大家好，今天我来给大家讲解一下关于自动化大发展的当下，哪些行业将消失？的问题。为了让大家更好地理解这个问题，我将相关资料进行了整理，现在就让我们一起来看看吧。
文章目录列表:
自动化大发展的当下，哪些行业将消失？
2.2020年中国 教育行业会如何发展？
商业周刊中文网称，未来10年，中国大陆80%的现金使用会消失，人们逐渐开始选择网银或移动支付。未来20年，绝大多数中小银行如果不把前台业务外包，将难以生存——无论这个预言如何，传统金融业和科技行业正在进行一场生死时速。银行柜员要小心了。
金融领域将发生一场彻底的互联网革命，这是谁也阻挡不了的趋势。
2、司机
如今看到谷歌的无人驾驶汽车在硅谷101高速公路上穿梭，或是自己停靠到旧金山大街上，都已经不足为奇。而奥迪、丰田和奔驰等汽车厂商都计划开发自己的无人驾驶汽车。
因为汽车已经不需要人来驾驶，司机这一职业会消失。包括驾校老师、停车执法者等等职业也都随之消失。
3、职业模特儿
未来，没有谁再会为自己的个子矮而愁眉不展，高技术含量的增高手术能给一个人延长原身高。这个医学项目目前已经在进行了。还有便是新兴美容业的发展。“超微科技”的运用使整容业更趋 ，已经有人在研发用电脑“勘测丈量”脸部细节，度身制作 五官“零件”，以求“一劳永逸、完整美丽”效果的新技术。
从这个意义上讲，漂亮的脸蛋与高挑的身材人人都可以拥有，职业模特儿失去存在的意义，时装秀真正地从T形台走向每个人身边的大街。
4、装配车间工人
全球最大代工企业富士康百万“机器人大军”计划公布后引起外界瞩目。 称一线工人短期内被挤占不可避免，一批生产工人将下岗成为共识。
目前富士康的机器人手臂还只是进行简单的操作，但是未来，随着机器人成本的下降和普及，装配车间的工作将不需要真人插手了。未来富士康不用再发愁劳工问题了。
5、零售人员、批发贸易人员
在电商的冲击下，“凡是有中介的地方，就应该进去”。中介意味着交易成本，互联网的价值就在于准确实现买卖双方的匹配，砍掉中间环节。越来越多的85后、90后一代|开始不进入实体店面，而把主要的购买行为都放在网络上。因此，可以预料到的是，那些成本高、无法给消费者带来增值、无法营造 体验的零售实体店面将面临关闭或亏损运营局面，大批从事中介式贸易的贸易公司也很难生存，相应的从业者压力很大。
在云计算以及BYOD的趋势下，将有越来越多的企业选择将业务“云”化，包括IT维护管理外包，这使得部分不能创造增值价值的企业网管丢掉了岗位。而传统企业级软件面临的压力在于，一方面是云计算带来的市场变化，另一方面，以社交软件为代表的个人消费软件开始进入企业级市场，改变了企业级软件传统的模式和架构，还有在去IOE趋势下的整个企业级市场生态体系重塑，这都直接影响到企业级软件公司程序员的职业生涯。
7、导游、猎头
在未来的旅游业，面向旅游全流程的O2O服务日益完善，基于移动互联网的旅游服务将逐渐影响到旅行社的生意。游客提前通过智能 进行路线规划、酒店预订、车辆预订，在景区通过智能手机与景区景物建立连接听取讲解，这都在很大程度上替代了导游的工作。同样，在大数据的帮助下，人才与企业之间的招聘连接也将越来越 有效，这一方面帮助人才准确定位自己的择业方向，一方面帮助企业准确筛选自己的合适人员，这也将对传统的中低端猎头造成冲击。
借助一个电视盒子，就可以让每一台普通电视升级为智能云电视机，同时实现与家庭其他无线终端(手机、Pad、电脑)的交互。只要身处带宽足够的WIFI环境，就可以在电视上免费观看 视 内容。
有线电视这回事最终会消失。甚至电视台的构建都会被打乱。相关产业链上的人都要当心，有线电视安装人员只是一个小小的代表。
9、加油站管理和工作人员
加油这回事可能会消失。因为石油在枯竭。未来，新能源充电站也许会遍布。不过，充电站也会实现自动化。不需要人来服务。
而且，连驾驶都已经实现无人化了，当然也不需要人来负责加油充电等动作了。
3D打印将颠覆制造业。商品将不再通过制造和物流的环节来到达用户的手中，用户将购买从杯子到房子等所有产品的设计，然后就地3D打印出来，这种方式最大的革新之处在于成本将比供应链产品便宜，而且有些东西不需要专门的人来制造了，你只需要有一个程序就行。
所以，各种工业样品根本不需要专人制造了。
2020年中国 教育行业会如何发展？
说的神乎其神，人工智能能用来炒股吗？
人工智能在围棋、象棋、德扑等领域都已经取得了碾压式胜利，这已经是一个不争的事实。事实上AlphaGo这样的AI已经可以用于任何需要理解复杂模式、进行长期计划、并制定决策的领域。人们不禁想问，还有什么是人工智能不能克服的吗？譬如说，变幻莫测的A股？
对于这个问题，持各种观点的都不乏其人。探讨它实可以分为两个部分：1. 股市可以预测吗？ 2、 假如可以预测，用机器学习的方法去预测可以吗？
先回答 个问题：股市的涨跌可以预测吗？
如果将股市的价格变化看做一个随时间变化的序列，Price = Market (t), 我们往往会发现，不管是尝试用N个模型(线性，非线性, 概率)来进行逼近，即使是建立了符合股价变化的这样的模型，并且在有足够多的训练数据的情况下模拟出了股价，但是这些模型最多只能在特定的区间能做一些并不十分 的预测。
首先是ReinforcementLearning, 这个算法基于马尔可夫性，从一个状态预测下一个状态，但是股价的涨跌具有强烈的马尔可夫性吗?也就是上一时刻的股价与下一个时刻的股价间有必然的联系吗?应该是不太大。这种基于N阶马尔可夫性的系统对于股价的分析很不利。而且假如只使用股价的历史数据进行模型的训练的话，准确度可以说几乎为0。
事实上影响股价的因素不仅仅是历史股价，还有更多的因素，公司的近况，股民对股票的态度，政策的影响等等。所以许多人从这方面进行入手，用人工智能提供的快速计算能力，使用合适的模型，来量化这些因素，例如, (政策X出台, 可能会对股价造成变化y元)。当你的模型将所有的因素全都考虑进来, 那么股价的预测就唾手可得了。股价 = f(政策因素, 公司情况，市场因素, 历史股价，上一年历史股价, 某个股民 的影响...)
然而这些因素到底有多少? 它们之间会如何影响，这才是问题的关键。在某些稳定的情况下，我们是可以做大概的预测的，但是有很多时候会不准确，这是因为，你的模型很难把所有的 因素都考虑进来。而且因素与因素间还会产生互相影响的情况下。股价的模型将会变得极其复杂。如下图：
一个因素与一个因素之间的互相影响是很可能被预测出来的，但是假如它们之间产生了相互的影响，这时候整个系统就变得几乎不可预测了。一个因素发生变化，会造成好几个因素的变化，最后这几个因素又会反作用回来使上一个因素直接或间接的发生变化，股价变化一下子就变得难以捉摸起来。一些微小的因素也可以通过这种系统无限的放大，最后给股市造成巨大的影响。
那么是不是预测股价是就是不可能的呢？
事实上人工智能远比我们想象的更强大。例如非常繁复的Bayesian reasoning，包括deep learning/deepreinforcement learning，它们都能表示复杂的hidden ariables之间的关系。现在国内外也已经有许多公司在探索将人工智能应用于股市的可能性了。
但是这里所说的将人工智能技术应用于股市，大部分不是说让人工智能代替人去做决策，而是利用人工智能在数据处理和不受主观喜好影响上的优势，在投资决策中扮演一个“AI 顾问系统”的角色，去辅助人类做出更明智的决策。
股市分析包括基本面分析与技术分析两大块，而人工智能技术在这两方面都能发挥作用：
1
基本面分析
简言之，就是读取各类财经资讯。面对网上海量又纷繁复杂的信息，只依靠人脑已经无法解决问题了。我们知道数据挖掘的三个V，（Volume数据大）,（Velocity更新快）,（Variety多样），在处理这样的海量数据时，计算机相比人脑具有不可比拟的优势。而深度学习在自然语言处理领域的应用，可以做到在海量的信息中做出自动摘要，提取出精华信息以帮助人类进行决策。
另外，股票价格在很大程度上是由买卖双方的力量对比决定的，是由每个股民对某支股票的情绪而决定的。如果大家都很看好一支股票，那么它就很可能会涨；反之会跌。还有一些特定事件会很明显地影响到股票价格，例如今年美国40年来 开放原油出口后，国内能源版块不出意料下跌了。这也是为什么这么多股民会刷新闻，看动态来保持敏锐的嗅觉。可以看出，在预测股票这件事上，最重要的是信息，或者说是数据，从中挖掘股民的情绪。而情绪识别已经是人工智能所擅长的技术了。国外已经有很多这方面的研究，也有DataMinr这样的公司专注从社交媒体中提取有价值的金融信号。
如下图，美联社官推被黑（谣言奥巴马被袭击受伤），很快股市出现了大幅度下滑-上升（看13点左右）。虽然这个事件较为特殊，但是设想如果能够在 时间得到类似消息，实际上就掌握了预测股市的主动权。
可以大胆想象，如果将情感分析与机器学习相结合，抓来海量的数据，去做情感分析，大概找出民众对于对某些股票持乐观还是悲观的情绪，那么至少可以将这一因素纳入模型学习范围中。现存的很多论文都是在情感分析上找寻很多办法去提高准确率。其他一些更简单的做法还有：（1）Google Trend。这个是很简单的办法：谷歌提供的搜索量数据，利用搜索量的变化来预测。（2）利用Twitter olume(相关Twitter的发帖数量）
2. 技术分析
传统技术分析中的K线分析，什么“大阳星”、“小阴星”、“旭日东升”、“穿头破脚”，其实就是人脑的模式识别。受人脑信息处理能力的限制，这些识别出来的模式有以下缺点：（1）只是单条K线的、只是基于一个模糊的形状，似是而非的、没有确切的数字标准的；（2）基于有限的历史信息的。 而好的深度学习策略，可以突破人脑的限制，比如突破单一K线的限制，从更多的财经信号（其他股票、黄金、外汇等）中寻找规律；或是从一个更长时间段的历史信息中识别出规律。
总之，人工智能将提升我们处理信息的深度、广度。使用基于人工智能技术的“智能投顾”的人，将比不运用或是还在利用“人脑”进行基本面分析与技术分析的人占信息优势，从而也就更可能在股市中盈利。
人工智能在证券投资领域的兴起始于2007年。彼时， 个纯人工智能的投资基金在美国纽约诞生，此后人工智能在证券投研领域的发展步入快车道; 事实上，在证券投资领域，人工智能早已经不是什么新鲜事，量化对冲基金经理遍布于北京金融街、上海陆家嘴。一般来说，公募基金或大型私募的量化投资部由两部分组成，一部分是投研团队，另一部分是IT团队，投研团队提出需求，IT团队做出算法交易的模块，解决基金经理们的需求。
“正常情况下，我每天的工作流程是早上起床后看一下(机器)生成的股票清单，再看看组合管理系统里每个策略配了多少权重，这些策略加起来的仓位又是多少，然后根据机器所给出的信号(卖出或买入)的各类数据(包括融资融券、投资者入场情况等)，判断机器给出的信号有没有明显的错误。”一位量化对冲经理说，如果当天需要交易，他就会生成交易指令，再下单到交易系统，交易系统就会开始自动运作。
在传统的投研中，基金经理及研究员们对财务、交易、市场等数据进行建模，分析其显著特征，利用回归分析等传统机器学习算法作出交易策略，到了人工智能阶段，这些工作便交给了计算机。目前，一些私募基金已开始将量化对冲的三个子领域融入日常交易策略中，尝试获取收益，它们包括机器学习、自然语言处理与知识图谱。例如，作为全球最大的对冲基金，桥水联合(Bridgewater Asspcoates)使用的是一种基于历史数据与统计概率的交易算法，让系统能够自主学习市场变化并适应新的信息。
AlphaGo大胜李世石柯洁，引发全 关注。投射到投研领域，则是以人工智能量化选股和人类基金经理之间的对决。已经证明的是，人工智能选股在规避市场波动下的非理性选择、回避非系统性风险、获取确定性收益方面等更胜一筹，波动率、最大回撤等指标也更低，表现更稳定。
然而，机器虽然动作比人快，但思维还是没人快。比如面对某个新出台的政策、市场热点，基金经理可以立即以此为主线采取行动。但是机器没那么快。这是人的优势。再譬如，机器一次只能做到一个阶段做一个策略，比如供给侧改革，只能想到煤炭、钢铁、有色金属里的股票，但是对基金经理，他就还能同时做价值投资或动量反转等策略。
整体来说，将整个股票投资决策过程全部交给机器，目前来说还属于少部分金融巨头企业才能做到的事情。
美国硅谷“感知力”技术公司让人工智能程序全程负责股票交易，与其他一些运用人工智能的投资公司不同，该公司交易部门只有两名员工负责监控机器，以确保出现不可控情形时可通过关机终止交易。据报道，“感知力”公司的人工智能投资系统可以通过经验学习实现“自主进化”。公司在全球拥有数千台同时运行的机器，其 算法创造了数万亿被称为“基因”的虚拟交易者。系统利用历史数据模拟交易，目前可在几分钟内模拟1800天的交易量，经过测试，不好的“基因”被剔除，好的“基因”被保留。通过考验的好“基因”被用于真正的交易。公司员工只需设定好时间、回报率、风险指数等交易指标，剩下的一切都交由机器负责。
公司首席投资官杰夫·霍尔曼透露，目前机器在没有人为干预情况下掌握着大量股票，每天完成数以百计的交易，持仓期限为数日到几周。公司说机器的表现已超越他们设定的内部指标，但没有透露指标的具体内容。
随着人工智能技术的持续进步，人工智能投资成为被学术界和资本看好的领域。英国布里斯托尔大学教授克里斯蒂亚尼尼说，股票投资是十大最有可能被人工智能改变的行业之一。另一方面，也不是所有的投资商都信任机器，英国对冲基金曼氏金融首席科学家莱德福警告说，不应过度信任人工智能投资，该领域还远没有成熟。虽然有各种各样具有迷惑性的承诺，很多投资人的钱却有去无回。
根据艾媒咨询发布的《2019-2020年中国 教育行业发展研究报告》，在政策利好、消费升级和技术浪潮的共同推动下，中国 教育市场规模和用户规模持续扩大。2020中国 教育市场规模有望增至4538亿元，用户规模将增至3.09亿人。
2020年中国 教育行业发展趋势如下：
1、K12市场需求大 关注用户体验及需求
受政策利好、社会教育意识加强以及中小学学生升学压力的影响，未来K12 教育市场需求将继续增大，综合实力更强、更加关注用户体验及需求的产品将进一步扩大 优势。
2、 素质教育持续升温 课程质量成关键
随着 素质教育行业发展，学生和家长可选择的 增多，课程内容及教学质量将成为竞争关键。
3、个性化教育受重视 AI教育优化发展
利用AI技术可以描绘用户画像， 推送学习内容，及时反馈学习成果，有利于促进个性化教学。
4、 互动趋势增强，用户体验至关重要
随着5G技术在教育场景中的应用，用户体验将得到改善，影响 教育 的用户粘性及口碑传播。
5、教育 专业化发展，深化优势领域
针对目标消费群体提供专业化的服务，才能更好地满足用户需求，提升用户体验。 教育企业应 自己的定位，凸显自己的优势，为目标市场提供 教学服务。
6、发力下沉市场，促进 教育资源共享
教育可以进一步发力下沉市场，将 课程资源传递到三四线城市，实现 教育资源共享，满足三四线城市居民的教育需求。
今天关于“自动化大发展的当下，哪些行业将消失？”的探讨就到这里了。希望大家能够更深入地了解“自动化大发展的当下，哪些行业将消失？”，并从我的答案中找到一些灵感。
评论前必须登录！
注册