為了在第二個機器時代實現共享繁榮，我們需要重新思考教育、鼓勵創業、促進勞動力市場匹配、支持基礎研究、升級基礎設施、明智地徵稅，並探索新的社會契約形式，以應對技術性失業和收入分配不均的挑戰。
個人層面的應對：學會與機器賽跑，而非對抗
想像一下，你正在給即將踏入社會的年輕人一些建議，告訴他們如何在一個機器越來越聰明的時代找到自己的位置。現在電腦和機器人越來越厲害，能做的事情也越來越多。這可能會讓你有點擔心，自己的工作會不會被機器搶走？這確實是一個需要認真思考的問題。但好消息是，即使機器在很多方面超越了人類，我們也並非無計可施。關鍵在於，我們要學會與機器賽跑，而不是和機器硬碰硬地對抗。
這就像下棋。自從 IBM 的深藍電腦擊敗了世界冠軍卡斯帕羅夫之後，頂尖的人類棋手就很難再單獨戰勝最強的象棋電腦了。但後來出現了一種叫做『自由式象棋』（Freestyle Chess）的比賽，允許人類棋手和電腦自由組合參賽。結果非常有趣：『人類+機器』的組合，其表現遠遠超過了單獨的超級電腦，甚至也超過了單獨的頂尖人類棋手。 更令人驚訝的是，有時候，一個棋藝一般的業餘選手，如果他非常擅長『駕馭』和『指導』他的電腦搭檔，讓電腦能夠深入思考某些特定的局面，其表現甚至可能超過那些擁有更強大電腦但駕馭能力稍遜的特級大師。
這個例子告訴我們一個非常重要的道理：人類和機器思考問題的方式不同，各有優勢。 我們的目標不應該是試圖在機器擅長的領域（比如大規模數據處理、精確計算、重複性任務）與之競爭，而是要找到那些機器目前還不擅長，或者需要與人類協作才能做得更好的領域，並努力提升自己在這些方面的能力。
那麼，哪些是人類目前仍然具有比較優勢的領域呢？書中總結了以下幾點：
- 構想、創意和創新（Ideation, Creativity, and Innovation）：
- 到目前為止，我們還沒有看到真正具有原創性思考能力的機器。電腦可以生成押韻的詩句，但寫不出真正動人的詩歌；可以寫出語法正確的報告，但無法自主決定下一個研究課題是什麼；可以執行程式碼，但還不能創造出優秀的新軟體。
- 提出新穎的想法、發現新的問題、進行跨領域的聯想和創造，這些仍然是人類獨特的優勢。正如伏爾泰所說：「判斷一個人，要看他的問題，而不是他的答案。」在機器越來越擅長提供答案的時代，提出好問題的能力就顯得尤為重要。
- 大框架模式識別（Large-Frame Pattern Recognition）：
- 電腦在特定框架內的模式識別能力非常強大，比如識別圖像中的貓、或者分析棋盤上的特定局面。但是，一旦超出其預設的「框架」，它們的表現就會急劇下降。華生電腦是《Jeopardy!》的冠軍，但如果讓它去參加《幸運大轉盤》或者《價格猜猜猜》，它很可能束手無策，除非人類為它重新編寫大量的程式。
- 人類則不同，我們擁有更廣泛的感官輸入（視覺、聽覺、觸覺、嗅覺、味覺）和更強大的常識推理能力，能夠在一個更宏大、更複雜的框架內識別模式，並理解情境。西班牙服裝品牌 Zara 的店長就是一個很好的例子。他們不是依靠演算法，而是通過觀察顧客的穿著、與顧客交流、感受店內的氛圍來決定訂購哪些服裝，以及向總部反饋哪些新款式可能會受歡迎。這種基於廣泛情境的模式識別和判斷，是機器目前難以企及的。
- 複雜溝通（Complex Communication）：
- 雖然 AI 在語音識別和自然語言處理方面取得了長足進步（比如 Siri 和 Google 翻譯），但在更深層次的、包含情感、文化、微妙語義和人際互動的複雜溝通方面，人類仍然佔據優勢。
- 有效的教學、管理、銷售、談判、關懷等工作，都需要高度的同理心、說服力、以及理解和傳遞複雜資訊的能力。這些「軟技能」在機器時代將變得越來越重要。
如何培養這些「與機器賽跑」的技能？——教育的轉型
既然我們知道了哪些技能在未來可能更有價值，那麼接下來的問題就是如何培養這些技能。書中對當前的教育體系提出了一些反思和建議：
- 反思傳統教育的目標：教育研究者蘇伽特·米特拉（Sugata Mitra）有一個有趣的觀點。他認為，我們現在學校裡強調的很多技能（比如漂亮的書寫、心算能力、死記硬背知識），其實是為了適應大英帝國時代「官僚行政機器」的需要而設計的。那時候，學校就像一台培養標準化「零件」（公務員）的機器。但現在，時代變了，電腦已經取代了大部分的文書工作，我們需要的不再是標準化的「零件」，而是具有創造力、批判性思維和解決複雜問題能力的人才。
- 轉向更高階的認知技能：傳統教育強調閱讀（Reading）、書寫（Writing）和算術（Arithmetic）。這些基礎技能仍然重要，但僅僅掌握這些已經遠遠不夠。未來的教育需要更加側重於培養構想、大框架模式識別和複雜溝通這些更高階的認知技能。學生需要學會「有辨別力地閱讀」，而不僅僅是識字。
- 擁抱「自組織學習環境」（Self-Organizing Learning Environments, SOLEs）：米特拉的實驗表明，即使是貧困地區的孩子，在獲得適當的技術工具和自由探索的環境後，也能夠自主學習，並展現出驚人的創造力和解決問題的能力。蒙台梭利教育法也是一個很好的例子，它強調自主學習、動手實踐和非結構化的學習環境。 Google 、亞馬遜和維基百科的創始人都曾接受過蒙台梭利教育。這些「自組織學習環境」似乎更有利於培養未來所需的技能。
- 重視「深度學習」而非「淺度應試」：社會學家理查德·阿勒姆（Richard Arum）和喬西帕·羅克薩（Josipa Roksa）的研究（體現在他們的著作《學術漂流：大學校園有限的學習》中）表明，許多大學生在批判性思維、書面溝通、問題解決和分析推理等方面的能力提升有限。他們發現，那些花更多時間學習（尤其是獨立學習）、參與更多閱讀和寫作、以及遇到更嚴格要求的課程的學生，其能力提升更為顯著。這意味著，僅僅獲得一張文憑是不夠的，真正的學習發生在深入的思考和刻苦的努力之中。
所以，對於個人而言，要想在第二個機器時代脫穎而出，書中給出的核心建議就是：
- 努力提升構想、大框架模式識別和複雜溝通等「人類獨特優勢」技能。
- 擁抱終身學習，積極利用 MOOCs（大規模開放在線課程）等新型教育資源，不斷更新自己的知識和技能庫。 正如 Google 首席經濟學家哈爾·瓦里安所建議的：努力成為那些變得越來越便宜和普及的東西的「不可或缺的補充品」。例如，隨著數據越來越便宜，數據科學家的價值就凸顯出來；隨著基因測序成本下降，基因諮詢師的需求就增加了。
- 考慮那些與物理世界緊密互動的職業。 儘管機器在認知任務上進展神速，但在涉及複雜的感知、移動和靈巧操作的物理任務方面（莫拉維克悖論），機器仍然相對薄弱。廚師、園丁、修理工、木匠、牙醫、家庭護理員等職業，短期內被機器完全取代的可能性較小。但需要注意的是，即使這些工作不易被自動化，也可能因為其他領域失業人群的湧入而面臨更激烈的競爭和工資壓力。
- 保持適應性和靈活性。 技術發展的邊界在不斷變化，沒有什麼技能可以保證永遠高枕無憂。個人需要做好準備，在職業生涯中不斷調整方向，學習新技能，抓住新機遇。
提醒：沒有絕對的「安全區」
最後，書中也提醒我們，對未來的預測充滿不確定性。雖然目前看來，上述技能是人類的比較優勢所在，但我們不能低估數位科技指數級、組合式創新的力量。鮑比·費舍爾在 1956 年下出的被譽為天才創舉的棋步，如今普通的象棋軟體也能輕鬆找到。這說明，有時一個人的創造力，可能只是另一台機器的暴力搜索分析。因此，保持警惕和持續學習，是應對這個快速變化時代的根本之道。