在2013年廣為關注的一篇研究中， Carl Benedikt Frey 和 Michael Osborne 核查了702種職業的計算能力， 並發現美國47%的工人都面臨著工作自動化的風險。 尤其是， 大部分運輸業和客運業和公關類都有可能會被電腦所取代，
經濟學家正在擔心“職業兩極化”的風險， 實際上， 工作可以被劃分為兩種常規職業：第一種即高薪水高技術的職業（建築師， 高級管理）， 還有低薪水低技術的職業（清潔工， 速食員）。 許多西方國家中層職業薪水的停滯都表現出自動化已經開始產生影響。
聖路易斯聯邦儲備銀行發表的資料顯示， 在美國， 非常規認知型工作以及非常規手工型工作自1980年後逐步增長， 而常規化工作則一直維持幾乎不變。 隨著更多工作自動化， 這種趨勢很可能會延續下去。
達芬奇研究院的高級未來學家Thomas Frey發表了一篇令人激動的文章“78個難以自動化的技能”。 Frey分析了他認為將從自動化進程中保持“安全”的職業類別， 如下：
複雜的系統太昂貴， 無法自動化
只有人類才能欣賞的創造性付出
人與人互動產生情緒反應
需要以人為本的推理決策
需要人類的複雜翻譯
需要人文關懷的情況
防止駭客方面， 人類的忠誠度遠比數位化機器高
人對人的評估
人類控制機器人的位置
我將嘗試從我們開發的“深度學習畫布”的角度來解決每一個問題。 在我們的方法中， 我們融合了“要完成的工作”（JTBD）方法來識別需要解決的任務的方法， 並瞭解通過深度學習可以增強的認知限制。
在Frey的文章中， 他建立了自己的觀點， 即最有可能安全的工作是涉及到人類的非理性工作。 JTBD方法不僅超出了純粹的功能， 還解決了人們的需求， 如情緒和社會貨幣。 無論深度學習系統如何自動化， 都需要針對這三種需求的組合。
人們似乎忽略了， 頻繁更換工作對個人能力提升是沒有太大幫助的。 這些細節被很多預言家所忽視。
但是， 我們來看一下Frey的列表， 因為它是一個基於豐富的內容來進行更詳細的分析。
複雜的系統太昂貴， 無法自動化
複雜的系統將總是要求具有先進技能的人員來編排。 然而， 這並不意味著將有更少的自動化能夠實現這一活動。
發現自動化過程過於昂貴的公司可能是不知道如何利用自動化來降低開發成本。
只有人類才能欣賞的創造性付出
這與以前類似， 但涉及更多的藝術性付出。在很多好萊塢科幻大片中，我們繼續使用越來越先進的自動化來降低成本。電影製作人員不再需要雇傭額外的軍隊拍攝大規模的戰鬥場面。 這些都是通過CGI模擬技術完成的。有一段時間，電影要具有史詩感，其造價成本太貴了，但今天這不再是一個問題。
當然，我們會讓創意人士繼續推動發展，但所需的人力資源將會繼續減少。在未來，我們甚至可能不需要電影演員，只是使用CGI演唱的著名演員。事實上，如果我們看到同樣的面孔而感到無聊，那我們可以生成任意的面孔。
人與人互動產生情緒反應
Frey描述的大部分內容（即微笑，擁抱，吻，按摩等）通常都不付錢。事實上，在許多國家，支付這些“人際互動”將被視為違法。
需要以人為本的推理決策
人類像看門狗一樣防範失控的自動化。我認為，如果政府實行這樣的規定，這種工作就不會消失。就像加油站服務員一樣。某些國家需要它，儘管不是絕對必要的。不過，這種立法可以讓很多人上崗。
需要人類的複雜翻譯
例如：醫生、資料分析師、法官、企業高管、隱私權宣導者、人際關係策略、分娩協助、家譜測繪等。
這與之前的類別差不多。它只是在頂部而不是底部的監督。 然而，它涉及人類對機器的需求，以便其他人可以理解（並接受）機器的結論。
然而，這可能不會改變，因為法律已經確定人們需要這些工作。 我們不能讓非人類的法官將人們送去終身監禁或死囚牢房。
需要人文關懷的情況
例如：教學
Frey在這個類別中提供的例子似乎都圍繞著教育。不過，我認為教育正在大規模的通過互聯網，教育只會在虛擬實境、增強現實和人文素養上變得越來越好。這是因為我們可以建立更多的互動環境，可以為更多的學生提供更多的品質水準教學，這比普通老師好很多倍。
我們目前的教育實踐中存在的問題是，課堂教學模式都是被動傾聽。我們需要爭取更多的學生參與主動學習模式。學生學得更好並不是因為聽講而是實踐。創造高素質教育的專業知識將會得到滿足。這將需要深入瞭解互動技術，瞭解人的行為和教學方法。深度學習發揮作用的是其對人類行為作出反應的能力，這對於有效的教學至關重要。
防止駭客方面，人類的忠誠度遠比數位化機器高
例如：保護貴賓，保持機密，個人信徒，維護企業資訊，顧問，遊說者，機器人抵抗組織領導人。
相反，Blockchain系統已經被證明是防駭客的，而不是具有可以被“社會設計”的人類元素的系統。
人對人的評估
示例：股票市場，投票，政府政策，違反政策的行為，購買，採購代理，評級機構，測量和民意調查。
我們已經有了系統，在我們應該關注的焦點上做出各種各樣的“估值”。Facebook管理我們的閱讀清單。亞馬遜推薦我們可能喜歡的產品。Google過濾我們的搜索結果。AI越來越多地為我們做出決定。我們已經習慣了像GPS這樣的機器給我們指示，我們已經失去了所有的方向感。
我們在這個領域可能會看到的是，Blockchain技術將確保承擔公平市場或民主進程的許多互動的透明度和完整性。今天，很多這些進程都是獲得很少的收益。人與人之間的估值不應該專門用於人類，而應該通過透明的集體方式來完成。這裡的原因是因為人類有動機來與系統比賽。
在人工智慧經濟中，取得他人的信任變得越來越難。機器智慧將變得複雜到足以讓工作場所的許多人作為冒名頂替者。 讓我們誠實的說，為什麼人們得到的報酬超過了他們應得的薪水，是由於人類如何評估員工的價值是非常低效的。
人類控制機器人的位置
例如：所有者和經理、軟體發展人員、系統工程師、產品設計師、機器人維護者、出售機器人的拍賣商。
這是與之前的3個主題相同的主題。也就是說，自動化作為增強人類工作的工具。
總之，列表可以進一步簡化為：
1.使用自動化作為工具的工作。
2.使用人類作為防止自動化故障的工作。
3.體現機器決策的工作。
4.設計人機界面的工作。
5.設計自動化來操縱人類行為的工作。
這是將來存在的五類看似安全的工作。支付某人以外的工作可能是非法的。另一方面，除了“人體安全閥”外，所有其他工作都需要高水準的技能。未來的工作需要對人類和機器有深刻的瞭解，正是由於人與機器之間的這種相互，工作才將存在。
我認為一些值得欣賞的是，深度學習是一種像人類直覺的技術。與傳統的AI技術相比，它是一種相反的技術，專注於推理，同時還保留語義的差距。然而，人類的能力被困在岩石和硬的地方，人工直覺與人為推理之間。這是很多人似乎正在弄清楚什麼工作是安全的，什麼不是。我們不要陷入這樣的幻想：獨特的人類直覺讓我們自以為是安全的，而不會被自動化所取代。
隨著深度學習的出現，沒有多少工作是安全的。我們必須正視這個問題，這樣我們才能在研究經濟體制的核心問題上有一個初步的開端。AI可能會破壞資本主義制度，不幸的是我們不會就什麼取代它開始認真的討論。嚴峻的現實是，新興的人工智慧經濟為高技能人士所存在，其他人並不適用。
作者：Carlos E. Perez
但涉及更多的藝術性付出。在很多好萊塢科幻大片中，我們繼續使用越來越先進的自動化來降低成本。電影製作人員不再需要雇傭額外的軍隊拍攝大規模的戰鬥場面。 這些都是通過CGI模擬技術完成的。有一段時間，電影要具有史詩感，其造價成本太貴了，但今天這不再是一個問題。當然，我們會讓創意人士繼續推動發展，但所需的人力資源將會繼續減少。在未來，我們甚至可能不需要電影演員，只是使用CGI演唱的著名演員。事實上，如果我們看到同樣的面孔而感到無聊，那我們可以生成任意的面孔。
人與人互動產生情緒反應
Frey描述的大部分內容（即微笑，擁抱，吻，按摩等）通常都不付錢。事實上，在許多國家，支付這些“人際互動”將被視為違法。
需要以人為本的推理決策
人類像看門狗一樣防範失控的自動化。我認為，如果政府實行這樣的規定，這種工作就不會消失。就像加油站服務員一樣。某些國家需要它，儘管不是絕對必要的。不過，這種立法可以讓很多人上崗。
需要人類的複雜翻譯
例如：醫生、資料分析師、法官、企業高管、隱私權宣導者、人際關係策略、分娩協助、家譜測繪等。
這與之前的類別差不多。它只是在頂部而不是底部的監督。 然而，它涉及人類對機器的需求，以便其他人可以理解（並接受）機器的結論。
然而，這可能不會改變，因為法律已經確定人們需要這些工作。 我們不能讓非人類的法官將人們送去終身監禁或死囚牢房。
需要人文關懷的情況
例如：教學
Frey在這個類別中提供的例子似乎都圍繞著教育。不過，我認為教育正在大規模的通過互聯網，教育只會在虛擬實境、增強現實和人文素養上變得越來越好。這是因為我們可以建立更多的互動環境，可以為更多的學生提供更多的品質水準教學，這比普通老師好很多倍。
我們目前的教育實踐中存在的問題是，課堂教學模式都是被動傾聽。我們需要爭取更多的學生參與主動學習模式。學生學得更好並不是因為聽講而是實踐。創造高素質教育的專業知識將會得到滿足。這將需要深入瞭解互動技術，瞭解人的行為和教學方法。深度學習發揮作用的是其對人類行為作出反應的能力，這對於有效的教學至關重要。
防止駭客方面，人類的忠誠度遠比數位化機器高
例如：保護貴賓，保持機密，個人信徒，維護企業資訊，顧問，遊說者，機器人抵抗組織領導人。
相反，Blockchain系統已經被證明是防駭客的，而不是具有可以被“社會設計”的人類元素的系統。
人對人的評估
示例：股票市場，投票，政府政策，違反政策的行為，購買，採購代理，評級機構，測量和民意調查。
我們已經有了系統，在我們應該關注的焦點上做出各種各樣的“估值”。Facebook管理我們的閱讀清單。亞馬遜推薦我們可能喜歡的產品。Google過濾我們的搜索結果。AI越來越多地為我們做出決定。我們已經習慣了像GPS這樣的機器給我們指示，我們已經失去了所有的方向感。
我們在這個領域可能會看到的是，Blockchain技術將確保承擔公平市場或民主進程的許多互動的透明度和完整性。今天，很多這些進程都是獲得很少的收益。人與人之間的估值不應該專門用於人類，而應該通過透明的集體方式來完成。這裡的原因是因為人類有動機來與系統比賽。
在人工智慧經濟中，取得他人的信任變得越來越難。機器智慧將變得複雜到足以讓工作場所的許多人作為冒名頂替者。 讓我們誠實的說，為什麼人們得到的報酬超過了他們應得的薪水，是由於人類如何評估員工的價值是非常低效的。
人類控制機器人的位置
例如：所有者和經理、軟體發展人員、系統工程師、產品設計師、機器人維護者、出售機器人的拍賣商。
這是與之前的3個主題相同的主題。也就是說，自動化作為增強人類工作的工具。
總之，列表可以進一步簡化為：
1.使用自動化作為工具的工作。
2.使用人類作為防止自動化故障的工作。
3.體現機器決策的工作。
4.設計人機界面的工作。
5.設計自動化來操縱人類行為的工作。
這是將來存在的五類看似安全的工作。支付某人以外的工作可能是非法的。另一方面，除了“人體安全閥”外，所有其他工作都需要高水準的技能。未來的工作需要對人類和機器有深刻的瞭解，正是由於人與機器之間的這種相互，工作才將存在。
我認為一些值得欣賞的是，深度學習是一種像人類直覺的技術。與傳統的AI技術相比，它是一種相反的技術，專注於推理，同時還保留語義的差距。然而，人類的能力被困在岩石和硬的地方，人工直覺與人為推理之間。這是很多人似乎正在弄清楚什麼工作是安全的，什麼不是。我們不要陷入這樣的幻想：獨特的人類直覺讓我們自以為是安全的，而不會被自動化所取代。
隨著深度學習的出現，沒有多少工作是安全的。我們必須正視這個問題，這樣我們才能在研究經濟體制的核心問題上有一個初步的開端。AI可能會破壞資本主義制度，不幸的是我們不會就什麼取代它開始認真的討論。嚴峻的現實是，新興的人工智慧經濟為高技能人士所存在，其他人並不適用。
作者：Carlos E. Perez