AI 时代，被放大一千倍的 10％，和一千种从零到一的新可能

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。