經過幾十年的微妙的發展，在很大程度上不被注意的工作世界，人工智能（人工智能）已采取中心階段，在過去的兩三年中，作為一個“熱”技術。

從谷歌飆升的收購（DeepMind，波士頓動力，等），增加風險資本的關注，對安全的擔憂的Elon Musk和比爾蓋茨關于潛在的超級智能AI的領域，無疑是在聚光燈下。

在工作中，我們最迫切的問題之一是自動化對工作安全性的影響--藍領和白領工作。

雖然比較遠的考慮是很難預測的，許多有經驗的計算機科學研究者感到相當舒適的關于AI的影響在未來的5-10年。

有這么多潛在的毫無根據的猜測自動化可能會影響自然和人類工作的需求，我決定問六人工智能博士關于知情的角度對如何可能會影響在未來的就業市場。他們的答案在工業上沒有太多的共同性，但他們確實有一個共同的主題：擴大或加強使用現有的算法。

而識別人臉，或分類的Web圖像（識別動物，地標，對象）曾經是人類的艱巨任務，這些任務現在可以由受過訓練的神經網絡自動（谷歌的彼得Norvig解釋這個過程相當好）。

視覺數據遠遠不能是唯一的領域，可能是在圍攻狹隘的情報。馬丁福特（在收到書崛起的機器人作者）提到，在未來10年內，我們可能會看到更多的自動化工作位移而不是藍領白領工作。

有正在進行的辯論，無論是技術進步本身創造更多的就業機會比他們破壞。

丹尼爾伯林特同意，說明“流動性無疑是一個相當困難的技術問題，目前的困難，與電腦更容易操作的數據比人類比它們接管大多數體力勞動工作，至少是暫時的。”盡管在過去的10年中，雙足機器人的發展令人印象深刻，以靈巧的體育工作如在一個繁忙的餐館不可能自動失業很快移動家具或承載板的人（雖然固定裝配工作正在圍攻從古至今，多與設備像Rethink Robotics的Baxter）。

一些研究人員認為，同樣的可能會說是狹隘的數據評估，而不僅僅是數據操作。安德拉斯科爾奈表示，“IBM正在沃森進入醫療領域-我希望同樣的事情發生在法律領域。”雖然這是可能的，機器學習將有助于在醫療成像癌癥或其他疾病的檢測，這些技術不可能把醫生的工作。

在工作領域中，我們最迫切的問題是自動化對作業安全性的影響。

無人駕駛汽車的公司可能只是為那些反對Uber目前激烈的戰斗，科爾奈和其他人預測一個合理的逐步轉向自主車輛，這可能緩解劇烈的經濟轉變的沖擊。

我們可能會看到一個圍繞這些法律問題的方法，一個漸進的“信任轉變”從人到機器，而不是一個公開的跳躍從百分之100人的驅動程序到百分之0人的驅動程序。無論哪種方式，很多非常聰明的AI的人似乎認為，下一個十年是一個當無人會踢。

像許多技術變革和自動化的雙重影響，無人駕駛汽車可能會有巨大的好處，以及。“如果你不需要在每天一個小時甚至更多輪的有潛力的人那么多的釋放，說：”出發。這并不是說，卡車司機都會成為非常有效的所有騰出來的時間他們在免提通勤到下一份工作，但它是自動化的銀色李寧潛在的例子和就業市場。

有（在可預見的將來，將繼續）正在進行的爭論，是否技術進步本身創造更多的就業機會比他們破壞。最無知的爭論是黑白相間的，很明顯從訪談主題專家，有對未來的結果不一致，經濟或技術上。

看起來很清楚的是，在未來十年中，有重要的自動化和人工智能的趨勢與現有的算法和技術，有可能在未來十年有更大的就業市場的影響力，他們是值得的。也許機器視覺能幫助我們。