一夜之间，几乎无所不能的人工智能对话聊天机器人火遍全球。因为它呈现出解放人类生产力的惊人潜质，引起广泛关注。会写诗歌，编代码，能创作剧本，还可以帮你面试出题……，自信满满，它总能实现人类的各种诉求，并且表现欲十足。
从“人工智障”到“人工智能”，对于人类语言的理解和处理已经游刃有余。它会取代人类吗？
媒体网站 在与专家交谈和进行研究后，整理了一份被人工智能技术取代风险最高的工作类型清单：
技术类工作：程序员、软件工程师、数据分析师
像 和类似的人工智能工具可能会在不久的将来率先替代编码和计算机编程技能。
媒体类工作：广告、内容创作、技术写作、新闻
事实上，媒体行业已经开始尝试使用人工智能生成的内容。科技新闻网站 CNET 已经使用人工智能工具撰写了数十篇文章，而数字媒体巨头 也宣布将使用 生成更多新内容。
法律类工作：法律或律师助理
与媒体行业从业人员一样，律师助理和法律助理等法律行业工作人员也是在进行大量的信息消化后，综合他们所学到的知识，然后通过撰写法律摘要或意见使内容易于理解，像这样以语言为导向的角色很容易进行自动化处理，但仍然需要一定程度的人类判断来理解客户或雇主的需求。
市场研究分析师
市场研究分析师负责收集数据，识别和确定数据中的趋势，然后利用他们的发现设计有效的营销活动或决定在哪里投放广告。人工智能擅长分析数据和预测结果，这就导致市场研究分析师非常容易受到人工智能技术的影响。
教师
虽然 的大火让老师们都开始担心学生使用这一技术作弊，但以它超强的学习能力加以训练，也可以承担老师的职能。
金融类工作：金融分析师，个人财务顾问
像市场研究分析师、金融分析师、个人财务顾问和其他需要处理大量数字数据的工作，都会受到人工智能的影响。
交易员
华尔街的某些职位也可能处于危险之中。在一家投行里，人们从大学毕业后就被雇佣，然后花两三年时间像机器人一样工作、做各种Excel表格，但现在可以让人工智能来做这些。
平面设计师
在媒体去年12月的一篇文章中，三位教授指出， 创建的图像生成器 DALL-E 可以在几秒钟内生成图像，是平面设计行业的一个“潜在颠覆者”。
会计师
虽然会计师通常是一个较为稳定的职业，但也处于类似风险之中。
客服人员
几乎每个人都有过这样的经历：给一家公司的客服打电话或聊天，由机器人接听。一项研究预测显示，到2027年，聊天机器人将成为约25%的公司的主要客户服务渠道。
你怎么看呢？欢迎留言一起讨论哦~
NLP技术将迎来AI顶峰,是重要推动者
在很久以前的动画片《机器猫》（哆啦A梦）当中人与机器人的对话，其实就是用到了自然语言处理技术。令人惊讶的是，这些用来描述遥远未来智能的技术如今似乎已经走进我们的生活。
确实，人工智能技术发展至今，机器还很难像人类那样进行自然的对话，但至少可以理解人说话的内容。与此同时，在某些特定领域，机器与人类对话的能力甚至在赶超人类的水平。最近几年大数据与深度学习的发展，使得NLP技术大放光彩，人们直呼：不可思议！
虽然NLP技术直到最近几年才逐渐普及，但是人们为提升语言处理能力所做的努力从未停歇过。尤其是最新出现的，更是将NLP技术推向了AI浪潮的顶峰。
人工智能数学基础是驾驭人工智能技术最佳的途径
从本质上来说，是基于深度学习的端到端技术。端到端技术最大的魅力就在于仅有一个模型，可以轻松的从模型的一端输入数据，另一端输出最终结果。当然，其缺点是需要大量的数据，只有海量的数据才能够支撑起端到端模型的学习。
解决这个短板的关键是建立预训练机制。NLP领域主流的预训练语言模型分为二类：自回归模型、自编码模型。
二者最大的区别是模型是否可以处理上下文。
GPT/GPT -2/GPT -3/都属于自回归模型。这类模型特点是擅长自左向右的任务，如文本生成。通常根据上文信息预测下一个可能出现的词语，缺点是不能同时使用上文信息和下文信息。
其中GPT-2能够生成像人写的自然文章，担心被恶意利用而推迟了论文公开时间。这种模型可以在任意文章后面预测下一个单词的处理变得擅长。作为GPT-2预训练模型的一种方法，在“微调”的基础上提出了“zero shot”的方法。这是一种利用预测任意句子后面的下一个句子的能力，对未来学习的任务进行推论的方法。例如：通过推论“喜马拉雅山的高度是多高？”之后的句子可以回答“8848米”的句子。虽然以“GPT-2”的性能来说，zero shot能够解决的问题还很有限，但是通过提高“文本生成”的性能，我们展示了能够解决任何任务的模型的可能性。
2020 年出现了GPT-3，是GPT-2的下一代模型。它不仅能生成像人写的自然文章，还能从自然语言处理中生成程序的源代码和web页面的布局，当时成为了热门话题，与GPT-2 相比参数大了117倍，是一种比较通用的语言模型，可用于文本生成和翻译等广泛的语言相关任务，之后又出现了GPT-3.5版本。
最新出现的 模型建立在GPT-3.5 之上，在互联网开源数据集上进行训练，引入人工数据标注和强化学习两项功能，是一种专门为会话任务设计的，最适合需要自然、类人对话的任务，例如聊天机器人。
使用了人类反馈强化学习(RLHF)去进行数据训练，除了能够准地确理解问题，还可以实现将对话记忆和下上文内容微调、模拟人类的情绪和语气，也更接近人的思考方式，诸如可以实现承认错误、纠正错处、拒绝不当要求等等复杂的语言互动内容，达到更接近人类真实会话场景交流的效果。
无论多么神奇的人工智能技术，其底层都是由若干个数学模型有机组合而成。因此，掌握扎实的人工智能数学基础，是驾驭人工智能技术最佳的途径。
语言专注力模型与AI数学解析
王符伟，AI技术专家，技术插画师
想掌握AI时代的技术密码？给你安排上了！
我们特别邀请AI技术专家、技术插画师 王符伟老师，通过《语言专注力模型与AI数学解析》一课，带你掌握AI时代的技术密码，3月2日20点，我们不见不散！
—END—
你觉得你的职业会被替代吗？
在留言区参与互动，并点击在看和转发活动到朋友圈，我们将选1名读者获得赠书1本，截止时间3月15日。
相关文章
