设想过你的老板不是人类吗？

我们都还没有过。现在，随着人工智能和机器人技术的进步，它日益成为一个现实的问题。用程序化解决问题的方法说穿了其结果要比人类自身的工作要好得多。计算机成为业界翘楚并非仅仅局限于科技领域，去年洛杉矶时报发表的一篇关于地震报道的文章就是计算机程序编写的。

在韩国，学校里孩子们的英语是一台叫做Robosem的机器人所教。更有甚者，人类社会的古老行业都面临来自机器人的竞争----一家名叫True Competion的美国公司已经研发出了世界上第一台性爱机器人，其模型成本仅为995美元（约合645欧元）。但是，是否这个多少有些勇敢的新世界有些无聊呢？

大数据支撑的电影

娱乐行业已经开始用人工智能来拍摄我们想看的节目了。

现在电视、电影和主流媒体在做节目调查时，已经不再转向好莱坞影星、影评人或者是媒体预测者，而是使用计算机程序和用户数据。

计算机程序让凯文斯派西成为在线影片租赁提供商Netfix的赢家。一份面向Netfix消费者的统计数据显示，受众最关注的三大因素是——演员凯文史派西、导演戴维芬奇和政治剧。 Netfix公司随即委托翻拍1990年英国广播公司的政治惊悚片《纸牌屋》，并由凯文斯派西主演，戴维芬奇执导。

该片成为有史以来的第一个获得艾美奖的网络电视剧，其第一季就获得了9项提名。“《纸牌屋》是一个用大数据驱动方法来进行影视创造的经典案例。”该片制作人和公式作者Luke Dormehl 说道, “程序化如何解决我们所有的问题，以及创造更多的可能性。”“Netfix 公司制作这些海量的情节用了程序化而不是走传统路线：你拍一个短片，交给你的主管等等。”

这或许是该公司保持其丰厚利润和高收视率的一个从未公诸于众的秘密所在。总部位于伦敦的EPAGOGIX公司提供了一份电影剧本未来票房的智能分析，该分析甚至声称可以通过改进识别来提高电影的商业价值。

理论上讲这一理论消除了电影制作人的噩梦---昂贵的失败。“如果一部电影的制作成本在1000万欧元，而使用程序化仅需500万欧元，我们可以称之为爆炸性的进步。”Dormehl 先生说。“但是如果我们事先得到了这个数据，你花一半的钱的来制作这部电影，还是要500万欧元。这让我们寻找到了制作中档电影的捷径。”

但是哪里会有兴奋，比如不期而遇的快乐或者发现新思维的机会？Luke Dorm说程序化开创了一个不同的可能世界。“作为一个电影制作人，我想有很多令人兴奋的可能性。”他说，“能够有个可以提前知道观众需求的大数据是一个让人兴奋的事情：什么场景会让人们回忆往昔的甜美时光，什么音乐会让他们身心愉悦，什么时候人们会起床泡茶等等。”“我对电影能够依据观众的兴奋点作出改变的可能性感到很兴奋，或者改变叙事方式——在我们没有注意到的地方。”

高科技交易员

金融业是另一个受计算机控制其稳定性的行业。“交易大厅是一个令人兴奋的地方。但是现在与其说是金融机构，它更像是一个软件公司。”伦敦经济学院助理教授Juan Pablo Pardo -Guerra说。使用计算机策略的高频交易员Virtu在过去近6年时间只有一次失败交易记录。该公司在其网站上声称旗下148名雇员的专有技术是所有贸易活动中的核心秘诀所在。

Pardo -Guerra博士说：“如果我们使用人工交易员来做相同体量的工作，那么我们势必要承受更大的波动。”这不是什么新鲜事物----上世纪80年代就已经有人尝试金融市场自动化交易了。但是Virtu的成功是否就是传统金融领域工作的丧钟呢？“场内交易者已经迈出了第一步。在程序化交易前，交易大厅是一切的中心。Pardo -Guerra博士说。

“下一步可能是从事数据信息、企业或产品股票估值的分析师和数据编辑，将遭受程序化和公式化的影响。”Pardo -Guerra博士预测寻求金融刺激的人仍然会喜欢在该领域工作，但是肯定有一个场景的变化。“可能会对人们如何参与市场、如何在交易中寻找到兴奋点产生影响。”他说。“市场是如此的庞大和复杂，人们总能找到兴奋的空间。”好消息是，有人情味的房间依然会存在---至少现在如此。

“即使是在金融市场的分析部门，人际交往仍然相当重要，这些是程序化交易所无法做到的。”他补充说。“在有些方面可以使用程序化或者量化决策，但是其他方面更多依仗个人人际关系和社交网络。”

程序化交易另外一个潜在的致命缺陷在于当这种交易模式愈行愈远的时候人们无法预知，“他们知道如何操纵价格来获得更多的客户，或者让其交易策略更加有利可图”，Pardo -Guerra博士说。“我想程序化在程序识别方面面临挑战。”他们对心怀叵测的人的肮脏行径无能为力，这些就成了监督部门人眼里的绊脚石。

OK计算机

伦敦金史密斯大学教授Daniel Neyland博士去年曾经参与了一个机场中央控制台智能识别遗忘行李的实验。“每小时都有一个警觉的工作人员看着监视器。6小时内系统检测出2654例警告，这与预期值相差甚远。没有足够多的工作人员来甄别或回应数据。在其中的失败案例中，地板上的影子、清洁工的手推车和站立的人们都成为系统错误报告的对象。

人们通常对系统检测出是不是行李的问题上大加褒奖，但是这个行李是否看上去是被遗弃的呢？”他说，“智能程序在处理这类数据时面临挑战：什么是一个包？什么不是？已经被遗忘多久了？一个人的包应该距离它的主人多远？等等”。

出于类似的原因，一个欧洲的铁路网已经完全卸载自动安全系统。Neyland博士说：“这有点儿像联合国监控区域内的破坏和闯入迹象。操作人员看上去像是有了一个不好的反应，但是系统却没有提供他们可以采取对应措施的对象。对于视频分析系统这是一个棘手的领域。在你认为你看到的地方你不想要一个假的情报。但是太多的错报大大降低了该系统的可操作性”。

但是当程序化在未来一些领域成为老板呢？他警告到，已经饱和的工作场所会自行趋向于程序化治理。

在呼叫中心这种现象已经发生：利用计算机程序识别出电话打了多久？如何成功的？相应时间等数据监测，这些大数据被用于管理工作。

欢迎这种精确测量的员工给出了他们评估的客观因素。并非所有人都是程序化的忠实粉丝，一旦你在一个地方实施，程序化很快成为人们诟病的对象。

Neyland博士说。憎恨它的人们说程序化识别给他们的工作施加了额外的压力。如果有人把原本很好的质量数据去人为篡改呢？要知道程序化是自动的，坚定的，没有人情味的-----就算是你的老板也不至于那么坏。

（来源：BBC    机器之心Rainbow翻译）