想必你有这样的经历：
“欢迎致电XX，普通话请按1，English service press 2”，我们选择按1；
"国内机票请按1，国内酒店请按2，国际…… " 我们再选择按1；
“机票预订请按1，机票查询请按2，退票请按3…… ”；
以上的各个问题，是不同维度的输入请求（语言、服务、功能），每个问题几乎被分解成了互斥又互补的几个选项：比如听中文就不能听英文，机票服务和酒店也无法一起操作。但是功能范畴，预订和查询就是一种原子结构：其他操作可以分解成这两种操作的集合。比如改签，实际上是需要查询一次，预订一次，再退票一次…… 但是毫无疑问，你如果用系统背后设计的机制去改签及其不方便，会让人抓狂。于是乎我们有期待这个菜单最后有个“人工服务请按0”。通常，令人更加失望的是，人工服务一般要等待好久，甚至干脆就没人听。
所以，只有机器，没有人类的世界，并不是那么美好。
人与机器，各有各的擅长。机器擅长做的，是实现确定的工作：就是有确定的输入有确定的输出。它还可以进入人类看不到的地方捕捉到一些人类看不见的信息。而且在这些信息的处理上甚至做到了比人类更好的结果。
而人呢？总是擅长于那些机器还不是那么擅长的活（机器擅长了就没人什么事儿了）。特别是擅长于统筹和协调来自不同机器输出的数据和结果。
语音电话应答上面的工作，人都可以做；事实上在语音机器人出现之前，人类也确实是这么做的。但是还有一些领域，是人类暂时无法企及，但是机器可以感知到的，比如说各种传感器和医疗器械。血压仪只需要绑在手腕上，按下按钮就可以感知到人的实时血压是多少，结果还是很准确的。心电图仪器只需要几个小小的按钮，就可以操作机器打印出人心脏跳动的律动形状。通过这些图形的变化可以简单分析出可能存在的心脏风险，提供给医生作为判断。 但是话又说回来，最终的结果还是要交给医生判断而不能由心脏图仪器直接说的算。这样做的原因有两个：第一是因为确实有一些患者的心电图和正常人的心电图是一致的。反过来说，检查出了一定的形状并不意味着一定生了什么毛病。另一方面一旦做出诊断和后续的安排治疗手段，就意味着要对此负责，显然机器是无法对患者的健康负责的。这样的责任，最终还是要落在医生身上。但毫无疑问，心电图机器的出现，为医生诊断提供了更多的信息，可以帮助医生的判断，提高他的诊断正确率。在古老世界里，只能靠诊脉获得的那些“信号”，在今天几乎都通过机器实现了数字化的革命和规模性的应用，为人类社会做出了巨大的贡献。
医学是一个非常好的人机合一的例子：分工明确，配合默契；虽然还有很多不完善的地方（毕竟不是所有的病都能治好），也还有大把的改进空间（比如机器人做手术），但毫无疑问这是一个杀手级的应用：人能够看到一些以前不方便看的地方，同时通过学习数据，来获得尽可能靠谱的结果。就如同AlphaGo一样：虽不保证最终一定会赢，但是得出的结论是所有选项中正确率最高的一种。
在这种机制的普及下，机器取代一些人的劳动不是天方夜谭。最危险的一类人是以前非常专一的工种：比如操作同一种机器的工人，因为机器很擅长做同样的重复性劳动嘛…… 所以无论是柜员、接线员、流水线操作工、司机、打字员、翻译等等，都面临着一些风险。
拿司机举例：汽车作为现代化工业的一个重要组成部分，在人类历史这一百多年来也经历了不少的转变：从开始有这种东西替代牲口，转变为战争的工具。和平年代，又从大型企业政府的办事工具走入了寻常百姓家。我小的时候，很多工厂和政府部门还配有专职司机，现在这种岗位大幅减少（当然还有出租车一类的“共享司机”）。而驾驶技术的普及和私家车的大规模发展，又为自动驾驶的新技术开启了大门。 人不用学开车了，汽车自己就能安全，及时地到达指定地点，那么还要司机做什么呢？一个朋友曾经说起他的梦想：等我下了班回到家，我的车就可以出去跑快车赚钱了，看起来非常美好。
可是，当人们都有了可以自动驾驶的车，谁还需要去用车呢？
生产模式发生变化的时候，商业模式往往会跟随发生变化；这是这个时代的美妙之处，我们时时刻刻提醒自己认真生活，也是为了见证这些变化，更好地适应未来。
#413-Haomian-一齐听棉讲故事#+橙子学院码字岛第15篇作业
