Prediction Machines 當機器預測超越人

“Prediction and judgment are complements; as the use of prediction increases, the value of judgment rises.”

從經濟學家的角度看AI

AI 對工作的影響是什麼,會不會像是過去幾次工業革命一般毀掉某些工作也創造新的,還是人類價值降低? 如果以這個二分法思考這問題,那就像機器學習的 supervised learning 一般,受限於已發生的過去,不容易針對未來找出突破點。

我是這麼看的:

首先,很多工作不會被機器人取代,但是市場價值行情可能會讓工作進入門檻降低,以致於同樣還是辛苦但是不一定有更好的經濟回報。所以要常常思考自己工作的本質,然後重新定義工作(或是重新定位自己,例如跨領域,或是利用人工智能工具讓自己能有餘力凸顯工作內容中人的特質)。再也沒有可以一成不變做到老還能對抗通貨膨脹的工作了。

再來,就是因為AI會變得很便宜,每個個體(個人,組織,國家)都不免要思考“外包”一些任務給機器人,所以決定外包什麼就是最重要的決定了。一不小心,可能就外包了判斷力(例如依賴懶人包,或是依賴專家說法),甚至可能外包了學習 (上課很好,聽整理好的教材很好,但除非自己用力想,用力變成自己的,不然還是可能只得到學習的“感覺”)。

判斷跟學習很重要的就是問問題

我在海山國小給老師們的分享,探討如何預備駕馭AI世代的孩子。

“用閱讀駕馭AI世代”

比賽答對問題我們必然輸給機器,我們只能變得更知道怎麼問問題。當我們越來越會問問題,龐大的資訊資源就可以為你效力了。

Leave a Reply