对于我们中的一些人来说，人工智能(AI)仍然是一个谜，他们想知道它对工人的潜在影响。

大端undefined，往往含糊-claims已经进行了一些关于AI的潜力，做这样的事情改善认知(例如，从扫描医学诊断)，自动化的判断(例如，仇恨言论检测)，并预测社会后果(警察或工作放映)。然而，尽管如此，该技术仍然是一个动荡且新兴的主题，没有单一的定义，也很少有实际的采用案例可供学习。最值得一提的是，当无法就AI到底可以做什么的问题达成共识时，很难解析AI可以接替人类所做的工作。

幸运的是，斯坦福大学同事迈克尔·韦伯(Michael Webb)的一篇开创性undefined论文突破了许多主观的主张和评估。Webb的方法发现了普通职位描述和基于AI的新专利之间的重叠，从而以精确，客观的方式详细描述了AI在工作场所可以或可能很快实现的功能。

韦伯从16400项专利中，使用自然语言处理算法编辑了8000个动词-宾词对。下表显示在Brookings Metro关于AI对人和地方的潜在影响的报告中，按频率显示前八名。

该表是Rosetta Stone的东西，用于开始解析AI的当前和未来功能。由于专利是对未来商业相关性的预测，因此，韦伯的动词对非常接近，我们可以了解研究人员和公司如何预期将部署AI。而且由于申请人必须为专利申请支付不平凡的费用，因此这些词语的预测价值可能超出纯粹的主观专家评估。从这个意义上讲，这69个动词-宾语对构成了关于AI所做或可能很快完成的见解的异常扎实的依据。

这些词对说明了AI的功能?

动词“ recognize”，“ detect”和“ determine”表明了各种旨在增强人类感知能力的AI功能。诸如“识别，识别，面部”，“检测，异常”或“识别，非法”之类的配对指向了一组相对简单的经验或测量活动，人工智能已在这些活动上取得了真正的，快速的进步。在这一方面，无论是在语音和面部识别方面，还是在运输，医学或消费者保护方面，人工智能现在通常都超过了人类的准确性。

与感知方面的这项工作相关的是一系列“控制”活动：“控制，过程”，“控制，排放”，“控制，交通”等。这些动词-宾语对似乎指向一系列能力，其中AI将增强的感知能力与自动化的命令控制活动联系起来，以自动“优化”性能，例如电厂的能源效率。目前，这种感知和控制工作中有些涉及人工监视，但似乎是相对常规的，而不是高级的或深层次的“人工”。

话虽如此，某些动词-宾语对确实似乎需要更高阶的以人为中心的能力。动词“确定”，“分类”和“预测”特别具有暗示性。这些活动中的每一项都需要对人类智力的输入特征进行分类。诸如“确定，相关性”和“确定，风险”或“分类，数据”和“分类，模式”之类的配对都涉及抽象概念分析，尤其是模式识别。因此，诸如“预测，性能”，“预测，行为”或“预测，预后”之类的功能表明，已获专利的AI应用程序已开始模仿高级人类思维过程。

尽管AI似乎尚未准备好在短期内取代人类认知的所有方面，但它正朝着智能的一个特定方面：预测，这是决策的核心，也是所有职业的重要方面。不确定条件下的预测，如Ajay Agrawal，Joshua S. Gans和Avi Goldfarb所undefined观察到的，是卫生，商业，管理，市场营销和教育领域许多信息行业工作中普遍存在的挑战性方面。因此，我们的最新分析得出的结论是，高技能，高薪职业将受到AI的影响最大，这些职业包括财务经理，程序员，市场研究专家和管理分析师，这也就不足为奇了。预测无处不在，但随着人们向白领职业阶梯的上移，预测尤其重要。

从这个意义上说，迈克尔·韦伯的动词和宾语矩阵为工作的未来提供了扎实而精确的新信号。而不是例行或死记硬背的工作，是那些需要进行高阶预测的工作，而这些工作可能最容易暴露于AI。至少，这是我们的预测。