「10年内，40%传统工作会因AI而缩减？」
Mckinsey一份报告预测，美国于2030年，将会有40%传统工作因为AI自动化而大为缩减 ，而 MIT IBM Watson AI Lab一份报告则预测，AI的发展不会取代人类。而是令人类能减少重复性工作，专注于需要创意和判断决策的工作 。
面对急速变化，不可知的未来，我们需要做的，并非单单掌握更多「新知识」（to learn），而是能掌握「学习新知识」的能力 （learning to learn），即是「学习如何学习」。其精粹有以下三点：
1. 巩固基础，融会贯通
先说一个大家熟悉的例子：独孤九剑。这是金庸小说《笑傲江湖》里的最强剑法，其要旨在于一个「悟」字。首先透过学习基础剑招，从过程中掌握料敌先机的能力。然后即使尽数忘记剑法也不相干，忘记得愈干净彻底，愈不受原来剑法的拘束。于是即使面对从未见过的剑招，也能应对。《倚天屠龙记》中，张三丰传授张无忌太极招式时，也是要他忘掉招式。总括来说，先巩固基础，再融会贯通，最后忘记原来的表面形态，就能无招胜有招，超越原来的招式，也就是掌握了新知识了。
2. 过程非常重要
「学习知识的过程」，比起知识本身更有价值。不时听到人说，在中小学被逼学习数学、物理、历史等，因为感到这些知识在职场上未必有用，于是失去学习动机。
但其实，学习数学，并不是为了记住方程式，而是为了在过程中训练出逻辑思维，及解决问题的规划能力；学习历史，也并不是为了背诵年份和历史事件，而是为了在过程中训练出分析、归纳、比较、评价的能力；而这些能力是可扩展的（scalable），可以应用在很广泛的场景。就像独孤九剑一样，中学时若认真学习基础数学，尽管之后把中学程度的数学方程式忘记了，但过程中所训练的逻辑思维，在解决非数学问题时就会非常有用。例如很多今日大行其道的人工智能算法，如卷积神经网络（CNN）、深度置信网络（DBN）、回圈神经网络（RNN），就需要以数学思维来理解和优化，然后就可以应用于例如电脑视觉（CV）、自然语言处理（NLP）、生物资讯学（bioinformatics）等范畴，这是当初学习基础数学时未必能想像的。
再举例，笔者研发的声纹匹配算法，咳嗽声诊断算法，人工智能作曲算法等，也是从学习密码学的过程中得到啓发。知识环环相扣，讲求融会贯通，而且最终的应用场景，很可能和学习初期的形态南辕北辙。正如宫本武藏在《五轮书》所言，在兵法登峰造极后，以揣摩兵法的思考方法，就能掌握其他方面的才艺。
3. 能解说，就能理解
电脑编程界有一绝招，名为「小黄鸭除错法（Rubber Duck Debugging）」[3]，相当有效。简而言之，就是把小黄鸭放在电脑旁，在编程期间向小黄鸭讲解程式，以启发灵感和发现问题。当然，按个人喜好把小黄鸭更换为初音未来或盆栽也可。其重点是，若你能把心中所想，把所掌握的知识，很有条理地说出来，你才算是真正掌握了该知识。而透过讲解的过程，你往往能发现之前看不见的问题，就能作出改进。更进一步是，多找机会教导其他人，若你能教，就代表你真的把该知识融会贯通。
知识本身会过时，学习新知识的能力才是永恒，本文先为此作简单概述。于下一篇文章，笔者将会具体探讨例如STEM、AI、Data Science、Machine Learning等在新时代的角色，如何透过掌握他们，以拥有学习未来知识的能力。
