未来就业的数字助手 -《暗知识》读后感

　　家长们一方面十分关注孩子们可能面对的就业市场，另一方面此间的焦虑具有相当的盲目性。未来是如此的不确定，家长的知识结构往往也已经滞后了。“双减”并没有触及压力的真正本质，因为压力的源头是就业。不去拼补习班，就得拼点别的，好的就业岗位就那么多。双减改变不了“零和博弈”的本质。

　　《暗知识》这本书包含着一种洞见，它对未来就业具有一定的认知帮助。通过对AI知识新大陆的透彻分析，它还能告诉你AI时代的就业与互联网时代的就业有什么不同。

       作者提出了一个很深刻的新概念—暗知识。

　　那么什么又是暗知识呢？让我们来看看上面那张图，从可感受性和可表达性，对知识进行一个划分。粗略地说，可以分为四个象限：

        Y轴的正方向代表易于被感受，进而被理解的知识。相反的认知方向是，人类感官和直觉难以感受和理解的知识。

       X轴的正方向代表易于表达（概念化、形式化…文字、公式等手段），而相反的方向就属于那种难于表达的知识。

        右半边的知识，因为易于表达，因而就易于传播。学校里教的，论文中写的都是这类知识。右上方的知识易于被感受和理解，中学或本科阶段就接触了不少。右下方的知识往往与我们的直觉相冲突，观察往往需要特殊实验设备，理解上就要困难得多。

       左上方的知识因不易表达，常常只能通过师傅带徒弟那种有限方式传递，就是不易言传，但可意会的那种。

　　我们重点要讲的暗知识位于左下部分，它正式现代AI最擅长的方式。

       在介绍它之前，先让我对它有个直观的了解。

       2016-3-13，在悬赏一百万美金的诱惑下，谷歌旗下的“阿尔法狗”与韩国围棋超人李世石展开了举世瞩目的“人机大战”，狗狗全无禁忌，五路肩冲让行家们连连摇头。可不曾想到狗狗那一招一式绝非花拳绣腿，而是藏于江湖的盖世神功。五翻棋中，李世石先失三局，已经落败。仅仅在第四局的安慰赛中，“神之一挖”，击中了狗狗的“BUG”。狗狗像吃了“摇头丸”一样开始了“醉棋”，总算给人类留下了一点颜面。

       此后，修复了BUG的升级版化名MASTER扫地僧，在网上以60连胜血洗了世界围棋的整个江湖。

　　狗狗背后的技术就是一种深度人工神经网络，以增强学习的方式取得了围棋江湖的至尊地位。

        这种AI曾是五大人工智能技术之一，2012年它异军突起，几乎灭掉了东邪西毒和南帝北丐（四大门派）。

        这一技术是对大脑神经系统的一种模拟，特点就是它善于发现那些人类无法理解的知识。

　　对人类来说，理性和思维很难脱离语言。而语言对现实世界的描述总是不完全的，它依赖用概念对现实的一种概括（表述）。而基于人工神经网络（深度学习）的AI对现实世界的学习没有那类表述方面的限制。它用一个超大维数的参数空间对低维的现实世界数据进行学习（编码），要取得这种降维打击优势就需要超级算力，而2012年，这类算力已经形成。

　　谷歌的狗狗背后是上千台GPU集群阵列。作为前沿探索的深度学习，这样的算力是不可或缺的。一旦获得了领域知识的初级训练模型，应用时一个小得多的参数子空间就够了。

       比如，目前围棋国手们用的“狗狗教练”（狗仔儿），配置上不过就是加装一两块GPU板的PC。

       现在我们想象一下未来的就业，比如医生，他手机上就可以有一个类似“狗狗教练”的“医助”。算力不够可以配合云计算来解决。“医助”就是“数字医生”下的崽儿。

       主意，医助知道的暗知识就像今天围棋国手们用的教练一样，无所不能。今天各个围棋道场大佬的尴尬，就可能出现在您孩子的就业领域。

        学会和那些“领域狗狗”打交道也许就是常态了。围棋和全科医生在AI的眼里，差别并没有你想象的那么大。是不是细思极恐的一件事？这就是我说的数字助手。不管你是多牛的医生或律师什么的，你所在领域的数字助手都是“王炸”。

注解：配图来自网络，仅为文字原创。