不少頂尖人物靠多方涉獵成功
2014年，我寫出我的第一本書《運動基因》（The Sports Gene），在後記提到有關較晚才選專攻項目的數個運動研究。隔年，我獲邀談這些研究，演講對象讓我出乎意料──不是選手或教練，而是退役軍人。在準備之際，我細讀有關專業訓練與職涯轉換的非體育類論文，結果令我驚訝。
一項研究指出，較早投入專業的人在大學畢業後收入較高，但較晚起步的人後來居上，原因是找到更符合自身技能與個性的工作。許多研究顯示，在科技領域提出創新發明的人往往多方涉獵與投入，主動捨棄深度而取廣度，從而提升創意，不像其他人只專攻一個領域。另一項藝術創新的研究，結論幾乎一模一樣。
我也開始發覺，無論是兒時棄音樂課而選繪畫與棒球的作曲家艾靈頓公爵（Duke Ellington），還是原本夢想寫小說卻成為數學界諾貝爾獎首位女性得主的瑪麗安．米爾札哈尼（Maryam Mirzakhani），這些我極欣賞的高手大多是走費德勒這條路，而非伍茲這條路。
我深入探究，發現不少頂尖人物是靠多方涉獵與廣泛興趣而成功：某位執行長在同輩紛紛退休之際找到第一份工作；某位藝術家換過五個行業才找到天職，改變世界；某位發明家抱持反專業化的哲學，把一家19世紀的小公司經營得蒸蒸日上，躍居家喻戶曉的全球巨擘。
當年，我只有初涉非體育類的相關研究，所以跟那一小群退役軍人演講時，幾乎都以體壇為例，其他研究只蜻蜓點水帶過，但他們聽得心有戚戚焉。演講結束後，觀眾紛紛上前介紹自己，原來他們全部是起步較晚或換過職業，且我發覺他們都對此有點擔心，甚至引以為恥。
這場演講是由彼得．提爾基金會（Pat Tillman Foundation）所辦。這個基金會在紀念已故球星彼得．提爾（Pat Tillman），他離開美式足球聯盟之後，加入美國陸軍遊騎兵，卻死於阿富汗戰場。如今基金會提供獎學金給退役、現役軍人及軍眷，協助他們轉換工作或重返校園。現場觀眾都是獎學金得主，原先是傘兵和翻譯人員，現在想當老師、學者、工程師和企業家，一個個躍躍欲試，卻暗藏恐懼，他們的履歷上沒有據說是雇主所要的線性職涯規畫，也許正開始跟比他們年輕（許多）的同學一起讀研究所，也許正比同輩晚轉換跑道，只因先前在累積無可替代的人生與領導經驗。這本該是獨特優勢，在他們腦中卻淪為負債。
演講結束的幾天後，一位當天會後找我聊過的前海豹部隊隊員寄信給我：「我們都正在轉換跑道。在你離開之後，我們很多人聚在一起討論，聽完你的演講是多麼令人鬆了一口氣。」這位前海豹部隊隊員在大學主修歷史和地科，在達特茅斯學院（Dartmouth College）攻讀商學碩士，在哈佛攻讀公共行政碩士，卻需要我來肯定他的人生選擇，我不禁有些困惑不解。不過他正如在場的其他人，直接或間接聽說轉換跑道是件危險之舉。
這場演講迴響熱烈，所以基金會邀我在2016年的年會進行主題演講，然後到各城市進行小型演講。每次演講前，我詳讀更多研究，跟更多學者交談，更加明白擴展個人與職業之路需要時間，還時常得放棄贏在起跑點這件事，卻相當值得。
我看到研究指出，資歷優秀的專家可能變得眼光狹隘，經驗反成阻礙，卻還日趨自滿——這著實危險。我跟認知心理學家交談時也赫然發現，原來根據許多備受忽視的研究指出，學習本身最好慢一點，知識才能扎根，雖然會在衡量立即學習成效的考試上表現不佳。換言之，最有效的學習會看起來缺乏效率，落居人後。
中年尋求職涯第二春也可能看似如此。祖克柏有句名言：「年輕人就是比較聰明。」然而，在科技業，50歲的創業者更可能創辦大為轟動的成功公司，機率比30歲的創業者高出將近一倍，30歲的創業者也勝過20歲。西北大學、麻省理工學院和美國普查局的研究人員檢視蓬勃成長的新創科技公司時，發現創辦人的平均年齡為45歲。
祖克柏說那句話時是22歲，傳播那樣的觀念符合他的利益。同理，以年輕球員為主的運動聯盟會宣稱，全年投入單一專業是成功的必要條件，儘管研究顯示恰巧相反。然而專業化概念不只影響個人，還影響整個系統，各專業團體見樹不見林，眼界愈來愈小。
2008年，全球金融危機爆發，我們得以窺見大型銀行裡各部門的隔閡程度。各專業部門只依自身風險做最佳運用，各自為政，導致整間銀行的災難。雪上加霜的是，各界反應仍凸顯對專業化的偏執。2009年，一項聯邦計畫獎勵銀行替尚能勉強支付部分房貸的屋主調降每月還款金額，這主意乍聽不錯，實行結果卻不然：房貸部門替屋主調降還款金額，同一銀行的抵押部門卻發覺屋主突然少繳房貸，判定為違約，於是查封他們的房子。「沒人想像得到銀行內部有這樣的穀倉效應。」一位政府顧問事後說。由於專業分工使然，即使個人分別做出最合情合理的舉動，整體卻唯恐釀災。
健保單位高度專業化，可能推出「你手上有槌子，什麼都像是釘子」這類的方案，硬是想讓專業有用武之地，連其實派不上用場的地方都想插手。介入性心導管醫師太習慣靠心導管解決胸痛問題，連大量研究證實不適合的病例也想用心導管來治療。一項新研究發現，在美國心臟醫學會議舉行期間，數以千計心臟科醫師不在醫院，心臟病患的死亡率反而下降，原因可能是這段期間較少進行效果不明的常見手術。
某位蜚聲國際的學者（在書末會提到）告訴我，專業化風潮導致「平行壕溝的系統」，不利於創新。人人埋首挖自己的壕溝，雖然問題的解方也許就在一旁，但絕少站起來望一望旁邊的壕溝。這位學者打算在訓練未來的研究人員時，減少他們的專業化程度，期盼這最終能遍及各領域的人才訓練。他個人雖被逼著追求專業，卻從觸類旁通裡獲益良多。如今他再次擴大視野，設計一套訓練，給別人背離伍茲之路的機會。「這也許是我這輩子做過最重要的事情。」他跟我說。
我希望這本書能助你明白箇中理由。
世界需要更多有廣度、多元、跨界的人才
當彼得．提爾基金會的獎學金得主們講著擔憂，怕轉換跑道是錯誤決定時，我內心深知不是這麼回事。當年我大學畢業，在太平洋的科學研究艇上做研究，確認了我想當的不是科學家，而是作家。我從沒想過，這般棄理從文之後，我會在紐約某家報刊當夜間犯罪版記者，不久後成為《運動畫刊》的資深作家，卻又出乎自己意料的旋即離開，開始懷疑我無法好好做一份工作，這整個職涯的決定實屬錯誤。
然而，後來我學到廣度的重要性，學到延後投入專業的重要性，從而改變看待自己與世界的方式。相關研究涵蓋人生各階段，從兒童在數學、音樂和體育的發展，到找尋出路的大學畢業生，到必須做出改變的中年專業人士，再到尋求新事業的待退休人士。
世界日趨鼓勵並要求高度專業，此刻我們都面對一個挑戰，亦即如何保有廣度、多元經驗和跨界思維，延後一腳踏進專業的時間。當科技把世界變成環環相扣的複雜系統，人人只能管窺一隅，有些領域無疑需要老虎伍茲這樣及早起步的人，這樣專心致志的人，但我們也需要更多費德勒：立足寬廣，經驗多元，觀點多樣，足以跨能致勝的人才。
磨練多年的本事，最容易被機器取代
1997年，IBM超級電腦深藍（Deep Blue）和世界棋王卡斯帕洛夫展開人工智慧和人類的終極之戰，結果深藍擊敗了卡斯帕洛夫。深藍每秒能計算兩億步棋，雖然只占可能棋步的一小部分（所有可能棋步比全宇宙的原子還多），但足夠打敗最強的人類棋王。如今卡斯帕洛夫說：「你手機上的免費應用程式都比我更棋力高強。」他可沒有言過其實。
「所有我們會做的事，機器會做得更好。如果我們能寫為程式，輸進電腦，它們會做得比我們更棒。」卡斯帕洛夫在最近一次演講時說。不過他敗給超級電腦深藍之後有了個想法，發覺人工智慧學者口中的莫拉維克悖論：機器與人類的優缺點時常相反。
有道是「西洋棋有99％關乎戰術」。戰術就是棋手用來就能立刻得到好處的一組棋步。棋手研究各種模式，就是在學習戰術。至於如何憑各個短兵相接贏得最終勝利的宏觀計畫則稱為戰略。蘇珊．波爾加寫道：「你可以光靠深諳戰術，亦即了解許多模式來大幅提升棋力，但對戰略所知有限。」
相較於人類，電腦的計算能力極強，在戰術上可謂萬無一失。特級大師能預測接下來的幾步棋，但電腦的預測猶有勝之。卡斯帕洛夫不禁好奇，如果結合電腦的精湛戰術與人類的宏觀戰略會是如何？
1998年，卡斯帕洛夫協助舉辦第一屆「進階西洋棋大賽」，自己親自出賽，每位選手都和一部電腦搭檔，長年的模式鑽研不復重要，戰術方面由電腦代勞，人類棋手騰出心思專注在戰略上。這就像老虎伍茲和其他高手用高爾夫電玩一較高下，他的長年反覆練習派不上用場，比賽重點變成戰略思考而非戰術執行。
在棋賽上，優勝劣敗迅速改變。「在這種棋賽，人類的創意變得更重要，而非不重要。」卡斯帕洛夫說。他一個月前在傳統棋賽以4：0橫掃某位對手，如今兩人卻戰成3：3平手。「電腦抵消了我在戰術上的優勢。」長年專門訓練而得的主要優勢頓失光芒，他在這個由人類負責戰略的棋賽忽然棋逢對手。
幾年後，第一屆「自由搭配西洋棋大賽」登場，各隊可以包含若干棋手和電腦。長年訓練而得的優勢，先前在進階西洋棋大賽變得薄弱，如今在自由西洋棋大賽更是不復存在。某隊由兩名棋手搭配三部電腦，不僅打敗最強的超級電腦「九頭蛇」（Hydra），也贏過特級大師加電腦的各隊。卡斯帕洛夫認為，獲勝隊伍的棋手最善於「指揮」多部電腦的檢視方向，再把檢視結果統整為整體戰略。人機合作的隊伍稱為「半人馬」隊，展現古往今來最強的棋力。
若說深藍戰勝卡斯帕洛夫的棋局，象徵了棋力桂冠從人類轉移到電腦，半人馬隊勝過九頭蛇的棋局則象徵更有趣的一件事：除去多年訓練出的模式辨認本領，人反而能發揮出更佳表現。
2014年，在阿布達比的西洋棋網站舉辦自由搭配棋賽，獎金為兩萬美元，有些隊伍是由人類自由搭配電腦，有些純為下棋軟體。結果獲勝的隊伍是由4人搭配數部電腦，負責主要決策的隊長是英國工程師安森．威廉斯（Anson Williams），先前並無正式的西洋棋積分，他的隊友尼爾森．赫南德茲（Nelson Hernandez）告訴我：「一般人並不了解，自由搭配下棋考驗多種整合能力，有時跟棋力毫無關連。」
在傳統棋界，威廉斯大概歸類為還行的業餘棋手。然而他深諳電腦，精於把程式算出的資訊不斷整合為戰略，十多歲時很會玩即時戰略遊戲《終極動員令》。在自由搭配棋賽，他必須斟酌隊友和數部電腦的建議，然後迅速決定要讓電腦深入計算哪些特定棋步，就像在帶領一組超特級戰術大師，決定哪些建議要深入探究，最終拍板定案採用。他每局謹慎應戰，預期和局，但設法誘敵犯錯。
最終卡斯帕洛夫想出打敗電腦的方法，就是把戰術交由電腦代勞，雖然戰術是他和波爾加耗費數年不懈磨利的本事，卻也是最容易取代的能力。
人工智慧非萬能，人類可以反敗為勝
如今谷歌的人工智慧下棋軟體AlphaZero取得重大突破，也許連最強的半人馬隊都得在自由搭配棋賽裡甘拜下風。先前的西洋棋軟體是採硬幹法，大量計算可能的棋步，依程式人員設定的標準評分排序，但AlphaZero則會教自己如何下棋，只需要知道規則，然後下無數盤棋，追蹤行得通與行不通的棋步，藉此提升棋力。這軟體很快就勝過最好的西洋棋軟體，連可能棋步遠遠更多的圍棋也順利攻克。不過半人馬隊的啟示依然成立：涉及的宏觀戰略愈多，人類能著墨的愈多。
AlphaZero的程式人員取得耀眼成功後，宣稱這軟體已經從一塊「白板」變成獨當一面的大師。然而從棋局起步絕非白板一塊，這軟體仍是在受規則限制下的世界裡發揮。事實上，連在戰術模式限制較少的電玩遊戲上，電腦都面臨巨大的難題。
人工智慧遇到的最新難題是《星海爭霸》（StarCraft）。這是一款即時戰略遊戲，許多虛構外星物種在銀河系的遠方廝殺爭雄，遊戲涉及的複雜決策遠多過下棋，有戰場要顧，有刺探要做，有建設要規畫，有地景要探勘，有資源要蒐集，全部環環相扣。紐約大學教授朱利安．托格留斯（Julian Togelius）研究遊戲人工智慧，在2017年跟我說，電腦很難在《星海爭霸》獲勝，就算一時半刻贏過人類玩家，但人類玩家具備「長期調整策略」的能力，後來會開始反敗為勝：「思考有很多層面。人類算是在每個個別層面很糟，但對各層面大致有概念，有辦法加以整合，協調適應，這下子就厲害了。」
2019年，人工智慧在簡化版《星海爭霸》首次贏過專業玩家（後來這位玩家調整修正，在連輸多局後擊敗電腦）。《星海爭霸》的複雜戰局反映出一件事：愈考驗宏觀戰略的遊戲，人類能發揮的空間愈大。我們最大的優勢跟狹隘專業背道而馳，反而在於廣泛整合的能力。蓋瑞．馬庫斯（Gary Marcus）是心理學暨神經科學教授，先前把自己的機器學習公司賣給私人叫車服務公司優步（Uber），他說：「在很局限的領域裡，人類也許再過不久就難以做出多少貢獻；在更開放式的領域裡，我想人類絕對還能做出長足貢獻。不光是遊戲而已，我們碰到真實世界的開放式問題仍能勝過機器。」
在西洋棋等有序的封閉式領域，回饋即時，數據龐大，人工智慧迅速取得長足進展。駕駛方面，雖有交通規則，卻帶混亂模糊，人工智慧即便有長足進展，仍面臨不少難題。至於真實世界裡沒有硬性規則的開放式領域，歷史數據無從完備，人工智慧步履蹣跚。IBM的人工智慧系統「華生」在益智問答節目《危險邊緣》打敗人類冠軍，接著號稱能替癌症治療掀起革命，但人工智慧專家告訴我，他們很擔心華生會破壞人工智慧研究在健康相關領域的名聲。誠如某位癌症醫師所說：「稱霸《危險邊緣》和治療所有癌症的差別在於，我們知道《危險邊緣》裡面那些問題的答案。」至於癌症，我們連提出對的問題都尚難辦到。
2009年，地位崇隆的科學期刊《自然》（Nature）宣稱，谷歌的流感趨勢系統能靠搜尋序列模式迅速預測流感的散播，跟美國疾病管制與預防中心的準度不相上下。然而谷歌流感趨勢系統很快便開始跌跌撞撞，在2013年冬季的預測值比實際情況高出兩倍。如今谷歌流感趨勢系統不再發布預測，只在頁面打上「技術尚未成熟」等字樣。馬庫斯以一個類比向我點出人工智慧目前的限制：「人工智慧系統就像學者症候群患者。」人工智慧只能在封閉的穩定架構勝任有餘。
2014年，我寫出我的第一本書《運動基因》（The Sports Gene），在後記提到有關較晚才選專攻項目的數個運動研究。隔年，我獲邀談這些研究，演講對象讓我出乎意料──不是選手或教練，而是退役軍人。在準備之際，我細讀有關專業訓練與職涯轉換的非體育類論文，結果令我驚訝。
一項研究指出，較早投入專業的人在大學畢業後收入較高，但較晚起步的人後來居上，原因是找到更符合自身技能與個性的工作。許多研究顯示，在科技領域提出創新發明的人往往多方涉獵與投入，主動捨棄深度而取廣度，從而提升創意，不像其他人只專攻一個領域。另一項藝術創新的研究，結論幾乎一模一樣。
我也開始發覺，無論是兒時棄音樂課而選繪畫與棒球的作曲家艾靈頓公爵（Duke Ellington），還是原本夢想寫小說卻成為數學界諾貝爾獎首位女性得主的瑪麗安．米爾札哈尼（Maryam Mirzakhani），這些我極欣賞的高手大多是走費德勒這條路，而非伍茲這條路。
我深入探究，發現不少頂尖人物是靠多方涉獵與廣泛興趣而成功：某位執行長在同輩紛紛退休之際找到第一份工作；某位藝術家換過五個行業才找到天職，改變世界；某位發明家抱持反專業化的哲學，把一家19世紀的小公司經營得蒸蒸日上，躍居家喻戶曉的全球巨擘。
當年，我只有初涉非體育類的相關研究，所以跟那一小群退役軍人演講時，幾乎都以體壇為例，其他研究只蜻蜓點水帶過，但他們聽得心有戚戚焉。演講結束後，觀眾紛紛上前介紹自己，原來他們全部是起步較晚或換過職業，且我發覺他們都對此有點擔心，甚至引以為恥。
這場演講是由彼得．提爾基金會（Pat Tillman Foundation）所辦。這個基金會在紀念已故球星彼得．提爾（Pat Tillman），他離開美式足球聯盟之後，加入美國陸軍遊騎兵，卻死於阿富汗戰場。如今基金會提供獎學金給退役、現役軍人及軍眷，協助他們轉換工作或重返校園。現場觀眾都是獎學金得主，原先是傘兵和翻譯人員，現在想當老師、學者、工程師和企業家，一個個躍躍欲試，卻暗藏恐懼，他們的履歷上沒有據說是雇主所要的線性職涯規畫，也許正開始跟比他們年輕（許多）的同學一起讀研究所，也許正比同輩晚轉換跑道，只因先前在累積無可替代的人生與領導經驗。這本該是獨特優勢，在他們腦中卻淪為負債。
演講結束的幾天後，一位當天會後找我聊過的前海豹部隊隊員寄信給我：「我們都正在轉換跑道。在你離開之後，我們很多人聚在一起討論，聽完你的演講是多麼令人鬆了一口氣。」這位前海豹部隊隊員在大學主修歷史和地科，在達特茅斯學院（Dartmouth College）攻讀商學碩士，在哈佛攻讀公共行政碩士，卻需要我來肯定他的人生選擇，我不禁有些困惑不解。不過他正如在場的其他人，直接或間接聽說轉換跑道是件危險之舉。
這場演講迴響熱烈，所以基金會邀我在2016年的年會進行主題演講，然後到各城市進行小型演講。每次演講前，我詳讀更多研究，跟更多學者交談，更加明白擴展個人與職業之路需要時間，還時常得放棄贏在起跑點這件事，卻相當值得。
我看到研究指出，資歷優秀的專家可能變得眼光狹隘，經驗反成阻礙，卻還日趨自滿——這著實危險。我跟認知心理學家交談時也赫然發現，原來根據許多備受忽視的研究指出，學習本身最好慢一點，知識才能扎根，雖然會在衡量立即學習成效的考試上表現不佳。換言之，最有效的學習會看起來缺乏效率，落居人後。
中年尋求職涯第二春也可能看似如此。祖克柏有句名言：「年輕人就是比較聰明。」然而，在科技業，50歲的創業者更可能創辦大為轟動的成功公司，機率比30歲的創業者高出將近一倍，30歲的創業者也勝過20歲。西北大學、麻省理工學院和美國普查局的研究人員檢視蓬勃成長的新創科技公司時，發現創辦人的平均年齡為45歲。
祖克柏說那句話時是22歲，傳播那樣的觀念符合他的利益。同理，以年輕球員為主的運動聯盟會宣稱，全年投入單一專業是成功的必要條件，儘管研究顯示恰巧相反。然而專業化概念不只影響個人，還影響整個系統，各專業團體見樹不見林，眼界愈來愈小。
2008年，全球金融危機爆發，我們得以窺見大型銀行裡各部門的隔閡程度。各專業部門只依自身風險做最佳運用，各自為政，導致整間銀行的災難。雪上加霜的是，各界反應仍凸顯對專業化的偏執。2009年，一項聯邦計畫獎勵銀行替尚能勉強支付部分房貸的屋主調降每月還款金額，這主意乍聽不錯，實行結果卻不然：房貸部門替屋主調降還款金額，同一銀行的抵押部門卻發覺屋主突然少繳房貸，判定為違約，於是查封他們的房子。「沒人想像得到銀行內部有這樣的穀倉效應。」一位政府顧問事後說。由於專業分工使然，即使個人分別做出最合情合理的舉動，整體卻唯恐釀災。
健保單位高度專業化，可能推出「你手上有槌子，什麼都像是釘子」這類的方案，硬是想讓專業有用武之地，連其實派不上用場的地方都想插手。介入性心導管醫師太習慣靠心導管解決胸痛問題，連大量研究證實不適合的病例也想用心導管來治療。一項新研究發現，在美國心臟醫學會議舉行期間，數以千計心臟科醫師不在醫院，心臟病患的死亡率反而下降，原因可能是這段期間較少進行效果不明的常見手術。
某位蜚聲國際的學者（在書末會提到）告訴我，專業化風潮導致「平行壕溝的系統」，不利於創新。人人埋首挖自己的壕溝，雖然問題的解方也許就在一旁，但絕少站起來望一望旁邊的壕溝。這位學者打算在訓練未來的研究人員時，減少他們的專業化程度，期盼這最終能遍及各領域的人才訓練。他個人雖被逼著追求專業，卻從觸類旁通裡獲益良多。如今他再次擴大視野，設計一套訓練，給別人背離伍茲之路的機會。「這也許是我這輩子做過最重要的事情。」他跟我說。
我希望這本書能助你明白箇中理由。
世界需要更多有廣度、多元、跨界的人才
當彼得．提爾基金會的獎學金得主們講著擔憂，怕轉換跑道是錯誤決定時，我內心深知不是這麼回事。當年我大學畢業，在太平洋的科學研究艇上做研究，確認了我想當的不是科學家，而是作家。我從沒想過，這般棄理從文之後，我會在紐約某家報刊當夜間犯罪版記者，不久後成為《運動畫刊》的資深作家，卻又出乎自己意料的旋即離開，開始懷疑我無法好好做一份工作，這整個職涯的決定實屬錯誤。
然而，後來我學到廣度的重要性，學到延後投入專業的重要性，從而改變看待自己與世界的方式。相關研究涵蓋人生各階段，從兒童在數學、音樂和體育的發展，到找尋出路的大學畢業生，到必須做出改變的中年專業人士，再到尋求新事業的待退休人士。
世界日趨鼓勵並要求高度專業，此刻我們都面對一個挑戰，亦即如何保有廣度、多元經驗和跨界思維，延後一腳踏進專業的時間。當科技把世界變成環環相扣的複雜系統，人人只能管窺一隅，有些領域無疑需要老虎伍茲這樣及早起步的人，這樣專心致志的人，但我們也需要更多費德勒：立足寬廣，經驗多元，觀點多樣，足以跨能致勝的人才。
磨練多年的本事，最容易被機器取代
1997年，IBM超級電腦深藍（Deep Blue）和世界棋王卡斯帕洛夫展開人工智慧和人類的終極之戰，結果深藍擊敗了卡斯帕洛夫。深藍每秒能計算兩億步棋，雖然只占可能棋步的一小部分（所有可能棋步比全宇宙的原子還多），但足夠打敗最強的人類棋王。如今卡斯帕洛夫說：「你手機上的免費應用程式都比我更棋力高強。」他可沒有言過其實。
「所有我們會做的事，機器會做得更好。如果我們能寫為程式，輸進電腦，它們會做得比我們更棒。」卡斯帕洛夫在最近一次演講時說。不過他敗給超級電腦深藍之後有了個想法，發覺人工智慧學者口中的莫拉維克悖論：機器與人類的優缺點時常相反。
有道是「西洋棋有99％關乎戰術」。戰術就是棋手用來就能立刻得到好處的一組棋步。棋手研究各種模式，就是在學習戰術。至於如何憑各個短兵相接贏得最終勝利的宏觀計畫則稱為戰略。蘇珊．波爾加寫道：「你可以光靠深諳戰術，亦即了解許多模式來大幅提升棋力，但對戰略所知有限。」
相較於人類，電腦的計算能力極強，在戰術上可謂萬無一失。特級大師能預測接下來的幾步棋，但電腦的預測猶有勝之。卡斯帕洛夫不禁好奇，如果結合電腦的精湛戰術與人類的宏觀戰略會是如何？
1998年，卡斯帕洛夫協助舉辦第一屆「進階西洋棋大賽」，自己親自出賽，每位選手都和一部電腦搭檔，長年的模式鑽研不復重要，戰術方面由電腦代勞，人類棋手騰出心思專注在戰略上。這就像老虎伍茲和其他高手用高爾夫電玩一較高下，他的長年反覆練習派不上用場，比賽重點變成戰略思考而非戰術執行。
在棋賽上，優勝劣敗迅速改變。「在這種棋賽，人類的創意變得更重要，而非不重要。」卡斯帕洛夫說。他一個月前在傳統棋賽以4：0橫掃某位對手，如今兩人卻戰成3：3平手。「電腦抵消了我在戰術上的優勢。」長年專門訓練而得的主要優勢頓失光芒，他在這個由人類負責戰略的棋賽忽然棋逢對手。
幾年後，第一屆「自由搭配西洋棋大賽」登場，各隊可以包含若干棋手和電腦。長年訓練而得的優勢，先前在進階西洋棋大賽變得薄弱，如今在自由西洋棋大賽更是不復存在。某隊由兩名棋手搭配三部電腦，不僅打敗最強的超級電腦「九頭蛇」（Hydra），也贏過特級大師加電腦的各隊。卡斯帕洛夫認為，獲勝隊伍的棋手最善於「指揮」多部電腦的檢視方向，再把檢視結果統整為整體戰略。人機合作的隊伍稱為「半人馬」隊，展現古往今來最強的棋力。
若說深藍戰勝卡斯帕洛夫的棋局，象徵了棋力桂冠從人類轉移到電腦，半人馬隊勝過九頭蛇的棋局則象徵更有趣的一件事：除去多年訓練出的模式辨認本領，人反而能發揮出更佳表現。
2014年，在阿布達比的西洋棋網站舉辦自由搭配棋賽，獎金為兩萬美元，有些隊伍是由人類自由搭配電腦，有些純為下棋軟體。結果獲勝的隊伍是由4人搭配數部電腦，負責主要決策的隊長是英國工程師安森．威廉斯（Anson Williams），先前並無正式的西洋棋積分，他的隊友尼爾森．赫南德茲（Nelson Hernandez）告訴我：「一般人並不了解，自由搭配下棋考驗多種整合能力，有時跟棋力毫無關連。」
在傳統棋界，威廉斯大概歸類為還行的業餘棋手。然而他深諳電腦，精於把程式算出的資訊不斷整合為戰略，十多歲時很會玩即時戰略遊戲《終極動員令》。在自由搭配棋賽，他必須斟酌隊友和數部電腦的建議，然後迅速決定要讓電腦深入計算哪些特定棋步，就像在帶領一組超特級戰術大師，決定哪些建議要深入探究，最終拍板定案採用。他每局謹慎應戰，預期和局，但設法誘敵犯錯。
最終卡斯帕洛夫想出打敗電腦的方法，就是把戰術交由電腦代勞，雖然戰術是他和波爾加耗費數年不懈磨利的本事，卻也是最容易取代的能力。
人工智慧非萬能，人類可以反敗為勝
如今谷歌的人工智慧下棋軟體AlphaZero取得重大突破，也許連最強的半人馬隊都得在自由搭配棋賽裡甘拜下風。先前的西洋棋軟體是採硬幹法，大量計算可能的棋步，依程式人員設定的標準評分排序，但AlphaZero則會教自己如何下棋，只需要知道規則，然後下無數盤棋，追蹤行得通與行不通的棋步，藉此提升棋力。這軟體很快就勝過最好的西洋棋軟體，連可能棋步遠遠更多的圍棋也順利攻克。不過半人馬隊的啟示依然成立：涉及的宏觀戰略愈多，人類能著墨的愈多。
AlphaZero的程式人員取得耀眼成功後，宣稱這軟體已經從一塊「白板」變成獨當一面的大師。然而從棋局起步絕非白板一塊，這軟體仍是在受規則限制下的世界裡發揮。事實上，連在戰術模式限制較少的電玩遊戲上，電腦都面臨巨大的難題。
人工智慧遇到的最新難題是《星海爭霸》（StarCraft）。這是一款即時戰略遊戲，許多虛構外星物種在銀河系的遠方廝殺爭雄，遊戲涉及的複雜決策遠多過下棋，有戰場要顧，有刺探要做，有建設要規畫，有地景要探勘，有資源要蒐集，全部環環相扣。紐約大學教授朱利安．托格留斯（Julian Togelius）研究遊戲人工智慧，在2017年跟我說，電腦很難在《星海爭霸》獲勝，就算一時半刻贏過人類玩家，但人類玩家具備「長期調整策略」的能力，後來會開始反敗為勝：「思考有很多層面。人類算是在每個個別層面很糟，但對各層面大致有概念，有辦法加以整合，協調適應，這下子就厲害了。」
2019年，人工智慧在簡化版《星海爭霸》首次贏過專業玩家（後來這位玩家調整修正，在連輸多局後擊敗電腦）。《星海爭霸》的複雜戰局反映出一件事：愈考驗宏觀戰略的遊戲，人類能發揮的空間愈大。我們最大的優勢跟狹隘專業背道而馳，反而在於廣泛整合的能力。蓋瑞．馬庫斯（Gary Marcus）是心理學暨神經科學教授，先前把自己的機器學習公司賣給私人叫車服務公司優步（Uber），他說：「在很局限的領域裡，人類也許再過不久就難以做出多少貢獻；在更開放式的領域裡，我想人類絕對還能做出長足貢獻。不光是遊戲而已，我們碰到真實世界的開放式問題仍能勝過機器。」
在西洋棋等有序的封閉式領域，回饋即時，數據龐大，人工智慧迅速取得長足進展。駕駛方面，雖有交通規則，卻帶混亂模糊，人工智慧即便有長足進展，仍面臨不少難題。至於真實世界裡沒有硬性規則的開放式領域，歷史數據無從完備，人工智慧步履蹣跚。IBM的人工智慧系統「華生」在益智問答節目《危險邊緣》打敗人類冠軍，接著號稱能替癌症治療掀起革命，但人工智慧專家告訴我，他們很擔心華生會破壞人工智慧研究在健康相關領域的名聲。誠如某位癌症醫師所說：「稱霸《危險邊緣》和治療所有癌症的差別在於，我們知道《危險邊緣》裡面那些問題的答案。」至於癌症，我們連提出對的問題都尚難辦到。
2009年，地位崇隆的科學期刊《自然》（Nature）宣稱，谷歌的流感趨勢系統能靠搜尋序列模式迅速預測流感的散播，跟美國疾病管制與預防中心的準度不相上下。然而谷歌流感趨勢系統很快便開始跌跌撞撞，在2013年冬季的預測值比實際情況高出兩倍。如今谷歌流感趨勢系統不再發布預測，只在頁面打上「技術尚未成熟」等字樣。馬庫斯以一個類比向我點出人工智慧目前的限制：「人工智慧系統就像學者症候群患者。」人工智慧只能在封閉的穩定架構勝任有餘。
