Andrej Karpathy从美国劳工统计局拿到了342个职业，把它们全给评了分。现在咱们就来看看，以后的工作是个什么样子，哪些活儿会变，哪些活儿能接着干。 安德烈·卡帕西这人以前是特斯拉的人工智能总监，也是个挺有名的计算机科学家。他这次做的研究，给咱们提供了一种挺实在的视角。他用的是美国劳工统计局（BLS）的数据，把342种工作细细地分析了一遍，想通过数据把人工智能时代的职业变化说清楚。 他这套评分系统不是瞎猜的，是挺讲究科学的。他挑了美国劳工统计局里的职业分类表，里头有做制造业的工人、写代码的软件工程师、看病人的医疗专家，还有搞艺术的创作家。卡帕西把这些工作需要的技能、任务难不难、是不是老重复干、还得跟人打交道这些方面全都量化了，弄了个评估体系，就为了看看这些工作在智能大潮里能不能“扛住”，还能变出啥新花样。 这样一来，那些说“人工智能要把我们都搞下岗”的空论就有了具体的数字参照。在他的模型里，得分高的工作通常有几个特点：得会解决复杂的问题、得懂人情世故、得有创造性想法，或者得在动来动去的环境里做精细的活儿。像医生看病、心理师谈心、搞科研的人、还有一些专门的手艺人，在这几个点上都表现得特别好。这也不是说别的活儿就没用了，主要是让人明白在现在这技术环境下，人脑子聪明、会动感情这点是电脑比不了的。 反过来看那些任务特别死板、规矩又死、容易变成数字的工作，它们在模型里走的路子就不一样。但这也不代表这些工作就得没了。历史上的经验告诉咱们，技术变了从来没真把活儿都给消灭光，只是让活儿的性质变了。就像工业革命把人从干重体力活的事儿里解放出来去管机器一样，现在人工智能也会让人从填数据、找规律的杂事里脱身，去琢磨那些有战略眼光的大事儿。 卡帕西的评分其实是想跟我们说：以后谁在工作里更有竞争力，主要看你能不能跟智能工具配合着干，而不是去跟它争高低。这个研究还透露出一个大趋势：老的行业边界越来越模糊了，技能也得重新搭配合了。在他的评分表里，好多传统的老行当现在都能靠着新科技重新活过来了。比如农民不光种地了，还得会看无人机飞的照片和分析大数据；老师不光教书了，还得设计个性化的学习计划、带着学生一起长。 数据分析显示了一件事：要是谁能快学快用新工具来提升自己的本事，以后在这个社会上肯定能混得更好。站在大面上看，基于这342个工作的数据大分析给咱们提供了一个讲道理的框架。它提醒老师以后教书得着重培养学生怎么想问题、怎么有创造力、怎么把不同的学科揉在一块儿、怎么跟机器搭伙干活。 对于咱们个人来说，一辈子都得学习这不是一句虚话了，是为了应对社会变快必须要走的路。搞清楚自己现在的工作在这个数据图里是个什么位置能帮咱心里有数。明白这一点以后，咱们就能主动去升级技能，找准自己跟机器配合的好地方。 安德烈·卡帕西这次做的事儿本质上就是一次对“未来我们该干点啥”的大摸底，也是在用数字的方式给大伙儿画了张图。