पिछले शताब्दी के अधिकांश समय में, व्यावसायिकता को एक मूल्यवान संपत्ति माना जाता था। व्यक्ति शिक्षा प्राप्त करता था जो उसकी योग्यता की पुष्टि करती थी, और दशकों तक अनुभव जमा होने देता था। उदाहरण के लिए, 1985 का एक मैकेनिकल इंजीनियर 1995 में भी काफी हद तक उसी विशेषज्ञ के रूप में रहता था। पूरे करियर की संरचना एक शांत धारणा पर आधारित थी: कि संचित, आत्मसात किया गया अनुभव पर्याप्त लंबे समय तक अपनी कीमत बनाए रखता है ताकि उसे हासिल करने लायक हो।
आर्टिफिशियल इंटेलिजेंस ठीक इसी धारणा को तोड़ रहा है, और लेखक के अनुसार, हम इस बात के बारे में ईमानदार नहीं हैं कि इसका क्या मतलब है, क्योंकि सच्चाई असहज है। आम सहमति यह है कि कौशल की शेल्फ लाइफ छोटी हो गई है, चीजें बस तेजी से पुरानी हो जाती हैं। यह सच है, लेकिन यह जो हो रहा है उसे कम आंकता है। पिछले स्वचालन की लहरों ने मैनुअल और नियमित श्रम को समाप्त किया - वे कार्य जिन्हें हमें आसानी से सौंपना था।
हालांकि, वर्तमान लहर अपने सार में भिन्न है। यह आत्मसात किए जाने वाले 'विशेषज्ञ' कौशल पर लक्षित है: विश्लेषण, ब्लूप्रिंट बनाना, निदान, मॉडलिंग, संरचित तर्क। यानी, वही जो योग्यता को प्रमाणित करने के लिए अभिप्रेत है। जब आप डिग्री प्राप्त करते हैं, तो आप पुष्टि करते हैं कि आपने ज्ञान का एक हस्तांतरणीय सेट आत्मसात कर लिया है। यह श्रेणी अब सबसे अधिक स्वचालित है, क्योंकि मॉडल लगभग बिना किसी अतिरिक्त लागत के तुरंत समान मात्रा में ज्ञान आत्मसात करने में सक्षम है और कभी भी इसका कोई शब्द नहीं भूलता है।
इस प्रकार, यह इस बारे में नहीं है कि कौशल थोड़ा तेजी से क्षय होते हैं। यह इस बारे में है कि मशीन विशेषज्ञ के साथ काम करना सीखती है, और फिर इसे मुफ्त में करती है। इस रोशनी में, पुनर्कौशलिंग क्रूरता से आगे निकलने के बजाय एक तेजी से दौड़ने वाले ट्रेडमिल पर दौड़ने जैसा लगने लगता है।
इस स्थिति पर चिंतनशील प्रतिक्रिया 'अधिक सीखना' है। लगातार सीखना, प्रमाण पत्र जमा करना और नियमित रूप से पुनः प्रशिक्षित होना आवश्यक है। यह संदेश है जिसे पूरी प्रणाली - नियोक्ता, शैक्षणिक संस्थान, लेखक जैसे लोग - दोहराने का हर कारण रखते हैं, और इसलिए यह महत्वपूर्ण है कि स्पष्ट रूप से कहा जाए कि इस कथन का सरल संस्करण सही नहीं है।
क्योंकि वाक्यांश 'बस तेजी से सीखो' कुछ अनुचित करता है। यह प्रौद्योगिकी की गति और नियोक्ताओं की प्राथमिकताओं द्वारा बनाई गई समस्या लेता है और इसके समाधान का पूरा बोझ - समय, पैसा, चिंता - एक व्यक्ति पर डाल देता है। यह बताता है कि यदि आप पीछे रह जाते हैं, तो इसका मतलब है कि आपने पर्याप्त प्रयास नहीं किया, जबकि जमीन लगातार हिल रही थी। और यह एक असहज तथ्य को छिपाता है: प्राप्त ज्ञान का बड़ा हिस्सा मजबूत नहीं होता है।
स्व-अध्ययन ऑनलाइन सीखने का समापन स्तर अपनी कम सांख्यिकी के लिए जाना जाता है। कक्षा से वास्तविक काम में ज्ञान का स्थानांतरण और भी बदतर है। अकेले अधिक सीखना कभी भी इतनी जटिल समस्या का समाधान नहीं बन सका।
इसका मतलब यह नहीं है कि सीखना महत्वहीन हो गया है। इसका मतलब है कि हमने गलत स्तर की शिक्षा को अनुकूलित किया है। यदि मशीन अब विशेषज्ञता संग्रहीत कर सकती है, तो मानव अधिग्रहण के इस विशेषज्ञता का मूल्य बदल जाता है। यह विशेषज्ञता से हटकर उसके चारों ओर की हर चीज पर चला जाता है: यह जानना कि किन समस्याओं को प्राथमिकता दी जानी चाहिए; अच्छे उत्तर को केवल विश्वसनीय उत्तर से अलग करने के लिए निर्णय लेने की क्षमता; विश्वास और संदर्भ रखना जो जटिल संगठन के भीतर विशेषज्ञता को लागू करने की अनुमति देते हैं; उन प्रणालियों के साथ काम करने की क्षमता जो आपके जितना ही ज्ञान रखती हैं, एक संकीर्ण विषय पर। मशीन ज्ञान संग्रहीत कर सकती है। यह अभी तक इस बात की जिम्मेदारी नहीं ले सकती कि इसके साथ क्या किया जाए।
यह वास्तव में तथ्यों और प्रक्रियाओं की पाठ्यक्रम बनाने से अधिक जटिल कार्य है। उस विशेषज्ञता को स्थानांतरित करना जो खराब हो रही है - वह स्तर जिसे अब एआई व्यावसायीकरण करता है - वह है जो हमारे संस्थान अच्छी तरह से करते हैं। इसके चारों ओर एक मजबूत मानवीय परत बनाना - निर्णय, अंतर्दृष्टि, अनिश्चितता को बनाए रखने और फिर भी निर्णय लेने की क्षमता - वह है जो अभी तक लगभग कोई नहीं करता है। इस अंतर को भरना है।
यही कारण है कि लेखक इस लोकप्रिय दावे से असहमत है कि डिग्रियां और गहन प्रमाणपत्र प्रासंगिकता खो चुके हैं। आप उस क्षेत्र में निर्णय नहीं ले सकते जिसे आप नहीं समझते हैं; स्वाद नींव पर बनता है, न कि मनोदशा पर। गहन आधार जो एक गंभीर कार्यक्रम प्रदान करता है, आपको उस मशीन को नियंत्रित करने की अनुमति देता है जो स्वतंत्र रूप से बोलती है लेकिन ज्ञान नहीं रखती है। इस आधार का कार्य बदल जाता है - यह वह द्वार नहीं है जिससे आप एक बार गुजरते हैं और बहाव में तैरते हैं, बल्कि वह आधार है जिस पर आप खड़े होते हैं, और सब कुछ ऊपर पुनर्निर्माण करते रहते हैं।
विशेषज्ञों के लिए व्यावहारिक निष्कर्ष 'सीखना सीखें' की सलाह की तुलना में कम सुखद है, लेकिन अधिक उपयोगी है। मान लें कि विशिष्ट विशेषज्ञता जिस पर आप गर्व करते हैं, वह समय-सीमित है। इसके ऊपर की परत में निवेश करें - निर्णय, विश्वास, अस्पष्ट होने पर सही निर्णय लेने की क्षमता - क्योंकि यह वह हिस्सा है जिसे मशीन जल्द ही नहीं लेगी। और उन लोगों से सावधान रहें जो अनंत पाठ्यक्रमों को एकमात्र समाधान के रूप में प्रस्तावित करते हैं।
ज्ञान इतिहास में पहली बार लगभग मुफ़्त हो जाता है। यह तय करने की मानवीय क्षमता दुर्लभ बनी हुई है कि इसके साथ क्या करना है - किस समस्या पर मशीन का ध्यान देना चाहिए, किस उत्तर पर भरोसा करना चाहिए, कितना जोखिम लेना चाहिए। इस क्षमता का हमेशा महत्व रहा है। बस अब तक यह विशेषज्ञता के साथ पैक किया गया था जिसे कठिन परिश्रम से अर्जित करना पड़ता था। यह पैकेज टूट रहा है। लोग और संस्थान जो समझते हैं कि आधा हिस्सा लक्ष्य था, वे सिर्फ अनुकूलन करने से कहीं अधिक करेंगे। वे उस एकमात्र लाभ का निर्माण करेंगे जिसकी समाप्ति तिथि नहीं होती है।