不擅長數學和物理的人，要通過學習什麼來改變命運?

未來屬於大數據的時代,這我明白，但是對於那些不擅長數學和物理，真的很不喜歡這兩科的人來說，學什麼是能改變命運的？對於經濟管理類學科，未來是不是也會越來越傾向於量化更適合理工類學霸來做的工作?(個人是理科生，喜歡語文，英語，國際政治，化學，生物，家裡無礦)

去學計算機/互聯網吧，21世紀是代碼的世紀。不需要太深的數學知識。

這件事分兩個方面來說說吧。

第一、未來是大數據時代不假，但是絕大部分人只會喫到大數據帶來的紅利，而不需要研究大數據。在這個販賣焦慮的時代，可能各種宣傳搞得你以為你必須學懂大數據以後纔有出路，但是對於大部分工作以及研究人員而言，他們並不需要自己去設計數據結構、製作機器學習框架，因為有專門的人做這些，所以拿來用就好了，還快。而且越往後，這些會做得越簡單易用。就像是說，你想體會高科技，最快的方法是去買個最新款的手機、頂配的電腦、商業化的新技術（如XR），而不是回頭去啃一遍《電磁學》、《電子電器》、《C語言從入門到入土》。

第二、大數據孕育不出新知識。當然這樣說顯得有些激進啊，容我解釋一下。

大數據和其延伸技術的核心是利用龐大的數據量以及多到人腦沒法處理的參數，通過統計學的方法得到一個模型，因此下次你有參數時，就可以通過這個模型進行判斷。通過這個過程我們能找到很多針對一個問題或現象的「最優解」，而且模型可復用，所以其用途可見一斑。

但是，這樣我們算「學會」了這個現象嗎？答案仁者見仁，我自己是持反對觀點的。舉個例子，當年開普勒通過之前收集到的那些星球數據，得出了著名的開普勒三大定律，可是你能說開普勒理解了為什麼這三大定律是這樣的嗎？直到牛頓給出他的三大定律，開創了力學，我們纔算是開始理解了開普勒。

不難看出開普勒就是大數據的過程，得到的結果是有用的、有意義的，但是缺乏泛化能力，更缺乏邏輯推演的過程，因此只能得到「是什麼」，沒法回答「怎麼做到的」以及「為什麼是這樣的」等問題。這也是如今「可解釋性人工智慧」越來越重要的原因，而只從統計學以及計算機的層面去解釋人工智慧勢必存在侷限性，特定專業的人士必然需要站出來去解釋人工智慧在自己領域的輸出。新出的公式或定理必然在一定的限制條件下會變成以前已有的公式或定理，否則就應該收受到質疑。

綜上所述，雖然很多職業可能會面臨被替代等問題，但是大部分專業並不會消失，大數據只會成為一項重要的工具以及研究的對象

學音樂，學做菜，學遊戲，當up，都可以。

要是什麼天賦都沒有什麼都不行……

那就這樣湊合吧。