您可以更清楚地描述任务，为其创建规则越容易，然而，技能描述或发音越难，它对计算机化的抵抗力就越大。麻省理工学院经济学家大卫·奥托尔在匈牙利经济学家，哲学家和化学家迈克尔·波兰尼(Michael Polanyi)之后将这一现象称为波兰尼的悖论，他在他的着作“默契维度 ” 中对其说“我们知道的比我们所知道的还多”。

我们毫不费力地做什么，因为人类可能最不容易自动化。我们的人类知识和能力中有技能和规则在意识之下。考虑描述你如何骑自行车或骑马，如何在碗边打蛋，如何在一杯咖啡从你的手中滑出时调整你的掌握，或者在写一个段落时如何说服某人。这些小事物阐明了我们与周围世界互动的默契质量。

奇怪的是，今天需要的一些高技能工作，例如计算机编程，可能会成为未来最容易实现的自动化技能。Autor解释说，像数学，逻辑演绎和编码定量关系这样的工作 - 实际上任何涉及“一套正式逻辑工具”的工作 - 都可以自动化。

这有助于我们了解我们如何不仅能够生存下去，而且能够在许多未来学家预测的未来工作中茁壮成长。涉及适应性，解决问题，沟通和常识的中等技能工作将持续存在，即使传统的计算，生产或文书职业可能会收缩。甚至有大量的职业需要感觉运动技能，这些技能将会增长或保持相关性。

亚马逊在新泽西州的履行中心的镜头。

在最近关于麻省理工学院媒体实验室工作未来的EmTech Next会议上，我惊讶于机器人专家在机器人主义者如何描述教授机器人如何抓住物体并简单地调整其抓地力是多么困难。这是大多数婴儿在开始拿瓶子或抓住成人指尖时学到的天赋。每个科学家都在吹嘘他们正在构建的新技术，但每个人都因为机器人无法掌握的巨大限制而缓和了他们对未来工作的预测。

亚马逊机器人公司的首席技术专家，Tye Brady领导了超过100,000台Kiva机器人的工作，这些机器人彻底改变了仓库的实现 - 描述了他对600,000名仓库工人日益增长的需求。该公司非常渴望人类，因为他们能够在Kiva机器人的零售产品之间挑选，掌握，直觉，识别和移动。这是一组丰富的不同技能，以极快的速度拼接在一起。

由于在线购物的急剧增加，这种特定于感觉运动的工作非常需要。正如Autor所解释的那样，“目前这些人类拾取器没有经济实惠的机器人传真。这项工作对灵活性，物体识别，物理灵活性和精细运动协调的苛刻要求太强大了。“

与此同时，亚马逊发现机器人不擅长的另一件事：帮助招聘过程。当它试图应用人工智能算法来对简历进行分类时，它发现该软件对女性有所作为，并且只提出男性作为有价值的候选人。不幸的是，亚马逊拒绝评论它。

尽管如此，想想在招聘实验中发挥作用的人类技能链，正如实验的领导者所想的那样，“嘿，这一堆中有很多人。女人在哪里?有女人吗?为什么没有女人?我们在创建这种排序算法时做了哪些假设?我们是如何训练算法的?也许我们应该重新考虑使用人工智能作为雇用的手段。“首先，观察，然后是混乱，然后是批判性思维，然后是问题解决，然后是道德，然后是判断。这是很多人 - 而不是AI技能拼接在一起。可能并不难想象AI会对一系列If / Then语句有所了解，但对于人工智能来说，将批判性思维技能与道德选择制作技巧和判断力结合在一起似乎更为遥远 - 而不仅仅是三个灵活的人性化技巧。

在频谱的两个方面，从手动到分析能力，未受影响的任务是“我们只是默认了解如何执行的任务。”Autor总结道，“遵循Polanyi的观察，事实证明，自动化最令人烦恼的任务那些要求我们只能默认的灵活性，判断力和常识能力的人。“麦肯锡全球研究院在他们最近关于生产力和自动化的报告中重申了这一点：

“自动化将为工作中的人们创造机会，利用机器最难复制的先天人类技能：社交和情感能力，提供专业知识，指导和培养他人，以及创造力。目前，工作世界仍然存在我们希望男性和女性能够承担尽可能无法延伸这些天生能力的死记硬背任务。随着机器在工作日开展更多可预测的活动，这些技能将会非常宝贵。自动化可以让我们更加人性化“。

未来的工作将是机器人。工人将补充和增加机器的工作，反之亦然。机器和人类已经合作，并将在未来继续进行更紧密的协调。从引导客户服务电话的聊天机器人到为人类教练和顾问引导的学生的预测分析，世界已经发展成为人类的人类。

如果你不能真正清楚地描述你参与的各种活动，那么这对你来说可能是个好兆头。许多无法替代或自动化的任务将是将我们定义为人类的任务 - 并使我们更加人性化。