家長們一方面十分關注孩子們可能面對的就業市場，另一方面此間的焦慮具有相當的盲目性。未來是如此的不确定，家長的知識結構往往也已經滞後太多了。“雙減”并沒有真正觸及壓力的本質，因為壓力的源頭是就業。不去拼補習班，就得拼點别的，好的就業崗位就那麼多。雙減改變不了“零和博弈”的本質。
《暗知識》這本書包含着一種洞見，它對未來就業具有一定的認知幫助。通過對AI知識新大陸的透徹分析，它還能告訴你AI時代的就業與網際網路時代的就業有什麼不同。
作者提出了一個很深刻的新概念—暗知識。
那麼什麼又是暗知識呢？讓我們來看看上面那張圖，從可感受性和可表達性，對知識進行一個劃分。粗略地說，可以分為四個象限：
Y軸的正方向代表易于被感受，進而被了解的知識。相反的認知方向是，人類感官和直覺難以感受和了解的知識。
X軸的正方向代表易于表達（概念化、形式化…文字、公式等手段），而相反的方向就屬于那種難于表達的知識。
右半邊的知識，因為易于表達，因而就易于傳播。學校裡教的，論文中寫的都是這類知識。右上方的知識易于被感受和了解，中學、大學階段就接觸了不少。右下方的知識往往與我們的直覺相沖突，觀察往往需要特殊實驗裝置，了解上就要困難得多。
左上方的知識因不易表達，常常隻能通過師傅帶徒弟那種有限方式傳遞，就是不易言傳，但可意會的那種。
我們重點要講的暗知識位于左下部分，它正式現代AI最擅長的方式。
在介紹它之前，先讓我對它有個直覺的了解。
2016-3-13，在懸賞一百萬美金的誘惑下，谷歌旗下的“阿爾法狗”與南韓圍棋超人李世石展開了舉世矚目的“人機大戰”，狗狗全無禁忌，五路肩沖讓行家們連連搖頭。可不曾想到狗狗那一招一式絕非花拳繡腿，而是藏于江湖的蓋世神功。五番棋中，李世石先失三局，已經落敗。僅僅在第四局的安慰賽中，“神之一挖”，擊中了狗狗的“BUG”。狗狗像吃了“搖頭丸”一樣開始了“醉棋”，總算給人類留下了一點顔面。
此後，修複了BUG的更新版化名MASTER掃地僧，在網上以60連勝血洗了世界圍棋的整個江湖。
狗狗背後的技術就是一種深度人工神經網絡，以增強學習的方式取得了圍棋江湖的至尊地位。
這種AI曾是五大人工智能技術之一，2012年它異軍突起，幾乎滅掉了東邪西毒和南帝北丐（四大門派）。
這一技術是對大腦神經系統的一種模拟，特點就是它善于發現那些人類無法了解的知識。
對人類來說，理性和思維很難脫離語言。而語言對現實世界的描述總是不完全的，它依賴用概念對現實的一種概括（表述）。而基于人工神經網絡（深度學習）的AI對現實世界的學習沒有那類表述方面的限制。它用一個超大維數的參數空間對低維的現實世界資料進行學習（編碼），要取得這種降維打擊優勢就需要超級算力，而2012年，這類算力已經形成。
谷歌的狗狗背後是上千台GPU叢集陣列。作為前沿探索的深度學習，這樣的算力是不可或缺的。一旦獲得了領域知識的初級訓練模型，應用時一個小得多的參數子空間就夠了。
比如，目前圍棋國手們用的“狗狗教練”，配置上不過就是加裝一兩塊GPU闆的PC。
現在我們想象一下未來的就業，比如醫生，他手機上就可以有一個類似“狗狗教練”的“醫助”。算力不夠可以配合雲計算來解決。“醫助”就是“數字醫生”下的崽兒。
主意，醫助知道的暗知識就像今天圍棋國手們用的教練一樣，無所不能。今天各個圍棋道場大佬的尴尬，就可能出現在您孩子的就業領域。
學會和那些“領域狗狗”打交道也許就是常态了。圍棋和全科醫生在AI的眼裡，差别并沒有你想象的那麼大。是不是細思極恐的一件事？這就是我說的數字助手。不管你是多牛的醫生或律師什麼的，你所在領域的數字助手都是“王炸”。
注解：配圖來自網絡，僅為文字原創。