这是一个技术飞速发展、社会日新月异的时代。在诸多会严重冲击人类社会的现有秩序的新技术之中，人工智能绝对是首当其冲。

未来会怎样，现在很难说的清楚，但是，有一点是确定的，那就是会与现在、与过去，大为不同。对于未来，对于下一代所要面对的社会，充满了未知。而未知给人类所带来的心理感受，一方面是恐惧，一方面是好奇。

在恐惧与好奇的双重驱动下，对于未来的世界的面貌，对于下一代成年后所要面对的社会状况，对于子女的教育方向，这三个问题，一直萦绕在我的心头，一直尝试梳理出个头绪。

今天，又在思考这个问题。在看了有关回顾AlphaoGo的系列文章之后，有了一点感悟，找到了一个适合的思考基点。下面，就和大家分享一下最新的思考。

这个新的思考，是从两个纬度，一个是从理论（逻辑推理）的纬度，一个是从工程（具体做事）的纬度。

在理论的纬度，我们来深入的分析一下人工智能。谈到人工智能，人们的习惯是往后看，展开想象的翅膀，遐想人工智能的巨大威力。但是，今天我的思路，是往前回顾，为何人工智能技术会在今天取得爆发性的进展。人工智能的技术，并不是在21世纪诞生的，AI这个名词，诞生于1956的茅特达斯会议，距今已经有五十多年的历史了。在进入21世纪第二个十年才取得爆发性突破，主要是因为两点，一方面是因为计算力的巨大提升，这得益于半导体技术的发展，另一方面是因为互联网/物联网带来的海量的数据，当下人类每天产生的数据量相当于过去人类十年甚至百年产生的数据量。换句话说，人工智能的一个重要的基础，是数据，没有数据，人工智能就无法进行机器学习（当下的人工智能的发展主要依赖机器学习），自然也就无法发挥任何作用。而数据的基础，是数字化。所以，人工智能要发挥作用，一个必备的前置条件，是处理的对象可以数字化，并且，在数字化的基础上，可以提供足够多的数据样本喂给机器进行学习。反过来思考，未来人工智能难以涉及的领域，就是无法数字化或者虽然可以数字化但是数据样本不够的领域。在人类现存的学科里，具有重大意义同时又很难数字化以及虽然有希望数字化但是数据集较小也无法大规模增长的领域，一个是哲学（前者），一个是历史（后者）。哲学是研究智慧的智慧，历史是人类智慧的表现的记录，都是和人类深层次的意识活动相关。哲学很难数字化，而历史仅有有限的文献无法扩充数据集（历史要进行科学的数字化本身也比较困难，仅把年代或者国家的疆土人口、战争的参战人数或者兵器数量之类的数字提炼出来意义是很有限的）。以人工智能现在的发展进度和趋势来看，一时还无法在这两个领域有大的突破。所以在未来的较长的一段时期内，人类在这两个领域还会对人工智能具有优势。而哲学与历史对人类的思维的指导性的意义，是极为重大的。

在工程的领域，人们做事的过程，可以分为发现问题、分析问题、解决问题，从哲学的角度看，是什么、为什么、怎么办。以我多年的实战经验看（做过创业，搞过销售，搞过研发），在做事的各环节中，最难的部分，是“发现问题”、是“是什么”，或者说，是发现问题与定义问题。解决问题是相对容易的，解决问题很大程度上依赖具体的知识与套路，而这是机器（人工智能）所擅长的。所以，未来的人类，要避免被机器替代，不和机器正面竞争工作机会，就不能把自己放在解决问题这个大领域（源自于普鲁士的近代教育，主要是训练人们解决问题的能力，教授知识与套路），要偏重于发现问题与定义问题，这是做事的各环节中最难的部分、最有价值的部分、也是机器（人工智能）所不擅长的部分。从企业内部的分工来看，在大的方面，发现问题与定义问题，基本是企业家在做的事情，解决问题的部分主要是职业经理人负责，具体操作的层面是销售人员与工程师。所以，企业家们还是相对安全的，而职业经理人以及销售人员和工程师们，都比较危险。现在还把人往这三者的方向上培养，很可能就相当于在过去向现在培养职业司机。很多专业的领域，包括律师、医生、财务、翻译等职业都会面临类似的危险。（当然，也不是说未来就完全不需要这些类型的人了，而是需要的数量很可能会大为减少）

综合以上两个纬度的思考的结论，未来的人要在机器（人工智能）大行其道的世界里生存，就要花气力去研究哲学和历史，并利用从哲学与历史中得到的感悟，去做发现问题与定义问题的事情。这样才能体现出人类的价值，避免被机器淘汰。