明白这三点，AI来了也不怕

这是奴隶社会的第 1268 篇文章

题图来自网络。

作者：肖璟， 连续创业者，曾供职于麦肯锡金融机构组、小赢科技。互联网金融跨界人士，著有畅销书《风口上的猪》。本文来自：解题者 ( ID: imjietizhe )。

前天晚上，我受邀去参加了Linkedin中国和IBM的一个A.I.（Artificial Intelligence，人工智能）主题报告发布活动。

中间有一个环节蛮有趣的 — 主办方邀请《奇葩说》的辩手们讨论一个辩题：“职场人士，是否需要恐惧A.I.？”

双方唇枪舌战，甚是精彩，最后王强老师得出个结论： 无论恐惧不恐惧，如果不想那么快就被A.I.取代，我们需要积极迎接变化，才能保持自己的竞争力。

那么问题就来了，身处A.I.时代，我们要保持竞争力，该从哪方面下手呢？

要回答这个问题，我们要先看看，你究竟是和谁在竞争？

你的竞争对手有可能是其他人，也有可能是A.I.。 我们一分为二来看好了。

1. 与其他人的竞争

胡渐彪老师提到： A.I.技术让人与人之间的能力差距在缩小。

比方说老司机，过往有经验的司机师傅之所以牛X，很大程度是因为他们认路。而导航APP普及后，老司机们的这个优势也就不复存在了，跟新手司机也没啥大区别了。

“老司机”们的优势确实会逐渐丧失。不过人与人之间还是会有能力层面的差距，只是这种差距会慢慢体现在其他方面 — 新技术的应用能力。

丛林法则还是起作用，环境变了，适合生存的能力不一样罢了。

每次技术迭代，技术都会改变我们所处的环境，进而改变了人与人之间差距所在的维度。 比方说摄影，过往牛X的摄影师要精通暗房洗照片那一套，而现在，正片负冲啊什么的，一个滤镜按钮就搞定了。摄影的核心竞争力变成图像处理软件使用的熟练度。

在A.I.时代，我们与其他人的竞争自然也变成了A.I.操作能力的竞争，谁用得熟练，谁自然就有竞争优势。

当然，除了与其他人竞争，有可能我们还要跟A.I.竞争——

2. 与A.I.的竞争

如果哪天A.I.可以自主运行，那人类是不是就要丢饭碗了？

被A.I.替代似乎不是距离我们很遥远的事。前段时间看到一个新闻，投资银行Goldman Sachs的纽约办公室原来的600多个交易员现在只剩下两人，起因是他们研发了一套自动交易算法。

是不是很有危机感？那，有没有哪些核心竞争力是人类独有、A.I.取代不了的呢？

别担心，还真有。

A.I.的定位是人类大脑的外包，用来解放我们的脑力劳动、代替我们思考。

而回归A.I.目前的发展，大部分的应用仅仅是在思考速度上完虐人类。但在思考质量上，A.I.还远没有达到人类水平。

思考质量其实就是思考的等级。

类比一下，就像你玩角色扮演游戏，你的攻击速度是别人的100倍，但你一次只能造成1点伤害，对方一次攻击能造成10000点伤害，这个1与10000的区别，就是质量上的差别，你的速度再快也会被对方秒杀。

比如人类和猩猩就有思考质量上的差别 — 人类大脑有些独特的认知模块，让我们可以用复杂的语言沟通、让我们可以做抽象思考。猩猩则没有这些模块，就算把它们的思考速度加快到超越人类数倍，他们还是无法理解抽象概念。

那，思考质量最重要的是什么？

我们不妨先看看思考流程图，思考一般分为 归纳（induction）与演绎（deduction） 两种：

• 归纳过程是输入阶段，决定思考质量的是提炼能力；

• 演绎过程是输出阶段，决定思考质量的是应用能力。
  

输出后你会得到反馈，反馈又会成为你的输入，形成一个闭环。

接着，我们便来详细介绍下这两种A.I.短期内无法替代的能力。

- 提炼能力 -

当你把外部资讯内化（internalize）为自己的一部分时，势必要经历归纳的过程，而提炼能力往往决定着你归纳结果的质量。

我们可以一步步把数据提炼为信息，把信息提炼为知识，再把知识提炼为智慧。

DIKW金字塔， 上述例子省略了部分补充论据，仅供示意

A.I.也可以做到提炼。比如用数据挖掘（data mining）的方式从大量数据中提取信息，但提取出来的只是信息和知识，还没办法达到智慧的层面。

如果说从数据提炼信息、从信息提炼知识可以帮我们do things right ，那么从知识提炼智慧可以帮到我们的是do the right things。

- 应用能力 -

说完归纳，我们来聊聊演绎。

演绎过程中对已有知识的应用并不难， 难的在于举一反三的应用能力。

在麦肯锡工作时，一开始我做的大多都是金融机构组的项目，积累了不少金融行业的方法论。而后做房地产等其他行业项目时，发现很多方法论其实跨领域也是相通的。

而且金融行业的一些常见方法论，却不是其他行业从业者所熟悉的， 举一反三往往可以出奇制胜。

而聪明人往往可以在多个领域都做到极致，举几个跨界的案例：

• 比如好友S，他总是自诩为“学会计里头最懂产品的（在美国出版过一本产品书籍），学产品里头最懂技术的（任职某投行CTO），学技术里头最懂会计的（大学专业会计学，且以一级荣誉毕业）”…

• 再比如《思考，快与慢》的作者Daniel Kahneman本职是普林斯顿大学的心理系教授，却获得了诺贝尔经济学奖…

• 还有最著名的跨界人士达芬奇，拥有一堆抬头：画家、天文学家、发明家、建筑工程师…

举一反三的应用能力仍是人类思考质量上特有的，A.I.暂时还做不到。

稍微总结一下，身处A.I.时代，我们在面对其他人的时候，核心竞争力应体现在A.I.操作能力； 我们在面对A.I.的时候，核心竞争力应体现在提炼能力与应用能力。

搞清楚了我们该往哪些方面努力后，我们来看看下一个问题：

针对前述的能力，我也有一些落地的方法可以分享给大家：

1. A.I.操作能力

A.I.操作能力属于技能的一种，而技能的评价标准是熟练程度。熟练程度与使用程度成正比。

换句话说，越早用A.I.的人、用得越频繁的人自然就越用得越溜。

这不得不提 Everett Roger 的创新扩散理论：

根据该理论，不同的人接受创新的速度是不一样的。

不懂A.I.技术的我们或许没法成为那前2.5%的创新者（innovators），但我们可以保持好奇心，尽可能成为早期使用者（early adopters）。

个人觉得在这方面有3点可以做的：

• 一是多看看科技博客 ：TechCrunch、36氪、钛媒体、PingWest等等；

• 二是多更新硬件设备 ：不特指A.I.设备，比如不少人总会买最新一代的iPhone，甚至去kickstarter等众筹网站买一些创新硬件；

• 三是多和技术领域大牛聊天 ：看看最近圈里有哪些新的技术趋势。

2. 提炼能力

对于很多人而言，读书的效果并没那么立竿见影。

套用前述的DIKW金字塔，这完全是因为，大多人读书时，对于资讯的接受还停留在数据和信息层面，压根都没有往知识或智慧的层面提炼。 而提炼能力，是可以通过知识内化练习提高的。

这个练习分3步：

步骤1：读书

可以适当地通过读书笔记记录重点内容。

步骤2：复述

我们读完书、听完课后，可以尝试用自己的语言复述你学到的知识架构和主要观点。可以对着镜子自己复述，也可以对着你的朋友。

步骤3：内化

聪明人往往有自己的既有知识体系。他们可以很快地把新接触的信息、知识内化为自己知识框架里头的一个分支。

在内化的过程中，如果发现所学的新知识与既有知识体系有冲突，需要进一步辩证地思考、判断。

不断重复“ 读书 - 复述 - 内化 ”这个知识内化过程，便可以锻炼你的提炼能力。

3. 应用能力

分享1个简单的锻炼应用能力的方法：解题训练。

这是前几天和好友Z一起吃饭，他分享的方法（顺带一提，这哥们是福布斯的 30 under 30 Asia 其中之一）。

他每天饭后会抽1到2个小时做这个思考训练：

一个人找个空旷的地方散步，选择一个自己以前从没系统性思考过的问题，不一定和自己的工作相关，可以是跨行业的，也可以是生活方面的。

我这一系列文章其实也是一样的思路。 毕竟，你很少会看到一个咨询出身、做互联网金融的人，用纯理性思维写情感类文章，而且还在知乎被一堆人咨询情感问题。

稍微回顾一下，以下是我们的竞争力发展方法总结：

接下来的部分我要开开脑洞，如果对人工智能不感兴趣的朋友们欢迎直接跳过。

我不懂人工智能技术，以下内容仅供开脑洞，不喜可喷。

人工智能被分为3种：