20多岁,选什么工作未来能更有前途?

2017 年 11 月 3 日 李开复

现在正处于秋招,估计很多忙着找工作的同学都在思考一个问题,那就是找什么样的工作将来更有前途呢?跟大家分享一篇,低年级的同学也可以看看,提前做好准备哦。




2015年10月,鲍勃·迪伦和IBM Watson进行了一场 “谈话”。


这场对话中,IBM Watson对迪伦说:“鲍勃·迪伦先生,您的歌曲中反映的是两种情绪——流逝的光阴和枯萎的爱情。” 这让迪伦大受震惊。

 


当我听到这段故事的时候,我也大受震惊,枯萎的爱情本身是一种非常难以解读、无法复制的感性认知,代表了一种复杂的人的情绪,而机器居然可以读懂情绪。

 

更厉害的是,Watson还具备自我学习和提升的能力,再建立在大数据的基础上,Watson会模拟人的自然思维,掌握人类的四种认知能力(URLI):

理解understanding

推理reasoning

学习learning

交互interactive

 

这是什么意思?这代表了通过学习与成长,人工智能有可能会达到很高的境界。

 


作为互联网的预言大神级人物,凯文·凯利(K.K)最近对于经济和社会又做出了12个发展的预测,不知道你有没有留意到,在他的长篇预测文章的结语里他写到:

 

现在没有人是AI的专家——很多人懂AI,但是没有人是专家。跟30年后的我们相比,现在的我们就是一无所知。

 

人类总是忍不住预测未来,但就像凯利所说的,对于未来,我们一无所知,所以如果我们现在看未来,到底什么行业是最有前途的?什么工作不会被人工智能所取代?无异于盲人摸象。

 

未来什么样的工作最有前途?我们的预测从来没有停止过。


影响圈和关注圈

我还记得,我刚刚读大学的年代,那个时候中国刚刚改革开放,对外贸易行业异常火爆,所有的学生都去报外贸专业,毕业了又一股脑去外贸公司。结果呢?才几年,外贸工作就已经成了昨日黄花。

 

然后接下来,由于开始国际化,英语人才的需求又越来越大,后面我们还看到过IT行业的火爆,都是在十年内完成了从高峰到低谷的转折。

 

今天和互联网及金融有关的工作都炙手可热,那么,又谁敢保证明天就不会被我们无法预测和想象的行业颠覆呢?这次,能持续十年以上吗?

 

你会问,既然未来是如此的不可知,是不是就代表我们什么事情都不需要做了呢?

 

史蒂芬·柯维在《高效能人士的七种习惯》里说过一个经典理论-- 影响圈和关注圈。

 

作为个人,我关心很多问题,我关心环境和社会,我关心教育与公平,当然更关心我的地位,职位,工资,晋升,职业的前途。


这些都是我很关注的事情,在我的关注圈里。可是,这些事情很多都未必是我能够控制的,因为大多数我关注的事情都决定于外界因素而非我自己。

 

柯维建议我们,我们应该把我们的主要精力全部放在我们可以控制和影响的范围之内。


比如,我的能力,我的知识,我的素养,我的经验,以及我的态度等等,因为这些全部是我们可以掌控的范围,在我们自己的影响圈里。



对于关注圈,很多事超出我们控制的,而对于影响圈,才真正是我们可以做一些事情来改变的。


所以与其把精力花在对于未来与未知的焦虑跟担忧里,不如把主要精力花在你可以影响的影响圈,聚焦现在,看看我可以做些什么。



当我把精力集中在影响圈里后,就可以一步步扩大我的影响圈,相应的也就更能够影响我的关注圈,也包含未来。



回到我们开始的问题,未来做什么行业和工作更有前途?


你会发现,这个问题其实是在我们的关注圈里,因为我们对未来没有控制,也无法预测,我们只有回到影响圈里,把影响圈里的事情做好,才有可能会影响到关注圈。

  

那么正确的问题应该怎么问?

 

更合适的问题应该是:我究竟可以做些什么来帮助我在未来更有竞争力呢?

 

其实,无论现在与未来,我们的竞争都不是与人工智能,我们的竞争都是与人的竞争,与所有人的竞争。

 

还记得那个老故事吗?森林里有两个人,遇到一头老虎,其中一个人赶快穿跑鞋,另一个人说,你穿着跑鞋,你也跑不过老虎啊,这个人说,我的目标不是跑过老虎,我的目标是跑过你就可以了。

 

同样道理,如果你能跑赢大部分人,你能成为社会里那前面的10%人群,除非人类灭亡,在大部分的情况下,你都不用担心你的未来。

 

对于大部分在职场工作的小伙伴们也是一样,我们也要成为职场里那10%的人群,通常就是我们说企业里的高管,也就是百万年薪的那一群。


只有努力成长为这群人,你才会在现在以及未来的人生里拥有更多的选择与控制权。


哪些能力能够让你具有成为高管的潜力呢?

无论你从事什么行业或工作,越往高走,你会发现,专业的能力要求会越来越少,而综合的软性能力要求会越来越趋同

 

我采访了几十位各行业各公司的百万年薪高管,尽管每个人成功的路径和机遇不同,但是大家所具有的一些软性能力,还是有一些共性的,我在这里总结一下供你参考。 因为篇幅有限,我将来会另外写文章详细阐述每一个能力,以及该如何培养。

 

这里是一个简单的模型,软性的能力分内功和外功,内功就是一口气:愿景和价值观,外功就是七种武器,即七种能力




内功与外功

1、内功:愿景与价值观


愿景与价值观是所有发展的基础,也就是我要成为什么样的人?我未来的目标是什么?我用什么样的准则,与人与世界互动?


这部分其实是最难的,很多人在职业规划的时候,通常是这一部分没有想清楚,你今天看到的很多中年危机,也是人到了一定年纪之后,在寻找这一部分的答案。


2、外功:7种能力 


认知力


我对世界和社会的认知是什么?我对自我的认知是什么?我的知识体系是如何构架和建立的?我如何解释和洞察我身边发生的事情?

 

自制力


我是否能控制我的身体,态度,情绪,心智等等?我能否克服和改进自己的弱点?

 

内驱力


我是否目标导向?我是否对未来抱有激情?我做任何事是否全情投入?

 

学习力


我是否对新事物抱有好奇心?进入一个全新领域,我是否能够快速学习和成长?我是否有学习的方法,也就是学习“学习”的能力?

 

影响力


我是否能够影响我周围的人?别人是否愿意跟随我?

 

创新力


我是否有能力不断产生新的想法与思路?我是否擅于切换不同的思维模式?

 

魄力


我是否有魄力踏出舒适区?我有没有勇气表达自己、面对真相,直面冲突、勇于行动?

 

如果每一种能力满分都是10分,尝试一下给自己打个分自我评估一下,然后问自己:我希望在这个能力上达到几分?我目前是几分?我可以做些什么来改善差距?

 

未来,我们无法预测,更不要说掌控。我们能够掌控的只有自己和现在。

 

把焦点放在每一点的小小自我改善上,成为更具备综合能力更强的自己,成为职场上的前10%,这就是你能做的未来最有前途的事情。




End~


以上内容转载编辑自洪老爷的百万年薪成长手册。



登录查看更多
0

相关内容

IBM 开发的继深蓝之后的新一代大型计算机。 Watson得名于IBM创始人Thomas J. Watson,是当下人工智能的最高端应用。
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
123+阅读 · 2020年5月26日
【IJCAI2020】图神经网络预测结构化实体交互
专知会员服务
42+阅读 · 2020年5月13日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
33+阅读 · 2020年3月6日
2019中国硬科技发展白皮书 193页
专知会员服务
78+阅读 · 2019年12月13日
【深度学习】深度学习的问题究竟在哪?
产业智能官
4+阅读 · 2019年8月30日
人工智能的现状与未来(附PPT)
人工智能学家
73+阅读 · 2019年3月27日
2019,想转行人工智能?美国哈佛博士后有话说
大数据技术
3+阅读 · 2019年3月19日
工作4年,我从阿里巴巴辞职到了国企
互联网架构师
3+阅读 · 2019年3月17日
“搞机器学习没前途”
CSDN
236+阅读 · 2018年9月12日
投资,重要的是未来
雪球
5+阅读 · 2017年12月17日
如何做个小冰那样成功的聊天机器人
七月在线实验室
5+阅读 · 2017年12月4日
Arxiv
14+阅读 · 2020年2月6日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
11+阅读 · 2018年7月8日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
VIP会员
相关VIP内容
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
123+阅读 · 2020年5月26日
【IJCAI2020】图神经网络预测结构化实体交互
专知会员服务
42+阅读 · 2020年5月13日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
33+阅读 · 2020年3月6日
2019中国硬科技发展白皮书 193页
专知会员服务
78+阅读 · 2019年12月13日
相关资讯
【深度学习】深度学习的问题究竟在哪?
产业智能官
4+阅读 · 2019年8月30日
人工智能的现状与未来(附PPT)
人工智能学家
73+阅读 · 2019年3月27日
2019,想转行人工智能?美国哈佛博士后有话说
大数据技术
3+阅读 · 2019年3月19日
工作4年,我从阿里巴巴辞职到了国企
互联网架构师
3+阅读 · 2019年3月17日
“搞机器学习没前途”
CSDN
236+阅读 · 2018年9月12日
投资,重要的是未来
雪球
5+阅读 · 2017年12月17日
如何做个小冰那样成功的聊天机器人
七月在线实验室
5+阅读 · 2017年12月4日
Top
微信扫码咨询专知VIP会员