人類必然被技術取代？不，增強能力即可

36氪專門為讀書設立了【36氪領讀】欄目，篩選一些值得讀的書，並提供一些書摘。希望你手邊有一本稱心的書，讓讀書這場運動繼續下去。

當阿爾法狗可以擊敗世界頂尖圍棋大師，我們該如何恰當地使用它們，才能讓人工智慧大顯身手？當新興技術給商業和社會帶來巨大影響，人們開始擔心人工智慧將取代自己的工作，蒂姆·奧萊利將告訴我們，如何利用技術來創造新的可能。本文摘編自《未來地圖 : 技術、商業和我們的選擇》作者［美］蒂姆·奧萊利（TimO"Reilly）。

CHAPTER 15：無須取代人類，增強能力即可

認知工作能否取代20世紀工廠中的大量就業？這樣的工作是否會有足夠的酬勞，以支持繁榮的飛輪繼續運轉？這是兩個不同的問題。

對於第一個問題，我想說的是，在農業時代，很難想像這麼多人能在工廠和城市找到工作。然而，自動化生產和大大降低的生產成本，使得對以前沒有的產品和服務的需求大幅增加。現在，我們要再次讓人們都有事情做，並創造新的繁榮。技術創新的經驗提醒我們，想進步，就要想前人之未想，做前人之未做。

至於第二個問題，我們必須確保生產力成果為大眾共享。第一步就是要讓人們準備好迎接即將到來的未來。

從2013年到2015年，我都是馬克爾基金會美國再就業項目專題工作組的成員，參與探討美國經濟的未來。工作組面對的問題是如何為數字時代的美國人提供機會。政治學家與作家羅伯特·帕特南的一句話打動了我，他說：「當我們投資他人的下一代時，我們社會的所有重大進步就已經到來了。」

他是對的。19世紀的最佳投資之一是普及初等教育，20世紀則是普及高中教育。別忘了，1910年美國只有9%的孩子能讀到高中畢業，1935年時這一數字達到60%，1970年接近80%。《退伍軍人法》將二戰退伍軍人送入大學，實現了戰時到和平時期就業的順利過渡。

面對今天的經濟變化，2016年的總統大選出現了全民免費社區大學的提案。2017年1月，舊金山市索性超越提案，同意將本市的社區大學——舊金山城市大學，免費開放給所有居民。這是偉大的一步。

但我們需要的不僅僅是「更多」教育或免費教育，我們還需要種完全不同的教育。美國前駐澳大利亞大使、現任富布萊特獎學金委員會主席的傑弗里·布萊奇表示，「如果今天的學生能活到120歲，他們的職業生涯可能長達90年，但所受訓練只夠保證他們有10年的競爭力，那就會出問題。」我們目前的教育模式依舊將上學當作為一個僱主工作終身做準備，但醫療保健和技術的進步，以及不斷變化的就業市場，都使這一教育模式顯得日益落伍。

我們需要新機制來支持終身教育和再培訓，而不僅停留在早期教育階段。無論是運動員、醫生、計算機程序員還是熟練製造工，每個領域的專業人員都已這樣做了。對他們來說，持續學習是工作的重要組成部分，獲得培訓和教育資源是最吸引優秀員工的好處之一。儘管「崗位」正在消失，對教育的需求卻從未止步，反而還在增長。但教育的本質也需要改變。在一個知識可按需提供的互聯世界裡，我們需要重新思考人們需要知道什麼，以及如何知道。

增強工人

你可以把蘋果零售店的店員看作生化人，即人類與機器的混合體。每家店都有一群配備智能手機的銷售人員，為客戶提供從技術問題到購買、結賬等各方面的幫助。沒有顧客從堆積如山的貨架上取下商品、再排長隊等結賬的景象。整個店面就是一個產品的展示廳。當你確定所需商品時，銷售員就會到裡間提貨，如果你已經是有信用卡記錄的蘋果客戶（2014年時已達到8億），你只需提供電子郵箱地址，就能拿著你的商品走出大門。蘋果公司沒有使用技術來削減工人和成本，而是為他們創造了新的能力，以創造驚人的用戶體驗。通過這種方式，他們創造了世界上效率最高的零售店。

這種設計模式與第三章討論的來福車、優步的核心商業模式要素極其相似。蘋果零售店和大多數人眼中的按需服務平台並不沾邊，但它們有許多共同之處：聯網協作、認知增強的工作人員與數據豐富、能識別客戶需求並量身定製服務的平台一起聯手打造有魔力的用戶體驗。

蘋果零售店也證明了一個事實：技術本身並不具改變力；我們在應用技術時，也並非發明了什麼新事物，而是重新思考世界的運行方式，挖掘我們的新潛力，把原有的事情做得更好，甚至是遠遠更好，以至於看上去像是對它進行了徹底的改頭換面。

早期的文明成就中，人類就已經嘗試用機械來增強自我能力。正是人類與技術的結合，讓我們成為萬物之王，這種結合給了我們比任何動物爪子都更堅硬鋒利的武器和工具，增加了我們的射程，直到能捕獵最兇猛的野獸；更不用說通過改良作物使它們的產量大幅提升，以及通過馴養動物來使我們更快、更強。

我記得曾讀過一篇關於人類跨越西伯利亞和阿拉斯加之間的陸橋的報道，其中引用了一個奇特的事實來分析跨越陸橋的可能日期。作者指出，遷徙不可能發生在縫紉技術發明之前，因為有縫紉技術才可能拼湊出緊密合身的服裝，讓人們能在冰天雪地中存活。縫紉！看來用骨針縫衣服曾經也是WTF?技術，使以前不可想像的事成為可能。

我們生產力的每次進步都源於人與機器的結合，使我們可以用同等的勞動力、能源和材料獲得更多產出。正是生產力的提速和累積造就了現代世界的財富。例如，從1820年到1920年的一百年間，農業產量只翻了一番，但下一次翻一番只用了30年，再後來分別縮短到15年和10年。

生產力增長的最終源泉是創新。亞伯拉罕·林肯雖然不是經濟學家，但是能敏銳地判斷人類歷史的動力，他寫道：海狸也會造房子，但與五千年前比並無任何長進……人類不是唯一會勞動的動物，但只有人類能不斷通過發現和發明來改進手藝。

一項發現或發明只有在被分享後才能改善所有人的生活。想想世界上最引人注目的發明之一。你能想像第一個控制火的女人嗎？(我喜歡想像是女性做到的)她的同伴該有多驚訝，也許一開始驚恐不已。但很快就受益於她的大膽發明，感到溫暖和滿足。然而比火本身更重要的，是她告訴了別人這件事。

語言是我們最偉大的發明，它讓人們薪火相傳。當知識被擁抱和分享時，社會就會進步並變得更加富有。當知識被封存或漠視時，社會將變得貧窮。

15世紀歐洲出現的活字印刷技術帶我們步入現代經濟，它們讓知識與自由湧現，因為新事物發現者可以將知識的火炬傳承給尚未出生或千里之外的人。這些發明和發現用了幾個世紀的時間來充分發揮潛力，隨著識字的價值慢慢惠及眾生，受過良好教育的人進一步加快了發明和傳播新思想的速度，創造了更多學習、發現和消費的需求。互聯網又是另一次巨大的飛躍。但網路瀏覽器——或者說，在線的文字和圖片——只是半途的驛站。它提升了知識的可獲取性和傳播速度，但並非是一次質的飛躍。

知識分享的最終階段是將之嵌入工具。以地圖和導航為例：從紙質地圖到GPS和谷歌地圖，再到自動駕駛汽車，這條路徑闡釋了我所說的「知識之弧」。知識共享經歷了從口頭語言到書面文字，從大規模實體生產到電子傳播，再到將知識嵌入工具、服務和設備中。

過去，我可以找人問路，或者調用紙質地圖中的知識儲備。最早的在線地圖只是紙質地圖的複製品，而現在我可以準確看到自己所處的位置，實時看到如何抵達想去的地方。下一步就是我可以不必勞心勞力，只要讓車子載我去目的地即可。再之後就是想像，當交通可以像流水一樣通暢時，我們還能有什麼新想法。

這種將知識嵌入工具的做法並非創新之舉，它一直是我們從對物理世界的掌控中獲得生產力提升的關鍵，必然會給社會帶來巨大的變化。

亨利·莫茲里在1800年造出了第一台螺紋切削車床，讓大規模生產成為可能。這種機器每次生產出的零件都一模一樣——而如果使用手工工具的話，即便最熟練的工匠也無法做到。從第一批誤差不超過千分之一英寸的螺母和螺栓，誕生了幾百、幾千乃至幾百萬的產品，它們都是莫茲里的創造所孕育的子子孫孫。

同樣，當亨利·貝塞麥在1856年發明廉價大規模鍊鋼方法時，他不僅去除了鐵中的碳和雜質，還加入了知識。當人類掌握了廉價大規模鍊鋼技術，未來就擁有了各種可能。安德魯·卡耐基通過為一個比英國大得多的國家生產鐵軌而發家致富，並取代英國成為全球鋼鐵行業之王。鋼樑讓摩天大樓拔地而起，鋼纜促進了電梯和巨大弔橋的建造。19世紀的每項WTF?技術都環環相扣，與今天的技術成就如出一轍。

大數據技術的崛起，充分詮釋了知識的創造、分享和嵌入工具這三部曲。為應對不斷攀升的網路規模，谷歌不得不開發了全新技術，其中最重要的是MapReduce，它將大量數據和計算分割成許多塊，分布到成百上千台並行工作的計算機上。它可以用於解決很多各種各樣的問題，而非只是搜索。

谷歌在2003年和2004年發表了關於MapReduce的論文，將其秘密公之於眾，但直到道·卡廷在2006年開發出基於Map-Reduce的開源應用Hadoop，這項技術才得以大規模應用。Hadoop使得許多面臨著谷歌當年困境的公司都能更便利地應用MapReduce技術。

這一步是軟體工程取得進展的關鍵。新問題催生新的解決方案，但最初的解決方案往往都是手動完成的。只有當它們嵌入工具，更便於使用以後，這些非凡的創新才會成為下一代開發者的日常工作。機器學習也正在從手工建模階段向工具階段過渡，將來普通開發者也可以搭建自己的機器學習。一旦實現，人工智慧將滲透和改變整個社會，一如大規模製造業對19世紀和20世紀的改造一樣。

農業生產力的大幅提高也是思想與物質融合成新工具的結果，但又略有不同。農業生產力的提高不僅是使用機器從事種植收割等工作和高效化肥(也是工業產物)的結果，也離不開培育更高產的作物品種。盧瑟·伯班克培育出了目前種植最廣泛的赤褐色伯班克土豆，他與發明了聯合收割機的海勒姆·摩爾一樣，都提高了生產力，但二者投入的知識和材料的比例卻非常不同。

簡言之，在實體上的增強和在精神上的增強彼此交織，共同起舞。其中一個前沿領域是給實體世界加上感測器，以前所未有的規模來收集和分析數據。這也是理解「物聯網」這一概念的關鍵。過去只能猜測的事物現在都可知了。（由於數據驅動讓一切有據可循，不確定性得以消除，保險可能是物聯網原生的商業模式，就像廣告是互聯網原生的商業模式一樣。）這不是單指Nest溫控器、亞馬遜智能音箱、Fitbit運動手環或蘋果智能手錶，甚至自動駕駛汽車這些智能的聯網設備，而是這些設備所提供的數據。未來的可能性正不斷突破人們的想像。

孟山都收購了谷歌前員工大衛·弗萊德伯格和斯拉吉·哈利奇創建的大數據氣象保險公司，並將其技術與基於土壤成分進行播種布局的數據控制系統精密播種搭配使用。他們很好地詮釋了農業生產力的新焦點在於數據和控制。當空中的眼睛能精確地告知農民其土地狀況和莊稼生長情況，並自動引導他的設備據此操作時，就可以減少種子、肥料和用水量了。

這同樣適用於工程與材料科學。記住索爾·格里菲斯的話：「我們用數學代替材料。」索爾的一家公司Sunfolding向大規模太陽能電場出售一種太陽追蹤裝置。這套裝置用簡易的氣動系統取代了電機和齒輪，所用材料就是用來生產軟飲瓶的塑料。它的重量和成本只是傳統同類裝置的一個零頭。另一個項目將儲存天然氣的巨大碳素鋼儲氣罐替換成腸道一般的塑料細管，既能放進任何形狀的空間，又降低了災難性爆炸的風險。事實證明，當你正確理解了物理原理，就真的能用數學代替材料。

格里菲斯告訴我，「1660年，羅伯特·胡克提出了胡克定律1。」「這意味著我們可以把任何材料都看成是線性彈簧，」格里菲斯繼續道，「這在前計算機時代很重要，因為在設計承重桁架與結構時可以簡化數學計算。但在現實世界中，沒有任何材料是完全彈性形變的，尤其是塑料和橡膠。現在我們有這麼多可用的計算技術，足以讓我們設計出全新的機械和結構，完成以前不可能完成的任務。」

新的設計能力與新的製造技術密切相關，就像3D列印。3D列印不僅可以提供低成本的原型製作和本地製造，還可以超越傳統製造技術，產出不同的幾何形狀。各種軟體應運而生，鼓勵人類設計師走出熟悉的領域，探索更多可能性。未來不僅關乎融合了感測器和智能的「聰明材料」、工具和設備，也包括用智能工具和更好流程製作的「傻瓜材料」。

軟體設計公司歐特克是這個理念的忠實踐行者。他們的下一代工具組件支持所謂的「生成設計」。工程師、建築師或產品設計師都可使用一系列設計條件——功能、成本、材料，並通過運行在雲上的遺傳演算法（一種基本的人工智慧）返回數百種甚至數千種可能的目標實現方案。在這個迭代的過程中，人和機器一同設計出人類前所未見、也從未想到過的新樣式。

最吸引人的是藉助計算來幫助設計全新的外形、材料和工藝。比如全球性的建築和工程公司奧雅納運用最新手段製造出了僅有原來一半大小和一半用料，承重力卻不變的結構部件。機器設計的最終成品看起來甚至不像人類能設計出的東西。

新設計、新材料、新製造的融合最終將讓我們能創造出新的產品，就像1889年震驚世界的埃菲爾鐵塔。我們是否有一天也能造出科幻小說里的太空電梯，或埃隆·馬斯克的超級高鐵交通系統？

人類與最新技術的融合不止於此。已經有人嘗試將新的感官直接植入大腦和身體——請不要誤會，GPS已經算是加入到人類的感覺中樞了，雖然還只在體外。也許，我們有一天能把納米機器人——極微型機器——輸入血液，以修復細胞，使當下令人驚艷的器官移植與髖關節置換都退位到老技術博物館中？或者我們不是通過讓機械藝術盡善盡美，而是沿著盧瑟·伯班克踏過的路，拓出新天地？合成生物學與基因工程領域正不斷取得驚人的突破。

喬治·丘奇正與他的哈佛同事展開一項有爭議的十年研究計劃，從零開始創造一個完整的人類基因組。萊恩·費倫和斯圖爾特·布蘭德的重生與重建項目則試圖用基因工程來挽救瀕危物種的基因多樣性，也許有一天能讓滅絕物種復活。諸如CRISPR-Cas91這樣的技術則使得研究人員能改造生命體的遺傳物質。神經技術——研究機器與大腦和神經系統直接對接的技術——則是另一個前沿領域。人們已經在能提供感測反饋和能直接響應意識的義肢技術上取得重大進展。在創新的更前沿，在線支付平台Braintree創始人布萊恩·約翰遜，在以8億美元將平台出售給貝寶後，用所得收益再次創業，致力於用神經記憶植入體來治癒阿茲海默症。布萊恩確信，現在是神經科學走出實驗室激發商業革命的時候了，它不僅能修復受損大腦，還能增強人類智力。

布萊恩不是唯一高調進軍神經技術領域的企業家。微軟的IE瀏覽器之父托馬斯·雷爾登在離開微軟後，攻讀了神經科學博士學位，於2016年與人合夥創辦了CTRL-Labs，生產出首個消費級人腦-機器界面。雷爾登在給我的電子郵件里寫道，「每段數字體驗可以也應該受神經元控制，這些神經元能傳遞你的思維，能夠直接支配你的肌肉。這是神經科學與計算科學的偉大結合。我們用機器學習來翻譯生物物理信號，甚至可以精確到單個神經元，以便你完全掌控數字體驗。」

埃隆·馬斯克在2017年攜Neuralink加入了這個領域，按他的話說，這是「為了在大概四年時間裡給市場帶來一些能改善嚴重大腦受損的成果(無論是中風、癌症病變、還是先天性造成)。」被允許大量接觸Neuralink團隊的趣味科普博客WaitButWhy博主蒂姆·厄班解釋說，「埃隆做公司的早期核心策略往往是通過發起競賽來點燃一個行業，從而吸引整個人類的智慧參與其中。」在前人未涉足的領域做出可盈利、可自我維持的事業，就能夠讓其他人都來蜂擁嘗試新機會。也就是說，馬斯克和布萊恩·約翰遜一樣，他們的願景不僅在於建立公司，更在於開闢新行業。

對Neuralink來說，這個新行業就是廣義的腦機介面，可以讓人類和計算機更高效地進行交互。談到目前數字設備已經帶給人類的增強能力時，馬斯克指出，「其實你已經是數字化的超人了，」但他指出，我們與這些設備的界面交互非常低效——總得打字甚至大聲說話，「我們應該能夠藉助直接的神經交互界面來大大提升速率。」

這些技術像其他人工智慧技術一樣，會引發大量的問題和恐懼。它們可能會像其他擁有強大能力的工具一樣，在初期經歷動蕩與激烈抗拒後才能普及使用。但我認為最終我們能駕馭它們，讓自己過上更長久、更快樂、更充實的人生。

我還小的時候，長年堅持每天讀一部科幻小說，但人類現實中的成就卻遠未達到我的期望，導致我長期對未來感到失望。但今天，我看到人類已取得長足進步，越來越接近我童年的夢想。

讓我們再說回到人工智慧。人工智慧不是某種激進的攪局者，也不是來自未來、敵視人類價值、讓所有人失業的機器。知識是國家財富的真正源泉，而人工智慧能進一步傳播和運用知識。我們不應感到害怕，而應深思熟慮地讓它創造更多價值而非破壞社會。它已經被用於增強人類智慧，而不是取而代之。

「我們已經看到棋類遊戲的發展，像芒努斯·卡爾森這樣的年輕冠軍已經利用人工智慧象棋引擎形成新的下棋風格，」布萊恩·約翰遜指出，「加上普通人類和無人機合作的先例，很明顯，人類和人工智慧可以有多種多樣的組合形式，創造新的藝術、科學、財富與意義。」和埃隆·馬斯克一樣，布萊恩·約翰遜相信我們必須使用神經技術直接提升人類智力對人工智慧的使用效率。「要真正激發人類智力＋人工智慧的潛力，」他說，「我們需要將人們吸收、處理和利用信息的能力提升數個量級。」但即便人類智能的直接提升程度還未達到布萊恩的設想，企業家們也已經在用人工智慧增強人類能力了。

讓許多旅行社倒閉的旅遊搜索網站Kayak聯合創始人保羅·英格利什已成立名為Lola的新公司，通過讓旅行社代理與聊天機器人、後端機器學習環境配對協作，達到最佳人機互動。保羅這樣描述Lola的願景，「我想讓人類重新酷起來。」他認為，既然人類的象棋大師與象棋計算機結合可以擊敗最聰明的象棋計算機或最聰明的人類頂級大師，那麼經由人工智慧增強的旅遊顧問就能應對更多客戶，比起普通旅行社、或遊客自己使用傳統搜索引擎搜尋優惠和攻略，能推薦更好的旅行計劃。

聯結旅行社、Kayak和Lola，將曾經只歸於旅行社代理的專業知識嵌入更先進的工具中，這一實踐教給我們一些重要的道理。Kayak靠自主搜索服務這一自動化模式取代了旅行社，而Lola又將人類拉回來，以提供更好的服務。當我們在說「更好的服務」時，我們通常指的是「更人性化，不那麼機械化的服務」。Fin是一家基於人工智慧的個人助理創業公司，其創始人兼首席執行官薩姆·萊辛表達了同樣的觀點：「技術圈的人經常問我『人工智慧何時會取代Fin的運營團隊？』」他在郵件中寫道，「然而，在Fin，我們的使命不是為了自動化而自動化。我們的指導原則是為Fin的用戶提供最佳體驗……技術顯然是其中一環，但人也是系統的關鍵部分，這樣才可能帶來最佳客戶體驗。技術在Fin的角色主要是讓運營團隊將時間精力專註於那些絕對需要人類智力、創造力和共情的工作上。」

讓我們再次回顧克萊頓·克里斯坦森的高利潤守恆定律：當某件商品平價化後，其他事物隨之變得有價值。當機器將一些重複性、機械化的腦力勞動商品化後，真正由人類貢獻的成果將更富價值。

尋找能提升人類價值的前沿領域，是下一代企業家乃至全社會面臨的重大挑戰。

除了能提供更好、更人性化的服務外，自動化還能挖掘不起眼工作的價值。年輕的英國程序員喬西·布勞德在收到一張他覺得不合理的停車罰單後，花幾個小時寫了一個抗議交罰款的程序。罰單撤銷後，他意識到這能變成一門服務。此後，被喬西稱為「機器人律師」的DoNotPay（「不要支付」）已經撤銷了超過16萬張罰單。喬西進而在FacebookMessenger上創建了聊天機器人，幫助難民自動生成到美國、加拿大和英國的庇護申請。

有許多工作因為成本太高而無法完成——如抗議不合理的停車罰單——而試圖降低其成本又與現行商業模式相衝突。曾受過律師培訓的程序員蒂姆·黃告訴我，他在律師事務所上班時，就著手降低自己的工作負擔。「每天我都有一系列任務要做，於是晚上回家就寫程序，下次幫我自動完成這些任務，」他說，「我工作越來越高效，但這又給公司帶來了問題，因為他們的商業模式是按時計費。於是我就在被解僱前自己辭職了。」

通往機遇之路

開優步或來福車的司機演示了兩種不同能力的增強。第一種由谷歌地圖和類似服務提供，將城市布局等內容嵌入到工具中，司機就再也不需要對城市了如指掌了，谷歌已經代勞。另一種增強由優步或來福車應用自身提供，這類應用提供的是通往機遇之路，提醒司機有乘客可接，並告知何處接客。按需服務應用的真正創新在於為勞動者和需求方提供了更精簡、更靈活的匹配方法。

匹配居家護理人員與病人的Honor公司，其創始人塞斯·斯特恩伯格將提升匹配效果奉為公司業務核心。和優步不同，Honor的護理人員都受雇於公司，但客戶的服務需求又經常變化。有些護理人員和病人保持長期關係，其他人則只需滿足短期服務需求。賽斯對我說，給病人匹配合適的護理人員非常重要。不是離得近就好，護理技能也很重要。有些病人可能需要一個足夠強壯、能抬得動人的護理人員，有的則可能需要特定的專業護理。一個能幫助員工提前了解他們工作內容的平台能創造更好、更長久的客戶關係，讓客戶更滿意，系統更高效。

Upwork是一個讓企業能尋找如編程、圖像設計、寫作、翻譯、搜索引擎優化、會計、客戶服務等領域自由職業者的平台，對於它來說，提高匹配效率也是業務的重要組成部分。Upwork首席執行官史蒂芬·卡斯利爾指出，如果想了解求職市場動態，Upwork是最佳途徑，因為這裡的「工作流動性」非常高。平台上典型的職位期只有幾天或幾周，而不是幾年。史蒂芬告訴我，平台上有三類用戶，而平台能為他們提供不同的工作。

史蒂芬說，第一類人，已經在平台上有拿得出手的技能和良好聲譽，且因為自己處於「流動狀態」不愁接單，平台不需要再花太多力氣幫助。

第二類人，有技能，但尚未建立聲譽，也接不到足夠多單子。Upwork內部數據科學團隊的工作重點是要找到這些人，指引他們投遞合適的在招崗位。難點不僅在於幫他們找到與其技能完美匹配的工作，通常也需要引導他們關注人才供應不足的新領域，這樣只要稍加學習或再培訓就能在樹立聲譽和獲得推薦的良性循環中站穩腳跟。史蒂芬舉例說，幾年前有充裕的Java開發人員，但安卓開發人員不足，讓第二類人在平台上找到崗位（還能掙得更多，因為安卓薪酬比Java高）的最好方法就是學習新技能。如今，有數據科學技能的工作者不夠，因此這類工作會有更高的報酬。

第三類人，能力與所申請崗位不匹配。這時正確的做法是阻止人們繼續申請不適合的工作。史蒂芬告訴我，「他們花在申請不合適工作上的時間其實可以用在其他工作上。」

Upwork已經發展出了一套自己的技能評估系統，每個月進行10萬小時的評估量。Upwork評估機制的過人之處在於，其結果是立即可查的，因為每個人要麼能滿足僱主要求，要麼不能。與此形成鮮明對比的是很多教育公司出售的評估工具，雖然提供了紙質認證，卻鮮有能表明工作者確實稱職的證據。

所有這些都表明，我們可能正處在一個擺脫當前勞動思維慣性的轉折點。我們要重新發現如何利用技術來增強工人的能力，讓他們發現自身優勢以及與其相匹配的機會，打造更便於高效協作的工具，並創造出「高度自由」與「高速流動」兼具的動態化按需勞動力市場。

學習是最重要的增強途徑

理解未來的關鍵之一是要認識到，隨著已有知識嵌入工具，就需要學習另一種知識來使用它，再有另一種知識來改進它。每次增強的飛躍之後，學習就成為一種當務之急。

我在我的職業生涯中對此屢見不鮮；而我的工作就是向程序員們講授關於下一代技術的知識。1978年，我為數字設備公司的「LPA11K實驗室外圍加速器」編寫了第一本計算機手冊，它描述了如何用彙編語言從高速實驗室數據採集設備上獲取數據。彙編語言是低級語言，非常接近於在計算機底層運行的機器代碼。給計算機的指令必須十分明確：將數據從該設備埠轉移到硬體內存寄存器；對其執行運算；然後將結果存入另一個內存寄存器，並寫進永久存儲器中。

雖然有些程序員依舊需要深入了解彙編語言，但大多數程序員都是通過諸如C、C++、Java、C#、Python、Javascript、Go和Swi這樣的高級語言來編寫更通用。更高級的指令，然後再藉助這些高級語言的編譯器或解釋器來生成機器代碼。同時，這些程序員也在創建用戶界面，讓那些不懂編程的人也能調用強大的功能，要是在幾十年前，如果不了解計算機實際內存結構和指令集合，根本做不到這點。

但即便是現代編程語言和人機界面也只是中間階段。谷歌聚集了全球數萬名最優秀的軟體工程師，但如今它也意識到，需要在機器學習這一新學科上對員工進行再培訓，因為它採用完全不同的方法來編程和訓練人工智慧模型，而不是直接寫代碼。他們不僅送員工上學，還實行學徒制。

這凸顯了我在職業生涯中屢次觀察到的一個事實：技術發展遠遠領先教育系統。在早期個人計算機還採用BASIC語言時，程序員可以相互學習，看書自學，或查看用戶組共享的程序源代碼。當BASIC教學班第一次出現在課堂上時，行業已經遠遠超越了它。當學校在教如何用PHP搭建網站時，更大的機遇已經轉移到搭建智能手機應用或掌握統計學和大數據了。

這種滯後性，是奧萊利在過去幾十年中作為專註於新興技術的出版社能取得成功的關鍵所在。沒有人能告訴我們人們需要什麼，我們必須相互學習。我們會去尋找那些處於創新前沿的人親自寫作，或派作家跟隨專家，提煉他們的知識。我們的所有暢銷書都是這麼做出來的，包括Linux的最前沿技術，互聯網技術，Java、Perl、Python和JavaScript等新的編程語言，全球頂尖程序員的最佳實踐，以及最近的大數據、DevOps和人工智慧。2000年，我們在《出版人周刊》的封面廣告中大膽宣稱：「奧萊利的圖書成就了互聯網」，這一事實得到了每個人的認可。

隨著技術發展步伐的加快，組織線下活動成為我們工作的重要部分。我們還建立了知識共享平台，讓任何具有獨到技術或業務技能的人向我們的客戶傳授知識。這一平台取名Safari1，以紀念我們出版物封面上19世紀木雕風格的動物們。如今該平台上已有來自數百家出版社的數萬本電子書，數千小時的教學視頻，學習路徑，整合了文本、視頻和可執行代碼的學習環境，以及領軍人物講解尖端技術的在線直播。

我們業務的一大變化是，曾經只在創新前沿的實驗性技術已經成為了主流。不只是程序員個人或小型初創公司，哪怕是財富500強公司，都必須追上技術本身發展的步伐來學習。我們正面臨深刻變革的時代，但我知道，無論獲取新知識的技術與方式如何變化，總有些東西是不變的：

人們要有一定的基礎：起碼要能夠正確提問和接受新知識；

人們相互學習；

人們在動手解決實際問題、尋求他們需要的知識時，學習效果最好；

人們因著迷於所做的事情，出於興趣願意投入個人時間來學習，而不僅出於工作需要時，學習效果最好。

《未來地圖 : 技術、商業和我們的選擇》

內容簡介

從3W網站到開源軟體，到Web 2.0，到創客運動，再到大數據——蒂姆·奧萊利憑藉自己的天分，洞見了那些「將從根本上改變世界的新興技術」，並清晰地指出它們到底意味著什麼。從2015年開始，蒂姆·奧萊利的目光轉向「技術將如何影響未來的工作」這一焦點領域：人工智慧和演算法將把世界帶往何處？商業組織的發展能否找到新路徑？收入不平等和技術失業是否不可避免？按需學習將如何顛覆傳統教育……

《未來地圖 : 技術、商業和我們的選擇》是蒂姆·奧萊利寫給大眾讀者的第一本書。在這本書中，他揭示了人工智慧、按需市場、增強現實和其他新興技術給商業和社會帶來的巨大影響，並對企業和員工乃至全社會提出了諸多實用性的建議，即：如何在巨變中成為時代的領導者。在這本書中，我們還可以看到他對全球大腦、平台思維、平台型政府、天網等諸多重要概念的精準描述。

作者簡介

蒂姆·奧萊利（Tim O"Reilly），生於 1954年6月6日，愛爾蘭裔美國人，矽谷的傳奇人物，因倡導Web 2.0及開源運動等革命性思想，不止一次引領了全球互聯網的走向，讓IT界及商界受益無窮。1978年，他創辦了「奧萊利傳媒」，通過傳播前沿技術與先進理念，不斷推動著互聯網的發展。因其對未來趨勢與商業模式的準確把握，他被媒體、學者、作家、企業領袖稱為「業內權威」、「趨勢觀察員」、「值得信任的嚮導」、「思想領袖」、「矽谷先知」、「矽谷佈道師」、「矽谷精神領袖」、「伏地聽聲的人」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！