有时候，最大最真的道理反而解决不了任何实际问题。这不只是种悖论，同时也是一种定义。在某些矛盾的核心当中找出真相，才有可能确定继续前进的最佳道路。

这份清单，列出的一系列关于现代技术与工作环境的真实悖论。除了博各位一笑之外，这份清单还希望为应对当下的巨大技术变化提出一点宏观性的论点：当我们身处前所未有的技术发展阶段，面对完全不同于此前甚至上个世代的整体态势（比如装在口袋里的计算机——智能手机，云计算，以及人工智能），确定问题才是继续前进的必要前提。有些功能确实太过新颖，使得不少人无法很好地理解与应用。换言之，用于描述以往时代的语言，已经很难准确表达新世界中各类元素之间的相互作用。

在某些矛盾的核心当中找出真相，才有可能确定继续前进的最佳道路。在本文中，我们就将通过阐述悖论的方式尝试以新的视角审视以下问题：

1. 全球最大的计算反而最具个性化特质。

大型云体系代表着全球性的计算系统，其中包含着超过百万台服务器，并以巧妙的方式联网对接更多计算机设备。在任意时间点上，都有成千上万用户登入以及退出这些系统，查看自己的电子邮件、浏览互联网内容、完成自己的本职工作等等。没有哪两位用户的体验是完全相同的，而Google Cloud等服务则致力于满足特定的业务与个人需求——一部分由用户主动配置，也有一部分利用人工智能“代理”确定，确保用户能够更为高效地编写及查找文档内容。

相比之下，成千上万台独立出售的服务器与PC却一直在提供毫无个性化可言的使用体验。如今，我们通过这些设备享受到的个性化服务，实际上主要来自云端——几近无穷的丰富云资源，为我们手头这些性能有限的冷冰冰硬件注入了无穷的自定义空间。

2. 在永恒的数字存储世界中，代表真实的部分却日渐稀缺。

几年之前，我曾做过一道算术题：如何要在100年之前观看歌剧明星Enrico Caruso的演出并买下一张唱片，那么折合目前的物价大概要花30美元。而如今，录制音乐已经在YouTube及其他服务平台上以基本免费的方式提供。相比之下，一张《斯普林斯汀：百老汇音乐会》的门票则开价近1800美元。

我坚信这一切是有着背后逻辑的，之所以会议及现场商务活动的成本会出现爆炸式增长，正是因为数字化内容在数量上的一路激增。换言之，真实体验反而变得越来越稀缺。颇具讽刺意味的是，我们发现已经有企业开始利用数字技术为用户带来更加生动巧妙的数字化体验。例如，一家体育公司正在尝试开发一款体育场馆内导航应用。

而这样的现实，又给我们带来如下新的悖论。

3. 工作岗位消失了！工作岗位又回来了！

人们非常担心，机器人与人工智能（AI）会令数百万民众的生活陷入绝境。也许未来真会朝这个方向前进，但也有不少人提出别样的意见——麦肯锡公司进行了深入研究，并对可能减少与可能增加的主要工作岗位做出预测。

尽管当下已经有一部分机器人能够执行相对简单的任务，例如在库房中搬运商品；但到目前为止，这一切对人类劳动力的影响并不算大。很明显，割草或者驾驶卡车之类的工作需要结合当前背景做出大量判断，现在的AI还无法应对如此复杂的任务。

与此同时，美国劳工统计局表示，美国当前存在大约35万7千名私人培训师，这类岗位预计将在未来十年中迎来13%的增长比例，高于平均岗位增长速度。另外，按摩治疗师为16万名，增长率为22%。婚姻与家庭协调师，5万5千名，增长率同样为22%。看到这里，相信很多朋友已经意识到：我们正在审视自己、审视内心，并为那些愿意倾听我们声音的劳动者支付更高的报酬。

此外，还出现了不少15年前根本不存在的工作岗位：无人机操纵员、移动应用程序开发人员、社交媒体经理、机器学习专家等等。总之，就是跟新技术相关的这类工作内容。

4. 专业化深度达到历史新高，但跨学科能力愈发重要。

在这个以数据为中心的全新时代当中，在企业内负责处理核心业务的软件开发人员往往成为大家心目中的理想发展方向。毕竟互联产品已经成为核心业务所不可或缺的数字表达形式，而利用如今强大的实时产品性能信息收集能力，开发人员可以根据用户需求或者不断变化的市场态势对产品做出调整。

随着AI重要性的不断提升，特定领域的相关数据在产品构建与优化中开始发挥愈发关键的作用。最成功的开发人员不仅需要拥有深入的专业知识，同时也必须学会判断当前领域中的哪些数据最为重要、如何收集数据以及如何保证分析洞察的公正性。正因为如此，大型企业正越来越多地雇用熟悉医疗保健、运输或者零售行业的专家，而非无脑招纳大量只懂IT技术的工程师。数据无法孤立存在，事物之间的关联非常重要。

5. 获取信息很简单，提出问题却很困难。

与上一点相关：AI技术能够遍历我们人类难以想象的巨大数据量，识别出其中蕴藏的未知模式与洞察见解。但有趣的是，并不是所有模式都真的具有价值。如果我们只是把成PB的数据丢给AI模型，然后指望着它以提出什么赚钱的好办法……可以想象，得到的只有一堆垃圾结论。

从另一个角度出发，只有根据企业核心竞争优势与高质量数据提出有针对性的问题，我们才有可能获得切实有效的结果。这项工作可能相当困难，但却决定着我们到底能否发掘出数据中的实际价值。

6. 唯一能够确定的，只有不确定。

这个结论来自谷歌公司研究与AI负责人Jeff Dean。他指出，与深度学习一样，任何先进的AI都无法给出确定性的结论，而更多只是基于可能性（用他的原话说，「改进方向上的梯度点」）提供模糊的方向性指引。另外，考虑到深度学习系统具有极为复杂的层与排序，有时候我们很难了解系统到底是如何得出结论的。AI模型是一种并不擅长自我解释的机器，至少不像汽车发动机那样让我们明确观察到其工作原理（火花塞点燃油气混合物，推动活塞运动）。

在这个日益依赖统计近似值这类不确定性结论的时代下，众多基于原有确定性观念的法律与社会规则都可能会受到挑战。

7. 在前沿技术带来的不确定性新世界中，最好的应对方式可能来自85年前的宗教诗歌。

艾略特在《岩石》诗集中已经预言了我们当下的处境，“他们想要逃离，逃离弥漫内外的黑暗，他们梦想一种完美的制度，让他们不必分辨即可走上善途。”

换句话说，无论我们对世界的了解达到怎样的程度，人类都需要继续努力，因为完美永远可望不可即。在这条道路上，机器解决不了我们的问题。