人工智能时代的安全专业是什么，已经逐渐成为人们必须面对的问题。
随着人工智能的发展，原本由人类承担的一项工作接一个工作被机器代替。
Alpha Dog完成了围棋冠军的工作，微软的小冰完成了诗人的工作，特斯拉的无人驾驶汽车完成了驾驶员的工作，亚马逊无人超市完成了销售员的工作。
传统的职业转变不再安全。
人们不禁要问：将来会出现哪些很难用机器代替的职业，因此相对安全吗？要判断这个问题，我们不能依靠猜测，而需要一个思考框架。
人工智能时代的安全专业问题本质上是人工智能的强项和劣势。
人们擅长什么，而不擅长什么。
知道了人类和机器的利弊之后，这个问题自然就会得到答案。
首先，在涉及人工智能本质的问题上，Judea Pearl和Dana McKenzie在合着的《为什么：因果关系的新科学》中进行了讨论。
他们提出了一个简单的框架来理解人工智能功能的本质，这就是因果推理框架。
因果推论是相关性与因果关系之间的关系。
用外行的术语来说，相关性对应于归纳法，因果关系对应于推论。
Pearl院士反对只讨论相关性，而不是因果关系，并且认为人工智能只能通过通过建模提高因果关系来通过推理来解决问题。
对应于该职业意味着无法找到模式的事物（仅是没有因果关系的相关事物）更适合由人类来完成，而找到模式的事物（可以从关联中推断因果关系的事物）可以由机器来代替。
替代性的解释。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
（。
（。
。
。
。
。
。
一一对。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
简而言之，机器无法代替无法完成的任何工作。
例如，有些人随心所欲地购物，而建模通常不适合他们，因此很适合人们为这些消费者做事。
其次，关于与职业性质有关的问题，斯科特·佩奇（Scott Page）还提出了“多样性红利”中的一种超简单的判断框架：多样性胜于能力。
这里的多样性可以由人类的皮匠代替；该能力可以由诸葛亮（人工智能）代替。
头补鞋匠在什么条件下可以战胜诸葛亮，或者换句话说，人们可以在什么条件下战胜人工智能？实际上，条件很简单。
任何不如天空的人都不适合诸葛亮（人工智能）；相反，可以计数的人都不适合头皮匠（人类）。
显然，“诸葛亮”之所以如此。
人工智能是如此强大，以至于它可以计数。
如果不清楚的话，自然会不得不投降。
不清楚的是什么？根据佩奇院士的理论，是比计算机功能更复杂的事务，例如股票市场，生态多样性，婚姻和爱情等。
最后，涉及人工智能与职业之间关系的问题，马化兴和王鹏合着了《做个好选择》，提出了一个判断人工智能与职业之间关系的框架。
该框架将工作分为程序性工作和探索性工作。
程序性工作对应于珍珠学院院士所说的因果关系可以被建模和发现，并且对应于因果关系中的“能力”。
键入院士佩奇描述的作品；勘探工作与珍珠学院院士所说的那样，只有相关的关系不能被建模。
对应于“多样性”。
院士佩奇说过的工作类型。
“做出明智的选择”；相信从事探索性工作是未来的方向。
这是人工智能时代的安全专业。
该书总结了三个有前途的探索性工作：社会工作，设计工作和体验工作。
但是，如果您了解人工智能的原理和职业的原理，安全职业可以超越这三个类别，但会无限增加。
例如，在线文学和艺术的整个行业都满足了“多样性”的要求。
标准由院士页描述。
只要复制这些作品，就将被判窃。
包括在线文学，在线音乐，在线视频，在线音频等十多个专业，并且进一步从产品内容和经验中衍生出许多职业，例如现场直播
