读共生：4_0时代的人机关系08职业具体建议

1. 具体建议

1.1. 如果当前的企业主尚未提供你正在寻找的培训类型，请与人力资源部门就创建或者帮助你获得相应的培训进行讨论
1.2. 如果企业主帮不上忙，请联系专业组织，看看他们能否帮到你
1.3. 如果专业组织也帮不上忙，请直接联系技术提供商，询问有没有可供你参加的培训或适应计划
1.4. 人们很容易在日常工作与生活中陷入“技术-技能-获取方式”焦虑

• 1.4.1. 会忘记人类技能和特质的发展对于在智能自动化世界中茁壮成长至关重要
  
• 1.4.2. 成为更出色的机器操作人员并不足以为组织带来价值
  
• 1.4.3. 成为更出色的触控笔操作人员也不会使你成为更有价值的平面设计师
  
• 1.4.4. 在自动化世界中，你最好的选择就是成为对身边各种机器更有价值的人类合作伙伴
  

1.5. 如果没有人类合作伙伴的指导、领导、调整、激励、启发、保护、解释、表达、思考、调查、复核、教导、判断和决定，智能自动化就永远不会产生依靠它的组织所期待的结果

• 1.5.1. 人类才是让智能自动化发挥作用的关键，尤其是在接下来几十年中
  
• 1.5.2. 最主要的技能是领导力
  
• 1.5.3. 如果说领导力在这一切之前已经非常重要，那么在充满商品化、重复性和自动化任务的世界中，它会变得比以往任何时候都更加重要
  

2. 高级管理者、中层管理者和决策者

2.1. 学习填补判断力方面的差距
2.2. 从长远来看，随着机器学习、智能自动化和人工智能的不断改进，今天的数据分析工具将成为明天的指导性管理工具
2.3. 应将它们作为帮助人类做出明智决策的工具
2.4. 无论机器学习、智能自动化和人工智能在未来几十年内变得多么先进，他们都不会发展出比人类更出色的复杂业务决策技能
2.5. 不完整的信息和程序偏见将继续限制机器看清全局的能力

• 2.5.1. 将始终缺乏人类在上下文信息、细微差别、直觉和批判性思维方面的能力
  
• 2.5.2. 采用人机合作的方法来解决这个问题
  

2.6. 如果人类处理大量数据和快速处理数据的能力有限，那么人类可以在解释、验证、理解新的信息以及衡量其意义这方面发挥出色表现
2.7. 最重要的技能是将判断力注入人工智能驱动的决策过程的能力
2.8. 新的不确定性范式

• 2.8.1. 更好地处理“灰色概率”预测的能力
  
• 2.8.2. 灰色概率是指无法立即解释为非黑即白的概率，尤其是在由机器进行解释时
  
• 2.8.3. 既能识别、解释并利用数据和分析模型中细微差别，又不会因此而裹足不前的能力，将成为对那些负责制定基于分析的复杂决策的人来说最重要的实用技能之一
  
• 2.8.4. 肯定需要在一定程度上精通特定的分析技术和基于人工智能的技术，但是从本质上讲，这完全不是基于技术的技能
  
  
  
  • 2.8.4.1. 一种深层次的人类技能组合，深深根植于批判性思维，包括好学善问、善于分析、遵守纪律、避免偏见、怀疑精神、自我引导、自我监督和自我纠正
    
  • 2.8.4.2. 这种特殊的技能组合并不需要对技术有复杂的实际理解
    
  
  

3. 信息工作者

3.1. 关注重点不是人机合作关系方程的决策方面，而应该是如何对机器学习算法交付给他们的数据、预测性模型和指导性模型进行验证
3.2. 无论机器创建的分析模型多么复杂巧妙，信息工作者都应该始终假定这些分析模型沾染了偏见
3.3. 信息工作者的工作是识别这种偏见并对其进行检查

• 3.3.1. 避免进行沾染偏见或存在缺陷的分析
  

3.4. 还不至于将检测人工智能逻辑偏差的能力称为“软技能”

• 3.4.1. 至少是与软技能相邻的
  

3.5. 数百万年的进化导致人类大脑能够出色地检测各种模式及其损坏

• 3.5.1. 即使我们不能立即准确地了解问题出在哪里，我们也可以感觉到问题的存在
  
• 3.5.2. 人类的这种能力，正是信息工作者对于依赖机器学习和人工智能为其决策者提供分析、预测和指导性洞察的公司至关重要的原因
  

3.6. 信息工作者作为数据和洞察验证者的工作也会填补与人类各种细微差别相关的洞察差距，包括提供与行为分析和心理学相关的更深入的洞察结果，以及对语言、文化和同理心方面的分析及预测进行精细调整
4. 蓝领

4.1. 主动规划职业路径

• 4.1.1. 不必成为技术、制造或劳工问题方面的专家，也能了解体力劳动自动化对蓝领工作造成的毁灭性打击
  

4.2. 三个选择

• 4.2.1. 选择一个不容易被自动化的蓝领职业
  
  
  
  • 4.2.1.1. 选择不容易被自动化的蓝领工作，往往是没有地理围栏的工作，要求工作者在受控、一致、可预测的环境（比如工厂）之外工作，需要举升、搬运重物并将其送到无数个存在无法预测的地形或其他复杂地形的目的地的工作，在需要实时发挥高度随机应变能力的环境中工作，以及在机器难以与人类效率匹敌或者成本高于人工劳动的偏远地区工作
    
  • 4.2.1.2. 有些工作不会很快被机器人或机器淘汰
    
  
  
• 4.2.2. 改变职业是第二种选择，但未必是彻头彻尾的转变
  
  
  
  • 4.2.2.1. 主动性对大胆的人有利
    
  • 4.2.2.2. 第一波绿色技术（以生态环保为重点）行业的蓝领和黑领工作者可以受益于这种主动抛弃垂死挣扎的职业、改行到新兴职业的大胆做法
    
  • 4.2.2.3. 蓝领和黑领工作技能可以异常顺利地迁移到绿领工作中
    
  
  
• 4.2.3. 学习使用（而不是拒绝）自动化
  
  
  
  • 4.2.3.1. 置身于自动化的包围中
    
  
  

4.3. 人机合作范例

• 4.3.1. 虚拟现实、增强现实和混合现实
  
  
  
  • 4.3.1.1. 可以看到虚拟现实、增强现实和混合现实解决方案如何在工业和劳动密集型行业中被用来培训、指导人类工作者以及增强他们的能力
    
  • 4.3.1.2. 新型可视化功能可供负责专业产品装配的生产线工人在工作站使用，也能帮助运营经理实时查看工厂各个系统的整体状况
    
  
  
• 4.3.2. 外骨骼和人体增强机器人技术
  
  
  
  • 4.3.2.1. 在这种环境下，还有一个颇有前景的人机合作领域侧重通过机械外骨骼和可穿戴式承重机械装置，以物理方式增强人类的能力
    
  • 4.3.2.2. 如果一种机械外骨骼能让人类工作者拿起一个500千克的板条箱或零部件，并步行将其送到工作站、货架或卡车车斗，那么比起使用笨重的叉车或是操作受限的传送带系统来执行同一任务，这种外骨骼可以提高成本效益和运营效率
    
  • 4.3.2.3. 虽然“针对边缘设计”的含义可能因人而异，但是有一种解释适用于机械外骨骼解决方案
    
  • 4.3.2.4. 全身动力套装
    

    4.3.2.4.1. 外骨骼类别都可以增强人类能力并提高生产力，但是能为那些希望在工业环境自动化进程中幸存下来的蓝领提供长期价值的类别，是全身动力套装
    

    4.3.2.4.2. 该类别具有较高的学习曲线以及实现深度专业化和推出相关认证的潜力
    

    
    
  • 4.3.2.5. “多余”机械手臂
    

    4.3.2.5.1. 由机器人构成的第三条或第四条手臂
    

    
    
  • 4.3.2.6. 能够抵消负荷的工具握持外骨骼
    

    4.3.2.6.1. 帮助人类工人握持、搬运和支撑重型工具
    

    
    
  • 4.3.2.7. 电动手套
    

    4.3.2.7.1. 增强双手的力量和控制力，帮助双手做出容易使人疲劳的精确手势
    

    
    
  • 4.3.2.8. 能够减轻负荷的背部支撑装置
    
  • 4.3.2.9. 没有椅子的椅子
    

    4.3.2.9.1. 便于人类工人在穿在工作服外面的轻型外骨骼上“坐下”​
    

    4.3.2.9.2. 每当他们需要坐下时，外骨骼就会锁定到位
    

    
    
  
  
• 4.3.3. 转变为维护、维修和系统管理角色
  
  
  
  • 4.3.3.1. 虽然智能自动化技术已经可以轻松处理工业环境中复杂自动化的同步操作和实时操作，但某些功能仍然需要人工处理
    
  • 4.3.3.2. 机器取代人工的程度越高，维修专家和维护技师的机会就越多
    
  
  

5. 零售工作者

5.1. 零售业将变得越来越流畅无摩擦、越来越以客户为中心
5.2. 虽然机器学习、智能自动化和人工智能将处理大部分计算工作，包括分析、客户档案生成、预测性分析、营销信息、时机和推送以及指导性见解，但是零售业员工将负责这些洞察结果转化为令人愉快并最终富有成效的结果
5.3. 客户将为更友好的客户服务、更顺畅的结账流程、更快捷的配送服务、出乎意料的额外关怀，以及信任、信心和安全性支付溢价

• 5.3.1. 这些差异会影响他们的偏好
  

5.4. 关键差异化因素

• 5.4.1. 价格、供应情况和交付方式之间的关系，以及用户体验
  
• 5.4.2. 店内体验将成为变数最大的战场，零售业员工可以在这里为企业主或自身赢得优势
  

6. 从事门诊业务的医生或医疗保健专业人士

6.1. 利用机器学习、智能自动化和人工智能解决方案，让烦琐任务（从预约安排到病历存档）实现自动化
6.2. 捕获更多患者数据，以创建更有效的健康监测与分析实践
6.3. 使患者能够自行使用传感器、应用和数据分析工具，更好地帮助你为他们提供帮助
6.4. 依靠指导性解决方案来确定你可能没有考虑过的潜在问题和治疗方法

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！