作者：筆記俠

來源：筆記俠（ID：Notesman）

“AI教母”李飛飛和MasterClass創(chuàng)始人兼CEO大衛(wèi)·羅吉爾做了一場播客訪談，標(biāo)題叫《AI教母：10年后，只會剩下兩類工作者》。

主持人問李飛飛怎么看一個流傳很廣的說法：工業(yè)革命自動化了體力勞動，現(xiàn)在AI要自動化智力勞動，我們怎么辦?

李飛飛卻說，工業(yè)革命并沒有自動化勞動。它讓勞動更高效，擴(kuò)大了勞動的規(guī)模，也確實(shí)改變了勞動力市場。但它沒有自動化勞動。而且我們也不能暗示，勞動是沒有智能的，那個假設(shè)錯得太離譜了。

變了勞動的形式，但人在勞動中投入的判斷力，那些工匠積累了一生的經(jīng)驗(yàn)直覺、那些體力勞動里夾著的認(rèn)知判斷，從來沒有被真正自動化。

同樣的誤解，正在AI身上重演。

一

“智能成本歸零” 是一個誤解

AI行業(yè)最近流行一句話：智能的成本正在趨近于零。

李飛飛直接回應(yīng)了這句話：體力勞動、認(rèn)知勞動、情感勞動，人類的活動和人類智能深刻地交織在一起。

人類智能對大自然來說，至今仍然是一個未解之謎。我們并不真的清楚人類智能的深度和細(xì)微之處。所以，任何在外面聲稱“智能成本趨近于零”的人，那都是不負(fù)責(zé)任的說法。

緊接著她給了第二條理由。

即便單看語言智能，大語言模型確實(shí)強(qiáng)大，“它們在幫助商業(yè)智能、幫助軟件工程、幫助演繹邏輯推理甚至更深入的任務(wù)上，都已經(jīng)顯現(xiàn)出威力”。

但除了我們比較熟悉的語言智能，我們還有感知智能、空間智能、身體智能、情感智能。我們對創(chuàng)造力到底從哪里來都還沒搞明白。每個人的創(chuàng)造力，來自他們大腦的不同部位，也來自他們?nèi)咳松?jīng)歷的不同部分。

比如：一個老師判斷學(xué)生為什么學(xué)不會，靠的不只是文本分析，是觀察表情、語氣、猶豫的瞬間。

一個團(tuán)隊負(fù)責(zé)人在關(guān)鍵客戶面前決定要不要說出那句話，沒有算法能替他做判斷。

“智能成本歸零”如果被當(dāng)成管理決策的前提，它漏掉的，恰恰是人最貴的那部分。

二

三種做法，暴露了自動化思維

李飛飛在訪談里反復(fù)重申同一個立場：我真心相信它是一種技術(shù)，也就是說，它只是一個極其強(qiáng)大的工具。但這個工具是人類可以用起來，讓事情變得更好的。同時，怎么使用這個工具，我們也必須非常警惕。

她接著補(bǔ)了更重要的一句：“我們教孩子們怎么用火、用刀，再到用互聯(lián)網(wǎng)。現(xiàn)在，作為一個物種，一個社會，我們必須學(xué)會(怎么用AI)這件事。”

工具到底是用來替人的，還是用來抬人的，不取決于技術(shù)，取決于部署它的人。

訪談里三種做法，對應(yīng)著三種自動化思維的慣性。

第一種，把AI當(dāng)人頭替代器。

李飛飛舉了產(chǎn)品經(jīng)理的例子。

十年前的標(biāo)準(zhǔn)產(chǎn)品經(jīng)理，“更像是指揮。他們不需要寫代碼，通常不是軟件工程師”。

要原型，找設(shè)計師。要開發(fā)，等工程師。拿到原型，發(fā)用戶，等反饋，再整合。“那一條產(chǎn)品管理的生命周期，在一家典型的公司里可能要花上幾個月。”

現(xiàn)在呢?

很多產(chǎn)品經(jīng)理現(xiàn)在自己寫代碼了。他們不需要等一個團(tuán)隊來做原型，他們可以用AI來幫忙設(shè)計一些非常簡單的東西，進(jìn)行“氛圍編程”。這一下子就把周期縮短了。

但這不意味著我們該甩掉設(shè)計師和軟件工程師，只是省下了時間，讓他們可以去做更復(fù)雜的那部分工作。

AI沒有替代任何人。它把每個人往上推了一個臺階。產(chǎn)品經(jīng)理從“指揮”變成了“動手者”。設(shè)計師和工程師從“執(zhí)行者”變成了“專攻最難問題的人”。

自動化思維的管理者看到這個例子，第一反應(yīng)很可能是“那以后可以少招兩個工程師”。同一個事實(shí)，同一種工具，完全不同的結(jié)論。區(qū)別不在技術(shù)，在怎么理解技術(shù)。

第二種，把“上工具了”等同于“做對了”。

買工具、開培訓(xùn)、教員工寫Prompt，教完就算任務(wù)完成。

李飛飛在訪談里說了一段關(guān)于教育的判斷：教育的目標(biāo)不是閉卷考試還是開卷考試，也不是標(biāo)準(zhǔn)化考試的成績。

教育的目標(biāo)是培養(yǎng)人，讓每個人成為他所在社群和社會的有意義的貢獻(xiàn)者，并過上一種有意義的生活。AI不應(yīng)該剝奪這些基本目標(biāo)中的任何一個。但AI應(yīng)該幫助更好、更有效地達(dá)成這些目標(biāo)。

把“教育”換成“管理”，把“學(xué)生”換成“團(tuán)隊”，每句話都成立。引入AI的目標(biāo)不是“把工具裝上了”，是你到底在用AI重新設(shè)計什么。

羅吉爾不是技術(shù)出身，但他講了一件自己正在做的事：

我發(fā)現(xiàn)自己用的多數(shù)應(yīng)用都是我自己構(gòu)建出來的，用Claude Code或者Cursor建的。

我的CEO工具棧全是我自己做的應(yīng)用。就連我的效率應(yīng)用、我的待辦清單應(yīng)用也是我自己構(gòu)建的。做一個應(yīng)用的成本，已經(jīng)從幾個月縮短到一個周末了。

他不是在秀技術(shù)，他是在演示：AI時代優(yōu)秀的人，不是“更會執(zhí)行任務(wù)的人”，是“更會設(shè)計工作系統(tǒng)的人”。工具買再多，如果團(tuán)隊沒有設(shè)計思維，工具只會變成電子化的舊流程。

第三種，以為“全面部署AI”是一個技術(shù)指令。

發(fā)一個通知說“公司要全面部署AI”，員工聽到的是“要砍人了”。坐下來跟他說“來看看你能用AI做什么以前做不了的事”，員工聽到的是“可以變得更強(qiáng)”。

這是一個很有意思的現(xiàn)象，員工一開始猶豫，不是因?yàn)椴粫霉ぞ撸且驗(yàn)椴恢拦芾碚叩降紫胗肁I做什么。是替掉他們，還是托起他們。

同一個工具，同一個預(yù)算，同一個人。前提條件不同，結(jié)果完全不同。

李飛飛會在訪談后半段，主持人問她一個完全不知道從哪開始的人最簡單的AI入門方式是什么時，給出了這樣的回答：

去找一個年輕人。你的孩子、侄子侄女，只要是25歲以下的，他們當(dāng)中絕大部分人已經(jīng)在用AI了。

帶著一份純粹的好奇，去請他們給你看看，他們平時是怎么用的，用AI在做些什么。等你真的了解了它是什么，那個世界就沒那么可怕了。

三

未來10年，職場只剩2類人

跳出自動化思維的陷阱之后，再看羅吉爾描述的職場結(jié)構(gòu)，杠鈴的兩個端點(diǎn)就有了完全不同的含義。

羅吉爾在訪談里說：我的一個假設(shè)是，你會看到一個杠鈴效應(yīng)的出現(xiàn)。有一批人正在成為真正的專家。

一個還湊合的文案撰稿，現(xiàn)在任何人用一個大語言模型都能做得不錯。但如果我是世界上最好的文案，或者在前1%，那你就沒法輕易打敗我。

而我們看到的另一個角色，是高主動性的通才。他們能做很多不同的事情，在判斷力和主動性方面有很強(qiáng)的技能。

杠鈴兩端，一端是前1%的頂尖專家，另一端是能同時駕馭多件事的高主動性通才。中間那些“還湊合”的人，空間正在被壓縮。

李飛飛同意這個判斷，加了一層分析：

不管你在專家那一側(cè)還是通才那一側(cè)，你都需要有主動性，你都應(yīng)該能夠以一種獨(dú)特的、有創(chuàng)造力的、深入的方式去使用工具。

杠鈴左端的頂尖專家，是把增強(qiáng)用到極致的人。AI幫他們篩掉90%的重復(fù)工作，把精力集中在最需要人類判斷力的那10%上。他的價值不是被壓縮了，是被釋放了。

杠鈴右端的通才，是主動發(fā)起增強(qiáng)的人。自己上手，自己造工具，自己定義工作流。他們不是在等一個被增強(qiáng)的未來，他們自己就是增強(qiáng)的起點(diǎn)。

中間層的問題不是技能問題，是姿勢問題。AI把執(zhí)行層面的“還不錯”拉到了極高的水平線。停留在“能執(zhí)行”這個層面的人，不管做什么，都會被追平。

但只要從“等著被安排怎么用AI”切換到“我自己上手看看能干什么”，中間層就有機(jī)會把自己推到杠鈴的任何一端。

李飛飛也專門講了這個切換，她說：“創(chuàng)業(yè)者”這個詞，在很大程度上就是“主動性”的同義詞。

四

為什么增強(qiáng)不是一廂情愿？

有人會問：萬一技術(shù)再往前走，人類的判斷力、創(chuàng)造力、情感智能，全都被自動化了呢?

李飛飛在訪談里花了一大段講同一個問題的科學(xué)版本。她的公司和研究方向是空間智能。

空間智能就是四件事：理解、推理、生成、交互。

它涵蓋了我們?nèi)祟惤裉煸?D(三維立體)環(huán)境里展現(xiàn)出來的好幾種能力。

第一，我們能理解正在發(fā)生什么; 第二，我們能推理; 第三，我們能生成; 第四，最后但同樣重要的是交互。

李飛飛舉了投籃的例子：

連投籃這個動作本身，也是一個高度復(fù)雜的智能時刻，語言推理是參與其中的。因?yàn)槟阕鳛橐粋€運(yùn)動員，你會敏銳地意識到這球進(jìn)了還是沒進(jìn)，它對比賽、對那個時刻意味著什么。

與此同時，看到整個球場，看到其他球員的位置，瞄準(zhǔn)籃筐，這是深度空間性的。然后調(diào)整你的身體，知道怎么做出那個動作，這又是深度物理性的。

三種智能，語言、空間、身體，在投籃的一瞬間同時工作，互相協(xié)同，不是“先語言、再空間、再身體”的流水線。

而我們生活中做的絕大多數(shù)事情，其實(shí)是語言智能、空間智能和身體智能的混合。它們是高度互補(bǔ)的，一起協(xié)同工作。

然后李飛飛給了一個進(jìn)化論層面的判斷：進(jìn)化花了超過5億年才讓空間智能成熟起來，語言智能花的時間比這短得多。所以這是一種非常深層、古老、根本性的智能能力，動物和人類都有。

這些判斷放在一起，指向同一件事。今天AI真正能加速的，是語言層面的任務(wù)：寫報告、查資料、做數(shù)據(jù)分析、寫代碼、生成圖片。

它讓人有更多時間和精力，去做語言之外的事：判斷、創(chuàng)造、共情、在模糊地帶做決策、在壓力下保持冷靜、在各種信號矛盾的時候盯住最重要的那一個。

增強(qiáng)不是一種愿望，不是一種價值觀選擇。它是在技術(shù)發(fā)展的這個階段，一個科學(xué)判斷：人還有大把AI追不上的東西。

用增強(qiáng)的框架，省下的是重復(fù)勞動，得到的是被釋放的專業(yè)判斷。

李飛飛在訪談里說過一句話，可以作為所有AI管理決策的試金石：我們教孩子們怎么用火、用刀，再到用互聯(lián)網(wǎng)。現(xiàn)在，作為一個物種，一個社會，我們必須學(xué)會怎么用AI這件事。

關(guān)鍵詞不是“學(xué)會”，是“我們”。不是讓員工自己去學(xué)，不是讓IT部門去部署，是管理者和團(tuán)隊一起，把AI當(dāng)成一個需要共同搞明白的東西，用它把每個人往上推一層。

版權(quán)聲明：部分文章推送時未能與原作者取得聯(lián)系。若涉及版權(quán)問題，敬請原作者聯(lián)系我們。