書評,好書推薦,書籍推薦,好書導讀,書籍導讀導讀 | 每天替你導讀好書 | 知識家

  • 這是最好的時代,也是最壞的時代


    19 9 月 2019 遠流出版

    從摩爾定律(Moore’s Law)啟動的那一天開始,人類就註定會走入資訊時代(information age)。這是一個所有人都能快速便捷地傳達資訊、吸收資訊、處理資訊的時代。

    如果一位古代的學習者穿越到今天,他除了會驚訝人類文明與科技的發展之外,可能還會對這個時代的一大特徵做出感嘆——在這個時代,要獲取知識太容易了。

    前人必須付出大量資金,透過人脈、地位才能獲得的知識,現在變得幾乎人人都能獲取。知識依然有其價值,但獲取知識的管道大大地增加,獲取知識的門檻也大大地降低。基本上,只要你能連上網路,你就能在任何時間地點獲取知識。

    但如同查爾斯・狄更斯(Charles Dickens)的名言所說:「這是最好的時代,也是最壞的時代;這是智慧的時代,也是愚蠢的時代。」

    資訊時代為我們帶來了許多的益處,這你我都能在日常中感同身受,這裡就不多說了。但資訊時代也為我們帶來了無可避免的負面效果。

    具體來說,資訊時代帶來了三個困境,這三個困境是每個人都註定要面臨的挑戰。資訊時代的第一個困境是:當資訊變得唾手可得的同時,人們的注意力也逐漸被巨量資訊所淹沒了,資訊變得氾濫。

    那麼「資訊氾濫」這個現象具體又有什麼問題呢?

    其中一個明顯的問題就是會釀成「擠出效應」,將正確的、重要的知識擠出了人們的注意力之外。書局裡總會有一大堆的書其實是無關緊要、讀不讀都無所謂的,但這些書就是會擋在好書的面前,干擾你的判斷。

    這種現象在網路上更是氾濫,一大堆垃圾資訊佔據了螢幕,而且通常是愈膚淺、愈娛樂取向的資訊出現得愈頻繁。這些資訊還會用各種有吸引力的標題來吸引你的注意力,誘使你點擊進去,導致你將時間和精力都浪費在了垃圾資訊上。

    有經驗的學習者早就意識到了這個問題,因此他們會有意識地砍掉垃圾資訊的來源,取消追蹤任何垃圾資訊的製造者,選擇性地挑選有價值的資訊管道。

    而這也是知識服務商(例如:大學、學術期刊、邏輯思維、網路自媒體)存在的價值。他們的一大作用就是精挑細選出特定領域的重要知識,讓用戶在使用他們的服務後,能夠專注於吸收重要的資訊上,讓時間和精力達到更大效益。

    但是,知識服務商的素質良莠不齊,他們所推播的資訊也不一定都對你的胃口。他們認為有價值的知識,並不代表對你來說也有價值;有時他們會用力過猛,推播過多資訊(通常是網路自媒體),結果知識服務商也成了資訊氾濫的根源。另外,知識服務商也不總是對的,畢竟每個人都會犯錯,他們傳達的資訊有時也會出現錯誤。

    因此,個體還是有必要自行建立一套「過濾機制」。

    一來是為了在日常的巨量資訊中過濾掉無益的垃圾資訊,以及比垃圾資訊更具危害性的錯誤知識(例如:各種偽科學知識、毫無根據的資訊),對知識服務商也需要進行再過濾,確保正確性。

    二來是為了「找錯」,為了找到資訊的錯誤之處,找到自己或他人的錯誤之處,然後從錯誤中學習、成長,提升自己的正確性。

    整體而言,你的過濾機制決定了知識網的正確性有多高,正確性的高低則決定了知識網的輸出品質。

    我們需要提升正確性。

    當資訊變得極其容易獲得時,所帶來的另一個變化,就是人們可以學習更多樣的知識,讓思想變得更多樣。我們可以透過大量的線上開放式課程、書籍和文章,去學習其他領域的知識,大幅度地開拓我們的知識邊疆,而且其成本是絕大多數人都能負擔的。

    按理想的情況來說,應該會有許多人善用這些方便的資源去提升自己,學習專業與專業之外的領域,以拓展自己的知識面。但在現實中,只有很小的一部分人「足夠勤勞」,能實踐跨領域學習。

    這是因為人們還停留在傳統的觀念——出來社會就必須培養一技之長,也只需要培養一技之長;要獲得美好的生活,就應該投身於一個領域,然後一輩子專注地做好這個領域的工作。

    而事實也的確如此,你並不需要成為一個「通才」才能填飽肚子,你只需達到前面的三個學習層次,成為一個「專才」就已經足夠了。另外,專注於成為一個專才容易得多,而要成為通才不但困難,還給人一種學而不精的感覺。

    目前來說,要能夠生存並過上中產階級的生活,成為專才足矣。但如果你有力爭上游的野心,也不是個只滿足於現狀的人,那麼你可能會考慮嘗試成為通才。

    有研究發現,擁有多樣知識的通才,其平均薪資比專才更高;在某些需要複雜技能的領域,通才的收入甚至可以比專才高出44%。另外,通才式的CEO,無論是受歡迎程度還是收入,都高於一般的CEO。

    為什麼通才會比專才更值錢呢?
    答案就在於「知識的多樣性」。

    通才往往更擅於解決問題,這不是因為通才的智商比較高,而是因為通才往往能夠用不同的角度和眼光來思考問題,為領域帶來新的見解。

    換句話說,通才的「工具箱」裡總會有多種不同功能的工具,能搭配運用來解決各類問題;而專才的「工具箱」裡通常只有一個種類的工具,所以解決問題的能力自然有限。

    創新工場董事長李開復曾對未來的職業發展評論道:「純技術,不如懂技術和用戶;懂用戶,不如懂技術、用戶和產品的人。這種綜合的能力是非常非常強大的,無論你是想去什麼地方,這是很重要的。」

    而既然成為通才是有回報的,那麼我們可以預期會有愈來愈多的人願意跨領域學習,也會有愈來愈多人意識到跨領域學習的重要性,正如上一代的人意識到上大學的重要性。

    再加上身處於資訊時代,科技會讓跨領域學習的成本再進一步下降,將會有更多的人得以實踐跨領域學習,也將會有更豐富的知識供你學習、提升知識的多樣性。

    慢慢地,職場上的升遷條件將會提高,以前和現在你都只需要有單一領域的文憑,展現出你在該領域的專業知識,就足以獲得升遷的資格。但你會慢慢發現:競爭的標準升級了。除了需要展現出專業知識之外,你還要跨領域學習,以提供一些你的同行、同事所無法提供的價值。這樣你才比較有望獲得升遷,以及獲得同行未能具備的競爭力。

    我們需要提升多樣性。

    資訊時代還有一個特點,那就是世界前進、變動的速度正在加快,科技也在加速進步。這些加速除了帶來更便捷的生活以外,還導致了一些舊有的技能知識的價值正在貶值。

    例如,計程車司機透過長年的工作,終於熟悉了城市裡複雜的交通路線,因此他具備了乘客所沒有的優勢,總是知道更快到達目的地的路徑。但這項優勢已經被先進的全球定位技術所超越並取代了。每個人只要打開手機裡的地圖應用程式,就能獲得更精準、即時更新交通情況,並能計算出最快到達目的地的路線。

    除此之外,無人駕駛技術也逐漸成熟,甚至能提供比人類駕駛更安全的行程。早在2010 年,谷歌無人駕駛就已經在從鬧區到高速公路的各種道路上行駛了14 萬英里,並且沒有發生過事故。直到2016 年初,谷歌無人駕駛在路上行駛了200 多萬英里後,才終於發生了第一起須負主動責任的交通事故。

    如果時間再進展得快一點,計程車司機這個職業或許就會消失。

    說得更明白點,就是個體賴以生存的一技之長,可能在幾年內被技術完全超越、取代,成千上萬的人將會被機器和人工智慧所取代,尤其是工作相對機械化的職業。

    事實上,不止是機械化的勞動力,就連需要高智力的職業都可能被部分取代。例如:律師、記者、編輯和某些醫療崗位。

    在醫療體系中,涉及影像辨識、醫療診斷和手術的崗位,目前都已經有對應的智慧化機械可以代勞了,而且做得比人類更精細、準確。在美國的律師業中,初階水準的律師已經開始愈來愈難找到工作,因為大部分處理法律文件的工作也可以交由人工智慧代勞了。人工智慧還可以進行寫作,一些媒體公司已經開始使用電腦程式產生財經新聞,只是在發表前還需要人類稍微潤稿而已。

    上面所說的這些職業無一不是需要一定智力,且需要長期刻意練習後才能做得出色的工作,但它們還是面臨了被人工智慧取代的風險。

    當然,還是有些工作較難被人工智慧取代。

    科技史作家吳軍博士在他的專欄《矽谷來信》中提到,他曾經和人工智慧領域的泰斗麥可・喬丹(Micheal Jordan,與籃球明星同名)討論有關話題,後者指出,以三十年為準,人工智慧還無法做到以下這幾件事:

    1. 創造性
    2. 總結概念發明單字
    3. 變通的靈活性
    4. 學習完整的知識體系,並且在此基礎上創造新知識

    這是因為人工智慧雖然可以計算數字、處理數據,但並不能理解這些任務背後的意義、本質。它們能計算出在行駛中何時應該剎車,但它們不明白為什麼要那樣做,也就無法在這個基礎之上產生新的行為。

    用一個具體例子可以說明上述觀點:假設公路上有兩輛汽車在行走,一輛是「公路行駛效率和安全性」都超過人類的無人駕駛車,幾乎能完美應付絕大多數的路面情況;另一輛則是普通的人類駕駛車,能以不錯的水準應付絕大多數的路面情況。

    現在,天空中不遠處有一架直升機忽然發生了故障,正從上方墜落撞向這兩輛汽車,你覺得誰能夠成功躲開?

    答案是人類駕駛。這位人類駕駛雖然也沒有遇過類似的情況,但他還是可以快速判斷出這個情境有危險,需要避開。

    但對於無人駕駛來說,就算它們能應付絕大多數路面上的交通情況,能透過各類數據分析避開一般車禍,但還是無法從過去車禍的相關數據中認知到「上方有直升機衝著過來」和「有車撞過來」本質上是相同的東西,也因此不會避開。

    人工智慧還遠不具備「產生洞見」的能力。它或許可以比人類更快計算出亞馬遜森林裡有多少棵樹,但它不會產生從「多棵樹木」到「森林」再到「生態系統」的理解轉換。人工智慧只能在表面層次對數據做出計算與反應。

    總而言之,人工智慧無法對事物的本質有所洞見,也無法創造新概念。

    這意味著,人工智慧難以取代的職業,通常是需要展現「創造性」的職業。

    例如,人工智慧可以取代部分醫療診斷和手術崗位,但如果出現新的疾病變種,人工智慧未必能針對變種提出新的醫療方案;人工智慧可以勝任處理法律文件的工作,但人工智慧無法從這些文件裡產生洞見,也無法代替律師對個別案件提出贏得官司的奇策;人工智慧可以產生財經新聞,報告一些財經消息,但人工智慧無法從各類財經消息中,提煉出獨到的財經見解。

    儘管人工智慧已懂得作曲,但只要人類還能夠創造出比人工智慧更獨特的曲子,那麼還是有得拼的。所有可以展現創造性的工作,被人工智慧取代的風險相對
    較低,創造性很可能是人與機器比賽的最後一個戰場。

    我們需要提升創造性。

    總結以上所述,我們一共提到了三個需要提升的維度:正確性、多樣性和創造性——它們是本章的三個主角。在我看來,在這三個維度上進行拓展,是每個有上進心的人遲早都要做的努力,而這麼做有許多好處。

    例如:你犯下的錯誤會減少、競爭力會提升,更難被淘汰取代;你更能清晰理解世界、更能好好解決問題,更有可能突破瓶頸;你的成長會再次加速、思考會變得豐富,思想也會變得有深度。

    本文摘自遠流出版《深度學習的技術:2週掌握高效學習,立即應用

    知 識 家
    INSTAGRAM

    知 識 家

    <-- hide ad code-->