根據美國勞工統計局的資料，二○一八年最搶手的行業為生醫工程師、網路系統與資料傳輸工、獸醫、電腦軟體、物理治療與職能治療、土木工程師、護士、會計、財務分析與景觀設計。其中生醫工程師是新興的行業，但是相關學理與技術早已存在數十年，而其他九項行業根本是老行業的新需求。
即使是全新的行業，也通常是在舊技術的基礎上發展出來的。以二○二○年的三星旗艦手機為例，它的核心技術之一是安卓（Android）作業系統，這個作業系統二○○三年就已存在，它是利用一個Linux核心發展而成，而Linux核心的技術在一九九一年就已問世。
其實，產業的變遷是大量承襲既有再加上局部的創新，從量變逐漸累積為質變，而非不連續的跳躍式變化。因此新興產業總是需要從舊產業引入大量的技術與人才，而願意持續吸收新技術的人都可以順利地換軌。譬如，面板產業與發光二極體的磊晶圓產業都是需要借用晶圓代工的技術與人才，軟性面板也會大量使用到傳統面板的技術與人才。
如果從學理的角度去看，變化的連續性就更清晰。譬如人臉識別技術的學理基礎有兩個，一個是一九八○年代起迅速發展的類神經網路，一種是一九七○年代開始迅速發展的影像處理；而後者是以一維的數位訊號為基礎，把影像當作二維訊號去進一步發展出來的。假如一個人能掌握到這些學理之間的相似與互通，就可以輕鬆地用一九五○年的類比訊號理論略加擴增而變成一九六○年的數位訊號理論，再略加擴充就變成今天應用廣泛的影像處理技術。假如一個人不懂得這些學理之間的類似性與互通，就會誤以為類比訊號處理、數位訊號處理、影像處理與人臉識別之間是毫不相關的三、 四種技術或學問。
理工的學問都是跟幾何學一樣的演繹系統，它們都是從數量有限的基礎定理和觀念出發，經過演繹而發展成成千上百的定理：歐幾理德（Euclid）的《幾何原本》共有四百六十五個定理，然而它們都是從五個公設和五個公理演繹出來。類似地，一本電路學的教科書動輒四、 五百頁，其實整本書都是從三個定律推導出來的，而且這三個定律都是簡單到一旦理解了就不會再忘記；同樣的，靜力學的教科書也是動輒六、 七百頁，其實整本書就只有一個觀念：合力等於零。
莊子說：「吾生也有涯，而知也無涯。以有涯隨無涯，殆已！」如果你把理工的學問當作一堆零碎而不相連屬的知識，就永遠跟不上知識的爆炸速度；如果你把它們當作一個演繹系統，從知識源頭掌握住核心定理、觀念和假設，就能夠以簡御繁、以一御萬，輕鬆地理解和吸收它們。
此外，在以前電腦不普及的時代裡，靈活的解題技巧是解決複雜工程問題的必備能力。然而在這個電腦程式極其發達的時代，不管是複雜的電路設計或結構分析，工業界都早已是使用各種現成軟體在進行分析，而不需要自己動手解題。因此，重要的是深入掌握核心原理、觀念和假設，能正確使用現成軟體和解讀軟體的分析結果，而不需要去管枝節瑣碎的知識細節和解題技巧。
事實上，在這個劇變的時代裡，再多的知識也不夠用。所幸，只要善用行動運算與搜尋引擎，我們所需要的知識幾乎都在隨手可及的網路上。因此，解決問題的關鍵並非事先在你大腦裡儲備大量的知識，而是學會在最短的時間裡找到所需要的知識和文件，過濾掉可信度或含金量低的網路垃圾，並且在最短時間裡加以吸收、轉化、活用。
因此，當人工智慧與機器人逐漸侵入職場時，人類的學習重點應該要逐漸轉移到它們所不擅長的宏觀視野、問題定義，以及運用它們解決問題的能力，而不是複雜的數學與解題技巧，或者網路上可以搜尋得到的知識。
簡言之，面對未來的職場巨變，我們需要的是跟機器人與人工智慧合作的技巧，以及運用大數據與各種網路資訊、數位典藏的能力。至於過去講究的博學強記、謹小慎微的學習模式，則是早已過時而急需淘汰的。
譬如，人工智慧擅長規則明確的邏輯演繹和複雜的計算，卻不擅長批判性思考與創新，也不擅長洞察人心的需要。因此，當人類與機器人在需要創新的工作上競爭時，最能發揮「以己之長，攻人之短」的優勢。此外，如果一個人有能力通過研究與批判而創新，他就可以站在職場的前緣，成為職場變遷的受益者而非受害者。
不管是機器人智能水準的提升，或職場技術與知識的迅速更替，乃至於新興國家的崛起，都是既帶來威脅，也帶來新的機會—— 它們都是經濟學家熊彼得（Joseph Schumpeter）所謂的「創造性破壞」。而破除威脅，轉危機為轉機的關鍵訣竅，就在於培養自己研究、批判與創新的能力。
這三種能力表面上看起來沒有明確的關係，實則它們的最終目標都是為了創新—— 如果研究的成果無助於創新，那就等於徒勞而無功；如果只會批判而沒有能力創新，那就無異於發牢騷。或者說，批判既有乃是研究工作的起點，為的是找到值得突破與創新的課題；而研究則是導致創新的方法與過程。⊙
<本文摘自《生命是長期而持續的累積：彭明輝談困境與抉擇（暢銷十週年．特別增訂版）》，聯經出版提供>
責任編輯：茉莉
