像谷歌和百度等采用神经网络翻译系统之后，能够让翻译不仅仅是按字句进行，而是可以根据一篇文章大意对文章进行分析，极大降低了错误率。

　　目前谷歌翻译、百度翻译还不够完美，但是每年都在进步，估计过了五年十年，比普通人类翻译做得还好。

　　为什么？因为这是机器学习范式转变带来的变化。机器翻译实现了从统计式的翻译转向了神经网络翻译。也就是从统计，从穷举，从规则转向了机器学习。机器学习的方法意味着翻译的效果会越来越好。这才是从事翻译工作的人们需要担心的问题。

　　2.记者

　　大多数记者写稿的工作也可能被取代。比如美联社有90%的文章采用机器写手的文章。腾讯也开发了机器人写作新闻稿，按照算法在最快时间生成稿件，瞬时将重要资讯和解读发布给用户。

　　目前看，机器人写稿，一般来说，可以做一些消息类稿件，比如刚才提到的美联社新闻稿，腾讯的新闻稿。对于大多数只是发布新闻消息的记者来说，这个职业很快就面临被淘汰的局面。这符合刚才提到的不仅仅是机械性的体力劳动，机械性的脑力劳动岗位也会被替代。大多数记者的写稿行为，本质是都是机械性的脑力劳动。基于机器学习的写稿行为，它会比人类更快，且随着给予的数据喂养更多，会比普通人类记者写得更加出色。

　　目前看只有对于事件的深度解读和分析，暂时还是人类的优势领域。

　　3.司机

　　人类历史上，曾经强壮的男人最受欢迎。在原始的部落，强壮男人狩猎、保护族人免受外族欺凌，在原始社会、部落社会、农业社会，甚至在工业社会都是最受欢迎的职场人士。但是今天，强健的体魄面临来自不知疲倦更加强壮的机器人的冲击。

　　重复性体力劳动的重要性一直降低，而且被取代也是迟早的事情。比如无人驾驶作为人工智能最大的应用。它对司机这个职业产生根本性的威胁。不仅是Uber和滴滴这样的出行应用公司，而且特斯拉、百度、谷歌也在大力发展无人驾驶汽车。无人驾驶汽车的应用几乎涉及到了所有人工智能的方面，比如图像识别、语音识别、自然语言处理等。对于Uber和滴滴来说，要想继续向上走，必须让无人驾驶成为优化整个交通出行的核心，最终让出行体验做到极致。

　　而对于特斯拉、百度和谷歌这样的企业来说，重要的不仅仅是无人驾驶的硬件或者无人驾驶的软件能力。核心的还是前面提到的理念，这些企业的无人驾驶汽车是建立在“机器学习”基础上的。比如特斯拉已经收集了超过20多亿公里的车辆行驶数据，包括了不同路况和天气下的行驶数据，这些数据每天都在大规模增加。这些大数据通过学习的机制为其他所有的汽车赋予能力，也就是说这是一个怪兽。由分布在全球不同的地区的汽车个体不停地上传不同的数据，而这些数据又回报给各个个体，最终进化成为一个更加高效有用的自动驾驶汽车。

　　百度和谷歌也有类似的思路，百度有一个输出人工智能大脑的战略，除了自行研发百度无人汽车之外，还跟不同的汽车厂商合作，输出汽车大脑的服务，atv，对于百度和谷歌来说，这样的方式能够以更快的速度获得数据。对于这些企业来说，最快的速度获得数据永远是最高的战略。

　　虽然真正的无人驾驶可能还需要五年十年的时间，但是这个趋势已经不可逆转。未来的出租车司机、滴滴或许Uber的司机、大货车司机等都要面临职业消失的局面。美国有200万名大货车司机，即使有特朗普的保护，最终来说，生产力发展的趋势也不是不可逆。无人驾驶汽车比货车司机更安全、可靠、听话、不知疲倦且容易管理。

　　4.工厂工人

　　机器人取代工厂工人是必然，就像美国目前的农业人口占总人口的1%一样，未来工人也不会超过总人口的1%，曾经马克思书里描述的社会中坚力量工人阶级将随着技术的变迁而消失。甚至马克思主义的赖以存在的资本主义矛盾论理论基础也将消失，他所描述的资本主义经济的核心问题在于供需信息的不对称，传导太慢，导致了经济危机，而人工智能的数据匹配将彻底改变这一问题，这意味着是不是很多经济学家也要失业了？因为从高度不透明，不确定的社会经济逐渐走向有计划可预期的社会经济。这里唯一不确定的是人性。