生活黑客的時代，大家一定都不陌生，各種工具幫你把生活量化、上傳、分析，提供更好的建議。
最初的黑客工具是從生產力開始，有些人喜歡用蕃茄鐘切割時間，調整自己的腳步；有些人喜歡用手機APP記錄每一項事花多少時間完成來評斷生產力，把自己當作一個演算法，看怎麼樣運用時間的產出可以最高、最大。
從生產力再進一步，日常生活也開始產生大量的數據，手上戴的智慧手錶，幫你記錄心律、睡眠品質，運動的APP幫你記錄你走了多少步、消耗了多少卡路里，聽歌的軟體分析你常聽的音樂再利用演算法創造出一份你可能會喜歡的歌單。演算法在我們生活中快速融合、演化，那當人工智慧時代來臨，我們的工作會不會直接被取代呢？
OMO時代（online merge offine）
最近的AI浪潮就是感知AI（Perception AI）的時代，AI可以自動識別照片裡的事物，是黃金獵犬、交通號誌、你哥哥等等。聲音也是一樣，演算法可以拆解出句子的結構、語法，瞭解你到底在說什麼。
利用感知AI的技術，亞馬遜的Echo就整合了線上與線下，達到一個無縫接軌的效果，節點普及又快速，你有時候根本不會意識到你自己“正在上線”，這樣的混合環境稱為OMO（online merge offine）。
以前我們在學校時總是上著同一堂課、寫著同一份練習題，未來可能會大大不同。感知AI如果應用在補教業，主要會使用在四個部分
- 課堂教學
- 家庭作業與練習
- 考試評分
- 家教
在教學的時候，攝影機會捕捉學生的表情，點頭、搖頭或是表現出困惑，這些情緒都會被記錄下來，等到回家的時候，AI會結合上課的情況出一份難度適中、量身打造的作業習題給學生，而系統會再依每位學生作答情形不同提出反饋，調整之後的難度。
這樣有系統的反饋訓練是非常有效的，根據亞歷桑那大學和布朗大學的研究者剛剛贴出一篇論文的預印本，叫《最優學習的85%規則》，指的是說我們每次學習如果有85%的部分時我們熟悉的，15%是我們不曾學習過、新穎的事物，我們能達到最高的學習效率，我們的最佳學習率是15.87%。
而AI可以幫助我們持續有系統的訓練，試想有一個Ａ同學對什麼都有興趣，博覽群書，但是有時候覺得內容很輕鬆，有時候很困難，他很用功，也覺得自己學得不錯。
而Ｂ同學，每次學習的時候都有一個AI教練，精心安排他的學習內容，確保每次都有15%的意外率，Ｂ同學的學習效率達到了最大化。
長久下來，Ａ同學與Ｂ同學的差異是非常顯著的，AI改變了整個教育生態。
通用技術革新
人類歷史上有許多創新發明，但是並不是所有創新都是平等的，有些創新只是改良，例如打字機改良了人們書信的需求，這只限於單一產業內的革新。
有些則是顛覆了整個世界，這是規模完全不同的技術變化，可以延伸數十種產業，從根本改變經濟與社會，這稱為「通用技術」(General purpose technologies，GPTs）。
麻省理工學院教授艾瑞克・布林優夫森(Erik brynjolfsson）、安德魯・麥克費（Andrew McAfee）在合著的《第二次機器時代》把GPTs描述為：「會干擾、加快經濟常態步伐，真正造成重大影響的技術」。
從過去到現在公認的GPTs有三種
- 蒸汽引擎
- 電力
- 資訊通訊科技ICT（information and communications technology）
蒸汽引擎與電力主要促進第一次與第二次工業革命，開啟了工廠自動化，並將照明帶進了建築物之內，大致上而言，蒸汽引擎與電力的革新造成了人們去技能化（deskilling）的結果，把原先需要高技能的工作者的工作拆解成低技能者就可以執行，提高生產量、價低產品價格。
例如原本在棉花場工作的工人需要辛苦的勞動，但是現在只要操作機器就可以了。這些GPTs取代了一群技術者，但讓更多更低技能的勞工，可以做一些操作機器的重複性工作，提升他們的生產力。
那最近的資訊通訊科技ICT呢？過去30年，美國勞動力持續提高，但就業與所得中位數則是停滯成長，艾瑞克教授兩人將此現象稱為大脫鉤（the great decoupling），曾經是生產力、就業、薪資穩定上升，但是現在薪資與就業卻出現下滑。
因為ICT與過去兩次的通用技術革命不同，他是「偏重技能」(skill bias）導向，前兩項創新是透過去技能化來提高生產力，而ICT是偏向高技能者，能夠管理更多的人、接觸到更多的資訊，消除了資訊傳播障礙但也削弱許多經濟平庸者的角色。
雖然沒有辦法將薪資與就業的衰退完全歸咎於資訊通訊科技，畢竟還有像全球化、貿易摩擦等等外在因素影響，但是從最新的ICT我們可以發現一個結論，並不是每一次提高生產力的通用技術（GPTs），都會帶來更多就業或是更高的薪資。
而AI帶來的通用技術革命會是怎麼樣的世界，我們下一篇再說。
