「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/
!doctype>