一直以來，無論什麼時代，對於人工智慧技術的預估都不準確（實現的時間都估得太早了），請各位謹記這一點。
廣告、圖像診斷
一旦透過深度學習提升圖像辨識的精確度，就能普遍讓既有的針對大眾的單一版本廣告，轉變為因應個人興趣嗜好的定向廣告。此外，也將可能利用X光與電腦斷層掃瞄等影像，自動做出診斷。
個人機器人、大數據、防止犯罪、活用大數據的企業
在今後幾年內，人工智慧對於聲音及手觸等多元媒體的辨識精確度，預計將會大幅提升。到時候，軟體銀行在二〇一四年發表的人型機器人「Pepper」那種能夠辨識人類情感、提供定型溝通或在店面幫忙接待顧客的機器人，可能會普及。
此外，因為對影片的辨識精確度提升，或許可利用街上四處架設的監視器，建立犯罪防止系統，提升破案率。
因應各種不同的大數據特性，巧妙地形成特徵量，應該就是在這個階段吧。到時候，目前已活用大數據的各企業，競爭力應該會再提升。
汽車製造商、交通、物流、農業
人工智慧原本只是觀察周遭而已，一旦變成能夠認識自己的行為所造成的後果，以及對周遭帶來的影響，機器人的規劃（行動計畫）精確度將可再提昇。例如，這可以使得目前谷歌已經搶先反覆實驗的自動駕駛技術變得有實用性，運送商品到消費者手中的最後一哩路，搞不好也可以由無人機負責完成。
應該會是在這個階段，包括農業自動化在內，一些主要以身體勞動為主的工作範疇，可望普遍由機器人取代人類。人類的角色則是做出某些判斷，負責控管。
家事、醫療、看護、櫃台、客服
一旦能夠根據行為進行抽象化，就能開始做出一些原本只有人類才做得到的細膩行為。像是在機器人能夠理解「用力握人類的手，他們會覺得痛」之後，就可以溫柔地握人類的手，不讓人家覺得痛，或是小心地運送東西，以免弄壞東西等等。這可以讓一直以來只在物流或農業等層面，以「物」為處理對象的機器人，活動範圍拓展到對「人」的服務上。像是家事、醫療、看護等領域，機器人都將進入。
此外，也可以學習一些控制人類情感的對待方式，像是「用這種說法，可以讓對方感到開心」。或許櫃台工作、客服中心，都變成可能由人工智慧來做。
口譯、翻譯、全球化
人工智慧在得到人類擁有的「概念」中的相當部分後，只要再為這些概念再配上適切的「名稱（符號標記）」，他們就能學會理解言語。像Siri那種語音對話系統也是，屆時將不必再根據人類事先準備好的記述內容回答問題，而可以由人工智慧一面模擬外界情境，一面在思考過後回答問題。
同時，由於機器翻譯也到達實用的水準，或許因此不再需要「翻譯」、「學外文」這樣的行為了。一個人只要講了什麼、寫了什麼，可以直接就譯成英文、譯成中文，也就沒必要再刻意花時間學英文或中文了。
一旦語言障礙消失，企業應該會比過去更加全球化。例如，目前只針對國內銷售商品的電子商務網站，將理所當然往國外發展事業。
這樣的變化，不是突然就發生的。首先，要先有人投入研究開發；有成果後，一開始是透過散播出去的新聞得知「人工智慧已經能做到這樣的事了」，在那之後才可能發展為事業。
例如，在防止犯罪與監視方面，一開始或許先是人工智慧變得能夠辨識出現在攝影機裡的個人（通緝犯等）。相關技術有一部分已漸漸落實，由於防止犯罪容易取得社會共識，可以先由企業與學校導入，再逐步建立起由監視器構成的監視網，實現的可能性應該還滿高的。若再把這樣的監視網與前科資料庫結合，一方面既可有助於防止犯罪，另一方面，也很可能可以提高在發生犯罪時，由系統提供相關資訊、促成逮捕犯人的可能性。或許治安也可以變好。
在製造業，一直到好一陣子前為止，都還未能用機器實現的熟練工技術，也可能慢慢的可以交由機器人代勞。此外，一直以來的機器學習，僅止於既由流程的「改良」「改善」這樣的層次而已，但等到人工智慧得以透過深度學習自行找出特徵量後，或許它們也會變得有能力「設計」新的工程。
這些技術，在一些允許嘗試錯誤的層面，成效應該會特別搶眼。例如，網路上的網站最佳化之類的東西，很早之前在設計的部分就已經可以交由電腦處理了。假如同樣的事情在現實世界也能做到，就可能大幅改善生產流程。例如，在製藥或材料領域，雖然已經有許多部分交由電腦與機器做實驗，但如果連假說的擬定都能由人工智慧來做，或許可以因為假說擬定與實驗這樣的研發流程都交給人工智慧負責，而一口氣擴大可以探索答案的範疇。
雖然和製造業同屬體力勞動，但到之前不久為止，大家都還以為，計程車或卡車司機應該會繼續是人類的工作。但想必各位已經清楚知道，自駕車與無人機的出現，已經使狀況變得令人存疑。
無論汽車、飛機或電車，操縱師或駕駛者重要的工作之一在於「偵測與發現異常」，也就是「有沒有發生不尋常的事」。偵測與發現異常這樣的作業，會生成高層次的特徵量，據以揣想「正常來說應有的狀況」，只要與之有所不同，就會覺得哪裡怪怪的，因此是最適合特徵表達學習發揮的地方。一旦電腦學會做這樣的事，無論是交由人工智慧開車，還是在相隔一段距離處操作，都會比現在簡單得多。
廣告行銷方面，會是最先出現變化的領域之一。雖然電腦最擅長處理資料量多、循環期間短的東西，但慢慢的應該連長期的東西也可以處理。例如，現在由人類為之的行銷工作，在未來能夠即時而確切地掌握無時無刻都在變動的顧客需求後，應該可以慢慢朝全自動的最適化發展。像是在長期提升品牌形象或商品的企畫等等，雖然原本據信是由人類來做的工作，仍有許多可以運用資料分析或人工智慧的餘地。
醫療、法務、會計、稅務應該是人工智慧最容易切入的領域吧。醫療固然是高度專業的領域，但同樣是醫師，一旦影像診斷技術提升，內科醫生的工作中先遭到電腦取代的部分，或許會變多。只是，「診療適切與否」以及「責任歸屬」的問題，和自動駕駛一樣，會是個難題。
律師固然是高社會地位的職業，但像是整理客戶資訊、查閱相關法令或調查過去判例等工作，都很可以活用人工智慧的優點。
在會計與稅務工作方面，替代人工的事已經在發生了。就算是需要判斷或需要知識的事項，人工智慧能夠勝任的領域，應該也會漸漸變多。
金融是人工智慧可以活躍的一大領域。瑞典大型銀行UBS集團已提供顧客因應系統，此外可視客戶的資產狀況提供最佳資產組合，也很重要。證券公司或許必須重新審視自己提供的附加價值。在金融交易的世界裡，早已往機器化發展，不斷上演足以用膽戰心驚形容的實戰。不動產方面也是，應該可以在分析價格資訊的變化趨勢後予以活用。（摘錄自《工作消失的時代》終章）
-400.png) | 了解人工智慧的第一本書 松尾豐（Yutaka MATSUO）／著 江裕真／譯 經濟新潮社出版 售價：360元 |
作者簡介
松尾豐（Yutaka MATSUO）
現任東京大學工學系研究所副教授。專長領域為人工智慧與大數據分析等，是日本頂尖的人工智慧研究者之一。