可以证明机器正在变得越来越能干的四种发展趋势：

第一种，机器现在可以深入研究我们的过往经验和识别模式，发现其中的规律，做出精准的预测（大数据）。

第二种，有些系统已经可以处理那些通常被认为需要人类智慧才能操作的任务（IBM的Watson）。

第三种，有些机器可以在物理世界里完成讲究技巧的、精细的手工操作（机器人）。

第四种，有些系统已经可以辨识并且表达情绪（情感计算）

......

实践经验总是来自于人类专家，一个人不断操练某种专业技能，成为一名专家，将他的实践经验标准化，然后加以系统化，最终就可以实现外化交付了。当然也并非所有的实践经验都来自于人类。基于我们在前几章所呈现的不断发展的技术手段、本章早先探讨过的知识特性，以及已经被投入使用的新系统和新工具，事实已经很清楚——实践经验可以通过其他方式被创造以及传播。除了专业人士以外，普通人以及专业人士的助手，借助各种机器、系统和工具，或独自工作，或通过网络、在线社区进行协作。所有人都在各施所长，着手解决专业性的问题，而这些问题过去都是交给专业人士打理的。

根据以上情况，我们可以找到两种全新的、特征明显的实践经验的创造方式。第一种来自于非专业人士，第二种则来自于人类的帮手——系统及工具。从某种意义上说，这也创造了两股新的劳动力，它们有望替代传统专业人士的工作：第一种情况下，工作可以被重新分配给不同类型的人；第二种情况下，工作可以被交给机器。

......

创造与传播实践经验的模式归纳为七种：
1.传统模式
2.专家网络模式
3.专业人士助理模式
4.知识工程模式
5.经验社区模式
6.内嵌知识模式
7.机器生成模式

其中，传统模式代表了目前专业人士的主流工作模式，其余六种都是可供选择的替代方案。随着近年来技术的不断进步，这六种模式都具备可行性，起码指日可待。我们明白这些模式并不同等适用于所有专业领域。有些特性，比如一对一的互动，可能仅适用于某种工种（比如医药，但并不适用于新闻工作）。

......

下一代人在一生中可能会从事几份不同的工作。但是，随着专业工作不断被分解，机器变得越来越强大能干，就业市场迅速做出响应，我们预期人类将不再以职业为基础，而是以任务为模块来接受培训。以这一概念作为基础，再加上我们之前描述的实践经验创造传播的六大模式，我们可以开始尝试性地描述，在后专业时代里人类的角色、应当承担的任务和活动。我们把它们总结为12种未来的“角色”:

1.手艺人
2.助手
3.专业人士助理
4.同理心提供方
5.研发人员
6.知识工程师
7.流程分析师
8.网站管理员
9.设计师
10.系统提供方
11.数据科学家
12.系统工程师

以上这12种“角色”就是未来不容易被AI替代的。