他组织了一批人工智能专家、医生、心理咨询师等，编写了一套机器人程序巡视微博等社交媒体，使用专业的技术（知识图谱技术，又称语义技术，通过分析每一条博文、留言，辨认自杀关键词）筛查具有明显自杀倾向的人群，然后组织专业人士对他们进行疏导、救援。到2019年8月，“树洞救援团”已经成功阻止了近千次自杀。
你看，在这里，人工智能是“工具”，给传统心理咨询行业加了杠杆，也使得心理咨询的覆盖面更大，有效度更高，同时也创造了更多的“新型”心理咨询师岗位。这就是人工智能+心理健康领域的结合。未来，“人工智能+”也会和“互联网+”一样，成为一种新常态。
三、“产业链新机会”
说了这么多，都是金融行业、心理咨询行业这些高学历的领域，那么，学历不高的人还能在人工智能上找到新机会吗？答案是YES。
现在估计大家都没有带钱包现金出门的习惯，随手都是“扫码付款”——你有没有想过这就是机会？实际上，要让这么多线下小商家同意接入并学会使用二维码，是需要强大的“地推”能力的。你能想到吗？光中国三四线城市，这种推广“收钱码”的工作已经是一个成熟的产业了，叫做“数字微客”，光支付宝一家的数字微客就已经达到了170万人，他们99%都是50人以下的小团队，做得最好的单月收入可达数百万元。
你说，这个和人工智能行业有关系吗？说没有，也没有，因为这个工作本身没有应用任何技术。但是你要说有，它当然有，这明显是属于人工智能的“前端产业”——没有它把设备铺到线下，人工智能哪里来的数据可用？类似的机会还有很多，比如说数据的分类、贴标签，这现在也是个大行业。像支付宝平台在做的刷脸技术，主要应用于线下支付，现在，这个“刷脸”产业链有50万的从业人员。还有，前一阵子我碰到一个工厂小老板，他干的是“肉眼识别图片，给图片分类贴标签”的活，规模不大，但利润很高。
总是有人将数据比作下个时代的“资源”，说是石油、矿藏，那你可以想想，石油产业链有多长？勘探、机器设备、粗加工、精细加工、加油站……这里面的机会绝对不是我们以为的那几个“相关专业”可以概括的。这么长的产业链，别说学历不高了，只要你想，几乎任何人都能在其中找到机会。
所以，我真正要强调的是，人工智能一定和之前的科技革命一样，在破坏中创新，机会一定更多。不管是“新领”职业、“人工智能+”，还是产业链机会，打开脑洞，逆向多维思考，大概是找到这些新机会最有效的路径。
思考题
在1956年，科学家们就提出了“人工智能”（ Artificial Intelligence）这个术语。 为什么到2020年这个阶段，大家才发现整个社会在进入“智能化”阶段？
1956年，科学家们就提出了“人工智能”（ Artificial Intelligence）这个术语，这个阶段是人工智能从0到1的阶段。因为缺乏大数据和高算力等条件而一直蛰伏。如今，万事俱备，是人工智能从1到100的快速爆发期。对每个人来说，也是上车的好时机。
人工智能有三个核心：算法、算力和大数据训练，这三个领域在近10年才得以突破。2007年，多伦多大学教授杰弗里·辛顿提出深度学习算法；2008年，斯坦福大学教授吴恩达提出用GPU解决算力问题；2011年，斯坦福大学教授李飞飞找到利用大数据训练人工智能的关键方法“数据标注”。所以，人工智能这个产业虽然在1956年提出来，但是真正落地应用是在近十年。
每一次技术变革，带来巨大冲击的同时，也会带来巨大的机会，我要积极学习与思考，积极拥抱改变，搭上这趟列车。要做到这些，就是不放过每一次新技术在生活中的运用。好像手机的系统升级，错过了一次两次，可能还感受不到那么明显，但若是错了5-6次呢，就非常明显了，就感觉跟不上大家的步伐了,若是这样，你就更会呆在舒适区，不愿意走出来。
