《跨能致勝》擔心你的技能被AI取代嗎? 「跨領域」是你不被淘汰最好的解方

有一個男孩，父親早早發掘孩子的天賦，從小就訓練他打高爾夫球，三歲就在沙坑學怎麼救球，你可在youtube上看過他小時候的影片，簡直就是神童，未滿十歲就參加高爾夫球賽，在史丹佛大學就已成名，他是天才。1997年，才21歲的他以12桿的差距勇奪美國名人賽冠軍。

另一個男孩，母親是個教練，但從來沒有訓練他，他跟從小就喜歡各種運動，假日跟父親打壁球，還跑去學滑雪、拳擊、滑板、打籃球、手球、網球跟足球，長大後他認為正是小時候接觸各種運動，鍛鍊出極佳的運動能力和手眼協調能力。長大後還是喜歡其他興趣，例如上音樂課、拳擊課或足球課，因為可以跟朋友玩在一起，當他終於放棄其他運動專心於網球上，日後稱霸球壇，堪稱史上第一。

一個男孩是高球名將 老虎・伍茲，一個男孩是網球球王 費德勒，不得不說兩人都非常有天賦，只是發展路線大不相同，老虎伍茲堪稱是贏在起跑點的模範，相對來說，費德勒小時候並沒有特別去訓練網球，反而是接觸各式各樣的運動之後，發現網球才是最愛，才開始專心練網球。

今天要介紹的書叫做《跨能致勝》，作者大衛・艾波斯坦是紐約時報的暢銷作家，也曾擔任過運動畫刊的記者，前一本《 運動基因》，探討運動表現對於先天條件和後天培育可能發揮怎樣的作用？

本書一開頭就在探討「一萬小時法則」，這是加拿大暢銷作家葛拉威爾於2008 年的著作《異數》中所提出的概念，葛拉威爾認為培養任何一項世界級的才能，都需要進行至少一萬小時的訓練才能成功。

於是受到「一萬小時法則」的啟發，許多父母擔心孩子輸在起跑點上，紛紛實施所謂的天才教育或是菁英教育，期待未來孩子能成龍成鳳，只不過本書提到了一個問題：想要成就卓越，真的要贏在起跑點嗎?

刻意練習的必要性

為了要解答這個問題，大衛研究了許多頂級的運動員，他發現許多頂級運動員就像球王費德勒一樣，並未在小時候就開始刻意練習，反而是在長大之後經過「多方探索、多方嘗試」，甚至嘗試跟運動無關的領域，最後才確認興趣，開始大量刻意練習。

乍看之下老虎伍茲跟費德勒，兩人似乎有所差異，但是撇除小時候的訓驗不談，兩者的成功絕對離不開刻意練習，其差異在於發現天賦的早晚，老虎伍茲是從小較早發現天賦，費德勒則是多方嘗試各項運動，最後才決定了專攻網球，成年之後來看頂級運動員絕對不乏大量練習，但時間拉回兒時，他們可能都還在多方探索。

卓越運動員與一般運動員練習時間的比較

所以關鍵其實並非提早學習，反倒是立定志向後的大量刻意練習，一萬小時定律才會發揮作用，這個感覺就很像是小時候家長、老師叫我們要好好讀書，但是你對於為什麼要念書?，根本就沒有想法也沒有概念，大概就是你現在好好讀書，以後找個好工作賺大錢等等說法，等出社會之後才發現，工作根本就不是你的興趣，只剩餬口飯吃的功能，自然而然你也不會把你的工作、技能磨練到極致，套句玩遊戲的概念就是，這個帳號你練了一個你不喜歡的角色，最好你會想把他練到全伺服器第一。

刻意練習的成果被AI取代

剛才提到打球，另外舉下西洋棋為例，西洋棋若要精通成為大師，除了大量練習對奕、還要記住各種不同的棋局，可是在1997年，IBM超級電腦深藍打敗棋王卡斯帕洛夫，深藍每秒可以計算兩億步棋，人類可沒這麼厲害，一夕之間人類最引以為傲的智慧，在此刻似乎被電腦追上了，未來真的會像電影「魔鬼終結者」一樣由電腦統治人類嗎?

要回答這個問題，我們一樣回到西洋棋上，1998年棋王卡斯帕洛夫舉辦第一屆「進階西洋棋大賽」，每位選手都和一部電腦搭檔，選手負責下戰略，戰術則由電腦代勞，這感覺就是叫老虎伍茲去玩高爾夫球電玩與其他電競選手一較高下，棋王長年的練習與經驗根本派不上用場，他說「電腦抵消了我的優勢」。

2014年在阿布達比舉辦自由搭配棋賽，獎金是兩萬美元，選手可以自由選擇要搭配電腦，還是純粹使用電腦代勞，最後獲勝的隊伍是四人搭配數台電腦，負責主要決策的隊長是英國工程師安森・威廉斯，他說「這種棋賽考驗多種整合能力，有時候跟棋力毫無關聯」，他必須斟酌隊友和數台電腦的建議，然後迅速決定要讓電腦深入計算哪些特定的棋步，就像帶領特種部隊，決定何時要深入?何時要誘敵犯錯? 然後一舉進攻取得勝利。

人類搭配電腦的棋賽下，創意顯得更加重要，人類負責戰略、電腦執行戰術，在特定規則的環境下，電腦執行的比人類更好更快。

以近期最紅「ChatGPT」還有去年爆紅的「Midjourney」為例，ChatGPT可以撰寫各式各樣的文案，例如像是歌詞、文章摘要、翻譯、甚至寫程式也不在話下，Midjourney則是可以生成各種圖像，只要你描述的夠清楚，就算你不會畫畫也可以輕而易舉得到你想要的圖片，你所要做的就是訓練AI，讓AI協助你執行各種重覆性高的任務。

不過具體來說AI是如何訓練的呢?

簡單來說AI模型的建立是其實有點像是在訓練寵物或是小朋友新技能的感覺，人腦或著是說動物的大腦神經，其實就是一整個完整的網路，你必須要輸入再觸發輸出完成動作。

訓練AI也是類似的玩法，我們輸入關鍵字，AI會根據大數據輸出結果，一開始結果一定是錯的，但是隨著我們不斷修改關鍵字或是敘述的更加精確，AI會學習與比對這些錯誤的結果，再次修正下回遇到類似的關鍵字應該要輸出什麼結果。

你有沒有覺得似曾相識，人類學習不就是透過不斷的刻意練習、從錯誤中學習新技能，只要在特定的規則下，我們可以教AI學會重複的動作或是規則，問題是在規則不明、或是狀況不明的環境下呢?

以股市為例，當你大量研究練習各種線型，叫AI幫你做了大量回測，你就一定敢準確預判未來的股市走向嗎？ 真的這麼厲害你早就是世界首富了，因為過去的經驗根本只能拿來參考，無法準確的預判。

所以越考慮到宏觀戰略的狀態下，人類能發揮的空間越大，我們最大的優勢就是在於廣泛整合的能力，過去各種專家專業的經驗與技巧，只要是在固定規則下，有重複性、再現性，AI通通可以取代，但是跨領域整合能力，規則不明的領域，AI就像特定的專家一樣並無法發揮優勢，需要一個跨領域的人利用AI運用AI，人類負責思考去制定策略，把運算留給電腦，推測模擬電腦運算的結果可不可行、有沒有執行的必要，這個人機一體的狀態才是未來培育人才的關鍵之一。

跨領域的三大思考步驟

那想要學會跨領域，也許我們能從觸類旁通開始，例如說今天我們有一萬顆核桃要去殼，要怎麼做?

問題在我們只要內核，外殼是我們不要的，但是一顆顆去剝跟過於費時費力，有一個在1968年的專利「青椒去籽」，將青椒置入密閉容器內，將壓力提高後，迅速降壓，而讓種子分離，這招也適用於核桃剝殼， 如果你只是單一領域的專家，很難去聯想到其他領域早已慣用的方法，必須觸類旁通才能聯想到，以下是書中提到跨領域思考的三種步驟，大家不妨可以嘗試看看。

◼ 類推思考

許多問題受限於當時的技術或是知識，根本就無法直接去解決，而且越是超前的領域就越是如此，像是研究宇宙、量子力學等等領域，根本就超出目前人類現有的技術，到底要怎麼解決問題？

這時就需要類推思考，簡單來說類推思考，就是你把新事物變的熟悉，把舊事物變的新奇，幫助人思考陌生的、不明朗的各種疑難雜症。

比如說原子看不到要怎麼理解概念，電流摸不著要怎麼理解，但是你只要類推成撞球，或是類推成水流，就更能幫助我們能理解，一理通萬理通，很多問題基本上是很類似的。

1930年代心理學家卡爾・鄧克提出一個假設問題，卡爾假設你是位醫生，如果病人罹患胃癌，但是不能動手術，可是不切除腫瘤病人就會喪命，現在有某種放射治療法可以摧毀腫瘤，一定強度下全部照射到腫瘤，絕對可以摧毀腫瘤。

但問題來了，放射線強度太強了，會連正常的細胞一起殺死，如果要降低強度，是不傷害正常細胞沒錯，不過就沒辦法殺死腫瘤了，有沒有什麼方法可以殺死腫瘤，又不傷害健康組織呢? 這個問題就在與放射線既不能太強，也不能太弱，該怎麼辦?

在你思考的時候，講個小故事給你聽， 從前有個將軍要攻打一個重要的城堡，軍隊同時包圍城堡，一定可以攻得下來，但是通往城堡的路上有好多條，每一條都放置了地雷，大部隊通過肯定會觸發地雷。

於是將軍想了一個方法，每條路都派遣小部隊通行，小心翼翼避免觸發地雷，並且約定每個小部隊對時，統一時間到達城堡外圍集合，最後將軍就順利攻下城堡了。

另外一個故事是有一天鎮上失火了，消防隊到了現場要滅火才發現沒有消防栓，消防隊擔心不趕快滅火怕會延燒到一旁的住家，好在旁邊有一座湖，很多居民已經提水桶在滅火了，不過水桶的水太少了，根本就滅不了火，這是消防隊長當機立斷，請所有居民都先停下來，通通去湖邊把水桶裝滿，大家聽了很是奇怪，等大家裝回來之後，消防隊長教大家圍住火場繞成一圈，數到三，一起把水潑出去滅火，於是成功滅火。

聽到這裡，你該知道怎麼救人了嗎? 這個答案就是強度過強的放射線，會同時殺死腫瘤與正常組織，但是我們用低強度的放射線從不同角度照向腫瘤，只聚焦在腫瘤上，這樣放射線有足夠強度殺死腫瘤，又不會傷害到健康組織，就像將軍把大部隊分成小隊同時進攻，或像是消防隊長叫居民圍成一圈同時潑水。

也就是說類推思考，幫助你了解根本看不見的問題 。

◼ 分類思考

不知道你的分類習慣是什麼?

假如有一副牌，牌上面各自描述一種真實世界的現象，例如經濟泡沫、北極融冰、油價、聯準會升息、烏俄戰爭、Covid-19等等狀況，一張牌有兩種類別可以去分類，一種是領域性、另一種則是結構性，你會偏向怎麼分類?

領域性的分類方式就是把相同領域的牌放在一起，例如經濟類別如經濟泡沫、聯準會升息等等，生物類別像是Covid-19、北極融冰影響北極熊生存等等。

結構性的分類方式則是依「通則」來分類，比如說經濟泡沫和北極融冰放在一起，兩者相似之處在於股票上升，會吸引更多的人來購買進而推動價格上升到泡沫為止；融冰融化會讓地球變暖進而融化更多的冰，直到融冰消失為止。

我自己的習慣也是以領域去分類，所以過往解決問題的習慣，還是會以單一領域的專業去思考，想要學會跨領域思考，就必須習慣打破領域的僵固，回到事物的本質去類推，去把相同的概念相互連結。

這讓我想到目前很流行的卡片盒筆記法，筆記顧名思義本身就用一張張的卡片，紀錄的是你的想法與概念，筆記本身如果概念相通是可以相互引用的，如果我們分類是依造邏輯性、結構性去分類卡片，自然而然就會去觸類旁通不分領域拿出來應用。

◼ 水平思考

假設今天要會舊技術找出新用途，應該怎麼做?

這裡提到水平思考的概念，因為人類會習慣性就物件的熟悉用途進行考量，這種本能稱為「功能固著」，例如想到磚塊，你會想到什麼用途? 砌牆、門檔、武器? 除了這些用途還能用來幹嘛? 回到磚塊的本質是什麼? 有重量、外型方正、堅固，有這些特質的物品能拿來做什麼? 當紙鎮、丟到馬桶節水，這需要天馬行空的想像才能讓舊技術能有新用途。

書中還有提到任天堂前研發長橫井軍平，喜歡成熟技術的水平思考，他認為水平思考就是新背景之下，讓舊點子出現新用途，然後充分利用所謂的「成熟技術」，也就是發展成熟，甚至近乎淘汰的技術去開發新的可能性。

這些技術因為成熟所以穩定，拿來開發利用不僅降低生產成本，同時也保證了產品的穩定性。

所以任天堂開發遊戲機較少使用最先進的技術，以SWITCH為例，沒有最先進的顯示技術4K 60p顯示，但是家機可以像是掌上型遊戲機一樣方便攜帶，無論何時都可以享受遊戲的樂趣，這個創舉實在是極富創意，可拆卸式的手把一樣能體會到過去WII主打的體感遊戲，讓家機的樂趣能帶出門與朋友互動，畢竟我們玩的是遊戲，遊戲性才是我們想玩遊戲的初衷。

這讓我想起在業界遇到一個案例，原本研發部門評估某個清洗機台，其功能很強大，對於細微線路的清潔效果絕佳，能解決污染的問題避免客訴，但問題是單價過高，經評估後要滿足現有產能需要30台，這個投資金額過於龐大。

有個製程經理觀察了這個機台發現，關鍵是在他的噴嘴是特殊噴嘴，能有效滲入細線路的部分，新機台貴是貴在他採用機械手臂一片片取放料，因為晶圓易破所以才用這個方案，但是目前的產品底板很強壯，根本不會破，於是這個製程經理把目前舊有的機台上的噴嘴，更換成新式噴嘴。

就用最低成本解決掉這個問題。 原本需要30台新機台，將舊的機台稍微改造後一台就搞定了，也幫公司解決品質的問題。

所以說水平思考打破固有心理，讓舊技術也能有全新發明。

說到這裡，我認為這三大步驟，其實有點像以前接觸到TRIZ方法，TRIZ是俄國人阿舒勒分析了超過20萬件專利，他發現很多專利都具有類似的規律，他把共通的規律，統計出來40項發明原則，後續開發遇到類似的問題，便可以參考這些原則。

我自己的理解是有點像是遇到問題的時候，可以利用伊隆馬斯克最愛使用的第一性原理，將問題層層分解分離後，這時可以應用「類推思考」去定義問題本質為何?

接著將問題的本質進行「分類思考」，利用「水平思考」看看舊技術或其他領域的技術能否應用的上，不然只會限入到原本的觀點跳脫不出來，書中的形容這種狀況是在挖「水平的壕溝」，解決的方法可能會出現在其他壕溝裡，但你不斷地加深自己的壕溝，挖再深也找不出答案。

Yosep Surahman on Unsplash

繞了圈子才解鎖成就

說到大器晚成的案例，如梵谷、高更、近代有哈利波特的作者 JK羅琳，也許他們的人生繞了一大圈，但過去的經驗成為新工作的養分。

我們多數人不可能一開始工作就找到一生志業，轉換不同的工作中，最重要是保持開放的心態，每個新工作就像嶄新的旅程，保持開放心態，才能從這份經驗中學習到東西。

要記住大部分的人根本就不知道自己與所學的契合度為何，只有做了才知道適合不適合，過往的經驗也不會消失不見，總是會在你需要的時候出現，就像是日本漫畫之神手塚治蟲，早年學的是醫科，雖說最後轉行去創作漫畫，正因為有過醫學背景，日後才能創作出膾炙人口的「怪醫黑傑克」。

著名數學物理學家、提出戴森球結構的弗里曼・戴森曾說過：

科學研究必須同時注重天上飛鳥與地上青蛙，鳥類翱翔天際看的又廣又遠，他們喜好統整思維的概念，從不同的景象集結多元問題，青蛙住在地面泥濘，只看到附近的花卉，他們喜好研究特定事物的細節，而且一次只解決一項問題。但因此要說鳥比青蛙更優秀是不公平的，這個世界既深又廣，所以我們需要鳥與青蛙共同合作，探索世界。

這個意思是說我們需要專才也需要跨領域的通才共同合作，一起去解決各式各樣的難題，關於這點，我想套句RedBull的廣告台詞，Redbull給你一雙翅膀。

專業的青蛙如果要想飛翔，學習如何跨領域思考，就像裝了一雙翅膀，即便不如鳥兒，但是不是能學會更開放的眼界、更多元的視角去看世界呢?

不要陷入水平壕溝的陷阱

一萬小時成為專家的說法流傳已久，但時代在變化，AI出現之後，你磨練多年的本事，如專門化的單一技能與知識，即將會被AI取代，未來會需要能跨領域的人才，跨領域的人才就像鳥一樣看的寬廣，專門的技能與知識可以依靠AI協助來解決問題，進入到「人機一體」的新時代，人類需要專精在跨領域思考，或是設定策略，執行就給AI或電腦就好。

另外書中提到一個美國野火消防員的故事讓我印象深刻，大意是這樣的，美國野火消防員殉職調查發現，許多人面對野火不是來不及逃離，而是放不下手邊的工具，因為設備太重跑不快才殉職的，這讓我反省自己工作上是不是有一樣的思考慣性，遇到疑難雜症老是拿慣用的工具出來，要是有效解決早就搞定了。

這本書提醒我解決問題的方法不是只有一種，可行的方法也許其他領域早有答案，一直鑽牛角尖也不是辦法。

最後這本書推薦給卡關的朋友，不管是學業卡關還是工作卡關也好，也許這時候要退後一步，或是借鑒其他領域的方法。

如果我們把人生比作一段旅程，成功是旅途的終點的話，我們沒人能保證一開始起跑的方向是正確的，像是老虎伍茲算是運氣不錯的，一開始全力衝刺就發現方向沒有錯，所以繼續衝刺抵達終點，但像是籃球之神麥可喬丹，走到一半繞路跑去打棒球，後來發現不適合又回到籃球之路上。

也許試著跨領域學習看看，偶爾繞繞遠路，路上一定會有不一樣的風景在等你，反正最後有抵達終點就好。

《 公益活動 》讓「閱讀」幫助自己也幫助他人。

「台灣展臂閱讀協會」是由一群熱血的醫療人員，想要推廣「兒童閱讀」「親子共讀」「偏鄉外展服務」，讓弱勢家庭有平等閱讀與醫療的機會。

若你喜歡《跨能致勝》這本書，可以透過此連結購買，本站獲得回饋金將全數捐贈給「展臂閱讀協會」，並將金額公布在網站與粉絲專頁，希望你我的閱讀除了開拓視野，更能幫助他人，這個社會需要更多正向的力量。

或您可以直接到「台灣展臂閱讀協會」，捐贈您的善款，您可以選擇一次性捐款，也能定期定額捐贈善款。

若您有圖書欲捐贈，書寶二手書店也有提供「捐書助公益」的活動，您可以將家中圖書委託書寶二手書店代售，書寶會將銷售金額轉為愛心善款，捐贈給與書寶合作之公益團體。不論捐款的形式如何，就讓閱讀幫助自己，更能擴大幫助他人，做個快樂的分享者。