「10年內，40%傳統工作會因AI而縮減？」
Mckinsey一份報告預測，美國於2030年，將會有40%傳統工作因為AI自動化而大為縮減 [1]，而 MIT IBM Watson AI Lab一份報告則預測，AI的發展不會取代人類。而是令人類能減少重複性工作，專注於需要創意和判斷決策的工作 [2]。
面對急速變化，不可知的未來，我們需要做的，並非單單掌握更多「新知識」（to learn），而是能掌握「學習新知識」的能力 （learning to learn），即是「學習如何學習」。其精粹有以下三點：
1. 鞏固基礎，融會貫通
先說一個大家熟悉的例子：獨孤九劍。這是金庸小說《笑傲江湖》裏的最強劍法，其要旨在於一個「悟」字。首先透過學習基礎劍招，從過程中掌握料敵先機的能力。然後即使盡數忘記劍法也不相干，忘記得愈乾淨徹底，愈不受原來劍法的拘束。於是即使面對從未見過的劍招，也能應對。《倚天屠龍記》中，張三丰傳授張無忌太極招式時，也是要他忘掉招式。總括來說，先鞏固基礎，再融會貫通，最後忘記原來的表面形態，就能無招勝有招，超越原來的招式，也就是掌握了新知識了。
2. 過程非常重要
「學習知識的過程」，比起知識本身更有價值。不時聽到人說，在中小學被逼學習數學、物理、歷史等，因為感到這些知識在職場上未必有用，於是失去學習動機。電影《那些年》有句對白，很能夠反映這種心態：「十年後，就算我不會log，還是可以活得好好」（當然這是不正確的，在肺炎疫情期間，很多人就因為看不懂傳染病學的Log圖而鬧出不少笑話，但這不是本文重點）。
但其實，學習數學，並不是為了記住方程式，而是為了在過程中訓練出邏輯思維，及解決問題的規劃能力；學習歷史，也並不是為了背誦年份和歷史事件，而是為了在過程中訓練出分析、歸納、比較、評價的能力；而這些能力是可擴展的（scalable），可以應用在很廣泛的場景。就像獨孤九劍一樣，中學時若認真學習基礎數學，儘管之後把中學程度的數學方程式忘記了，但過程中所訓練的邏輯思維，在解決非數學問題時就會非常有用。例如很多今日大行其道的人工智能算法，如卷積神經網路（CNN）、深度置信網路（DBN）、迴圈神經網路（RNN），就需要以數學思維來理解和優化，然後就可以應用於例如電腦視覺（CV）、自然語言處理（NLP）、生物資訊學（bioinformatics）等範疇，這是當初學習基礎數學時未必能想像的。
再舉例，筆者研發的聲紋匹配算法，咳嗽聲診斷算法，人工智能作曲算法等，也是從學習密碼學的過程中得到啓發。知識環環相扣，講求融會貫通，而且最終的應用場景，很可能和學習初期的形態南轅北轍。正如宮本武藏在《五輪書》所言，在兵法登峰造極後，以揣摩兵法的思考方法，就能掌握其他方面的才藝。
3. 能解說，就能理解
電腦編程界有一絕招，名為「小黃鴨除錯法（Rubber Duck Debugging）」[3]，相當有效。簡而言之，就是把小黃鴨放在電腦旁，在編程期間向小黃鴨講解程式，以啟發靈感和發現問題。當然，按個人喜好把小黃鴨更換為初音未來或盆栽也可。其重點是，若你能把心中所想，把所掌握的知識，很有條理地說出來，你才算是真正掌握了該知識。而透過講解的過程，你往往能發現之前看不見的問題，就能作出改進。更進一步是，多找機會教導其他人，若你能教，就代表你真的把該知識融會貫通。
知識本身會過時，學習新知識的能力才是永恆，本文先為此作簡單概述。於下一篇文章，筆者將會具體探討例如STEM、AI、Data Science、Machine Learning等在新時代的角色，如何透過掌握他們，以擁有學習未來知識的能力。
參考
[2] https://www.ibm.com/blogs/research/2019/10/mit-ibm-watson-ai-lab-future-of-work/
