人工智能未来可以取代
可以取代司机，现在岀现了智能汽车（目前正在调试），
智能礼仪，谳问机器人，比如我国研发的佳佳机器人可以代替这些行业了
智能餐厅送餐机器人，妙菜机器人，第一批在哈尔滨市岀现了，餐厅老板介绍一台机器一年不用请假，一天充电一次可以工作四个小时，一个餐厅只要几台机器人和两三个维修技术员就行了。
工厂机械手，前几年，东莞就岀现无人工厂，工人工厂车间大部分工位都被代替了，机场容易推修，新的技术员一两个星期就可以控制和推修了，为此工厂车间里只要几个员工，几员技术人员方可运行
快递车，京东智能快智车，我想大家都有所耳闻了吧！
将来还有很多领域人工智能可以代替的……
谢谢
谢邀！将来是不可预估的，看人类对人工智能的研发久控制程度。过度开发不控制，就《终结者》《骇客帝国》《我，机器人》《机械姬》或《人工智能Ai》不止顛覆职业，可能是全人类。如是最先应该是简单的手工制造业，然后各行业按比逐步裁人。以后可能比的不是你家牛多少，而是我家有几台机器人为我工作。个人比较喜欢《人工智能Ai》这部片，有空大家可以看看。
一个时代的发展总能带来无限可能！
很多事物我们都无法想象！一些脑洞大开的想法也许就会被实现，曾经的手工制作被机器所取代。
BBc基于剑桥大学研究者中 Michael Osborne 和 Carl Frey 的大数据体系分析了365个职业在未来的 " 被淘汰概率 "：
在他们统计的300多个职业里，"电话推销员 " 被机器人取代的几率为最高，接近百分之百。
例如打字员、会计师、保险推销员、银行普通职员、人工客服、前台、客服等次之，大约 90%以上。
无论任何一个行业，任何一个职业其实与人都一样，都有他来到这个时代的理由。
所有的荣耀随着时间都会过去，将来的辉煌才属于自己。如果想要把握未来，一定要不断提升自己，不要让自己跟不上社会发展的脚步！
谢邀！现在，一谈到人工智能，那可是较热门的话题。人工智能己列入国家战略，并积极推进，智能机器人取代人类是大势所趋。 现在的职业总括一下有三百多种，人工智能未来最有可能取代哪些职业哪？ 1、首先是电话推销员，这个职业简单、重复、技术含量低， 注定被替代。
2、翻译，随着语音识别系统的飞速发展，也没有存在的必要了。
3、会计，目前财务机器人己经上岗，效率高于人类几倍，且不需要休息和加班补贴。
4、保险业务员，未来人工智能将成为人类的个人智能保险管家。
5、银行柜员、司机、接线员、前台等都将被替代。
面对这些，你准备好了吗？
人工智能会在未来取代哪些职业？林哥认为人工智能会在以下几个行业中一展雄风,从而使这些行业的人工劳动大大减少。
1、服务业
如银行职员，商店售货员等服务领域，未来社会将爆发人工智能的全面发展。现在这是邻域人工智能就已经有了初步成果。银行的自动柜员机，网上银行，大数据，以及阿里巴巴的无人售货商店等等。
2、安保行业
由于社会文明的进步，更重要的是监控系统的无处不在，大大减少了犯罪行为的发生，未来可能大部分警察和保安会被人工智能取代。
3、驾驶员
世界科技的发展有时候令人难以想象，未来无人驾驶汽车的发展和推广，将大大减少驾驶员的数量，影响的行业可能是火车司机，公交司机和快递人员。
4、编辑人员
由于人工智能要比人脑的速度快数以千万倍，知识存储更全面，所以在编辑和审核邻域，人工智能将大显神威。
5、律师
未来的法律会更加全面和细致，人工智能在这方面会有卓越的表现，对法律的解读人工智能比专业的律师会更胜一筹，所以，很多律师将面临下岗的命运。
6、教师
师者所以传道解惑，教师这一行业就是培养后续人才，人工智能的优势完全能够胜任教师的工作领域，所以，未来教师行业的从业数量将所剩无几。
7、记者
自媒体时代的到来就是人工智能带来的结果，未来人人都可以成为记者，所以，记者将在未来的行业中黯然失色。
8、管理人员
人工智能的优势可以取代一些公司的中层管理人员的工作任务，公司运用人工智能可以高度垂直管理公司内部员工，未来中层管理人员将是人工智能取代的对象。
並非泡沫，而是復兴。九十年代時的神经网络，只有三層，而且在CPU上跑是龟速。2012年時AlexNet 用兩颗GPU把这个鸿沟打破了, 它有九层之多，而且赢了ImageNet比赛。
正如强化学习牛人Sutton教授讲的，我们70年来取得的最大成果都是基于算力的突破。我们用的算法都是几十年前的反向传递，強化学习也有几十年历史了。最近的突破都是摩尔定律带来的。
你很幸运，你毕业后将見到摩尔定律的终点。只憑算力的时代已快过去了，君不见OpenAI的GPT3模型用了一千兩百万美元来做训练，雖然结果比GPT2好，可写剧本、写小说、写假新闻、甚至写简单的程序，但它並不是强人工智能。
MIT的学者也说这是算力能带领我们走的路的尽头，之后大家要重思强人工智能之路，应该不是算力为王的、而是参考至高者的设计：人腦。我有信心：强人工智能指日可待，五至十年内可能会出现。这一个浪潮短期内退不下去，反而是强人工智能出现后人类何以自処才是问题。
本质上讲，这一波人工智能所实现的功能，只是突破了一些点，而且是有多少人工就有多少智能，是一些模型和算法的实现，只是弱人工智能。从智能的层面来说，只是实现了一些底层的感知问题，而算法并不能代替人的思维能力。目前的语音识别，图像识别，从神经科学的角度来讲是，模拟了并行处理的方式，发现特征进行分类和抽象。而高等的抽象思维是人类所独有的智能，目前还不能从科学上进行本质的解释，加拿大的人工智能大牛Hinton也清醒地认识到这个问题。可以说，目前的人工智能其实已经到了一个瓶颈，需要我们对神经科学进行更深入的研究。
这一轮的人工智能，以深度学习为代表。近阶段，表面能从媒体看到的，都是某些研究机构又推出了某某算法的自嗨。好像能普及的就是人脸识别等为数不多的应用。
这里实际存在一个鸿沟，制约着行业发展。
那就是如何深入不同领域？
这一轮的人工智能，在近几年确实存在炒作、泡沫，但起点的实践，大众知道的是AlphaGo战胜了人类围棋冠军。稍微了解技术的，应该知道，实践起点是Alexnet的提出，在Imagenet图片识别竞赛中，以超出第二名10个百分点的成绩夺冠。这在技术领域是个飞跃！
而此轮的突破，短期不会有泡沫，长期会是深入到社会的各个领域。深度学习的突破，是能够有效处理人类感知数据，图片、视频、声音、文字，而这些带来的是人类的能力扩展。由于这些数据是高维数据，传统方法效果有限，特别是海量数据处理时，模型会容易退化。
而本轮的深度学习，本身的可解释性还不强，也就是人们还不能完全掌握。目前，在初期的泡沫散尽，深度学习并没有破灭，而是在默默深入不同领域，也就是不同领域。
因为在人工智能进入领域时，不是人工智能专业人员能独立完成，而需要各行业内的参与、主导。
打个比方，也许就是静水流深。
而作为此轮热潮的开始事件，AlphaGo使用的技术，明确说是强化学习，而不是简单的深度学习。强化学习理论艰深，也许是网上讨论少的原因。强化学习过程，很像一个婴儿的成长，它能自己去学习、探索，这才是本轮人工智能的深化。目前所说的深度学习，实际只是一种新的数据处理方式，在简单使用到现实，比如大家只能见到人脸识别。不要因为看到的只有人脸识别，就认为人工智能智能做这个。
我国的人工智能才刚起步，最多只能说做了一些基础性工作，如语言识别，智能机器人、无人驾驶、深度学习、计算机视觉等等，远没达到预期目标，与日本、美国等西方国家还有很大差距，所以也谈不上什么泡沫破灭。
就拿题主所说的深度学习为例。深度学习的技术原理定义如下：
”1.构建一个网络并且随机初始化所有连接的权重；
2.将大量的数据情况输出到这个网络中；
3.网络处理这些动作并且进行学习；
4.如果这个动作符合指定的动作，将会增强权重，如果不符合，将会降低权重；
5.系统通过如上过程调整权重；
6.在成千上万次的学习之后，超过人类的表现；”
网络机器人。如果深度学习成功，机器人可以代替人类进行涉及安全的生产活动，如，具有核幅射的加工实验、矿山的井下劳动、高空作业等等重复性工作。现在基本没做到。
一些研究机构热衷于象棋、围棋的深度学习，并频发论文，以示突破。这只是简单的理论。
前一段时间，核工业的一个公司，为了简验核材料的一些属性，找到我们公司，要买一套加工设备，附加机器人自动上料、卡装、加工、取料、回收一整套系统。这其中的每一步操作都要准确无误，在一个封闭的屋子完成。
我们找了几家机器人研发公司、深度学习做的很有成就的公司、国内卡具专业公司，希望一起作此项目，但大都没有实战能力，或者没有技术储备。
这件事情从一个侧面说明，我们的理论是肤浅的，没有真正地深入到需要它的领域。真正在一线工地上从事重复劳动、日夜奋战的工人师傅，他们急需要被具有”深度学习”水准的机器人所替代。
深度学习，在成千上万次的学习之后，超过人类的表现。很容易做到吗？
国产扫地机的表现，可能大家都很失望。按照成熟的深度学习的原理，一个扫地机，工作在一个网络里，这没问题。在对整个屋子进行了长达一年多的学习之后，依然是懵懵懂懂，要么跑到地毯上动不了，要么在桌、椅腿之间卡住了，要么吭哧吭哧地一定要爬上障碍物。
深度学习，绝不是几个数学算法那么简单，一定要应用于实际解决问题，从一个行业，扩展到大多行业，逐渐使产品成熟，达到为人民服务的目的。
随着我国经济的高速发展，人民生活进入全面小康，对人工智能有着迫切的需要。
一些老年人乘公共交通，如何刷卡，或经常忘带卡，是经常遇到的事，如果到处都能支持人脸识别，并且与银行帐户挂钩，还会有此烦恼吗？
垃圾分类，现在基本靠人来手动分拣，如果能根据AI的计算机视觉原理，让机器自动分拣，岂不又快又卫生、又节省人力？
随便都能想很多AI的用途，关键在于落地，把理论用于实践中。
总结：深度学习只是AI的一个分枝。AI的语言识别、智能机器人、无人驾驶、计算机视觉等等诸多分枝也需要广大科研工作者潜心细致的研究并使其产业化。
技术需要螺旋式提高，尚未深入研究技术，就认为有泡沫，是很肤浅的、非专业的表现。需要在某一领域沉下心来，深入研究，争创世界一流，才是广大AI科研工作者应有的态度。
| 正加财富网内容推荐 | ||
| OK交易所下载 | USDT钱包下载 | 比特币平台下载 |
| 新手交易教程 | 平台提币指南 | 挖矿方法讲解 |
