一周前我在 datawhale 做了场分享,和大学生聊聊 AI 时代的职业发展。完整视频和文字稿可以看 datawhale 的公众号。我主要分享了两个观点:
首先,专业领域中那些高层级的知识经验技能,更像是能被放大 1000 倍的 10% 的能力;
其次,每个人都有一千种潜能,原来不会的事现在能轻松入门,这 1000 个从 0 到 1 的价值也非常可观。
这两个观点的诞生要感谢老华的追问和分享。
两月份 ChatGPT 热潮刚起时,就不断听到人们在问:AI 时代我们该学什么?AI 都会了我还需要学吗?我们有哪些是不可被 AI 替代的能力?
有人拿着几年前的答案来回答:创造力。
我不赞同:真的吗?你没感受到过 AI 的创意有多强吗?
看到过一条很有意思的推文:“AI 呀 AI,我指望你来帮我扫地洗衣服干重活,现在你却在写作画画编程序……”
城市数据团分析了 1639 种职业的替代风险,得到一个很有意思的洞察:人类孩提时期甚至出生时已经掌握的技能,那些精巧的生物学本能,似乎反而是 AI 最难模仿和替代的部分。而那些后天通过艰苦的学习实践来获取的知识、积累经验的技能,例如学会算术、学会写作、学会画画、学会看 X 光片、学会写法律文书……这些人类学会了并引以为傲的东西,在 AI 看来,一文不值。
真的是如此吗?我觉得有道理,但总还有些不太对,至少当前的 AI 还远没有能到替代所有后天知识技能的部分。那到底,AI 能替代什么不能替代什么呢?
这样的困惑围绕着我数月,直到我看见了敏捷软件开发的倡导者 Kent Beck 的推文。他说:“我 90% 的技能被归零了。但剩下的 10%,却被放大了 1000 倍。”
当我把这条推文发给老华时,他问我:“Kent 说的 10% 是什么?”
我试图以术与道来区分:普通的代码能力只是术,但怎么写代码、背后的方法论、思考方式,更像是道。
似乎能说服自己,看到《软件设计:从专业到卓越》的作者也写了篇能引起共鸣的文章。但纸上得来终觉浅,总还隔了一层。终于在我自己动手让 GPT 的 code interpreter 写棋盘游戏左右互搏的一番折腾后,我有了亲身感受——
不管是创意、编程、写作、数据分析……所有我们人类引以为傲的能力,也区分低阶和高阶。其中重复性较高的低级能力 AI 特别擅长,而专家级别、需要全局视角、需要架构设计、需要深层思考、需要综合多种因素灵活变通地解决复杂问题的高阶能力,AI 目前还做不到。而具备这些高阶能力的人们,可以利用 AI 将能力进一步放大。也就是说,当我们讨论哪些能力不会被 AI 替代时,我们不应该按创意、写作、编程、计算……这样水平的角度去区分,而应该按各项能力的深浅来判断。
当然,其实这个结论也没那么让人振奋:Kent 的 10% 能被放大 1000 被,是因为他本来就特别厉害。我没那么厉害,我的 10% 也就只能被放大 10 倍?那就只是勉强持平了。
还有什么别的方式,可以让我因 AI 而强大吗?
还是感谢老华。他说我在编程上要用到深处才能获得被赋能的感觉,但他在画图上轻易就获得了——因为他之前根本不会画画。这种能力从无到有、快速达到 80 分的获得感,是前所未有的。
因此,他现在不会太关注怎样把过去能做的事情效率提升一倍,而更关注有哪些事可以从 0 到 1,这些新的 1 又能和之前的能力相乘,创造出什么新可能。
从 T 型人才到 π 型人才,AI 让跨界变得容易了。看来今后梳子型的超级个体会越来越多。
Datawhale 分享结束后的互动环节,有个学生追问:那到底什么能力才真正重要呢?
我略加思考,给出了一个几乎本能的回答——好奇心。我们要去寻找很多很多从 0 到 1 的新可能,就需要不断突破自我设限。好奇心,是驱动我们向前的源动力。在认知性好奇的驱使下终身学习并以此为乐,或许是我们在 AI 时代游刃有余的保障吧。
领取专属 10元无门槛券
私享最新 技术干货