觀察
想象力和創(chuàng)造力的培養(yǎng)，在AI時代比以往任何時候都更加重要。既然AI的幻覺可以幫助科學家獲得新的突破，我們也應當借鑒這種思維方式，在日常學習和思考中留出一定的“想象空間”，讓自己能夠跳脫出固有的思維模式，探索更豐富的可能性。
陳永偉
如何學習才能不被AI替代
文 /陳永偉
對于中國的AI普及而言，2025年的春節(jié)注定是不平凡的。隨著DeepSeek的意外爆火，原本高冷神秘的AI一下子飛入尋常百姓家。一時間，幾乎全國的人都開始使用AI。朋友圈里刷屏的不再是煙花九宮格，而是“我家AI寫的打油詩更押韻”的隔空比拼；家族群里此起彼伏的，是二舅用方言教AI包餃子、三姨讓AI計算年夜飯卡路里的語音消息；就連我70多歲的老父親，也要求我給他補課，教他如何用AI給親朋好友寫拜年詞。
然而，AI的普及不僅帶來了便利，也引發(fā)了焦慮。一位資深程序員在試用DeepSeek后感嘆，自己多年積累的編程經(jīng)驗竟顯得如此脆弱。春節(jié)過后，一張上海某公司群聊截圖瘋傳，該公司擬用AI替代大量人工，其中法務部、內(nèi)容創(chuàng)新中心裁撤比例高達80%。這讓人們驚覺，AI取代的不只是低技能崗位，甚至高學歷、高經(jīng)驗的職業(yè)也難以幸免。
面對AI的迅猛發(fā)展，許多人開始質(zhì)疑學習的意義。如果知識和經(jīng)驗都能被AI輕易取代，我們該如何調(diào)整學習模式，以適應這個新時代？
工作變遷和新的學習要求我們習以為常的“工作”模式固定時間、地點、任務僅存在兩百余年。更早時期，個體需自主分配時間，兼顧耕田、織布、養(yǎng)魚等多種任務。工業(yè)革命后，機器重塑生產(chǎn)流程，人們被納入固定崗位，按標準流程操作，逐漸成為社會大機器的一部分。
這一變革也改變了學習方式。工業(yè)革命前，工作多元，個體需廣泛涉獵知識，具備跨領域協(xié)調(diào)與社交交易能力，學習以“博”為核心。而工業(yè)革命后，任務高度細分，專精一項技能即可獲得認可，學習目標由“博”轉(zhuǎn)向“精”，如程序員專注編程，無需關心市場包裝，產(chǎn)品經(jīng)理關注需求分析，而不涉產(chǎn)品實現(xiàn)。
然而，AI的普及正在改變這一現(xiàn)狀。正如我們所看到的，AI在許多具體任務上的效率已超越人類，尤其是在需要大量知識積累和經(jīng)驗總結(jié)的工作領域，其進步遠超預期。這一趨勢使得人類在工業(yè)時代所扮演的“社會大機器的螺絲釘”角色逐漸式微。在更高層次的生產(chǎn)力水平下，工作形式或許將經(jīng)歷一種“否定之否定”，回歸到工業(yè)革命前的狀態(tài)。換言之，人們可能需要同時承擔多種不同的任務。例如，一個產(chǎn)品經(jīng)理不僅要分析市場、設計產(chǎn)品，還需要親自實現(xiàn)這些設計。不同的是，如今人們無需親手完成所有任務，而是可以借助AI工具來高效實現(xiàn)。在這種情況下，人們最需要的能力，已經(jīng)從單一技能的掌握，轉(zhuǎn)變?yōu)槿蝿詹鸾馀c識別能力，以及AI工具的高效使用能力。
與此同時，隨著工作任務和場景的確定性逐步消解，適應變化、根據(jù)環(huán)境調(diào)整知識結(jié)構(gòu)的能力，將成為未來職場的核心競爭力。此外，盡管AI可以代替人類完成許多工作，但至少目前，它仍難以完全取代涉及想象力、創(chuàng)造力和人情味的任務。因此，為了更好地展現(xiàn)人類的獨特價值，人們應更加注重這些能力的培養(yǎng)，尤其是想象力的開發(fā)與提升。
基于上述分析，筆者認為，為了適應AI時代的社會分工和組織變革，學習模式的革新應從四個層面展開：
1.工具層面：學會高效使用AI工具，使其成為工作的得力助手。
2.知識層面：掌握與自身工作相關的多樣化知識，確保在為AI分配任務時，能夠清楚如何著手。
3.能力層面：培養(yǎng)跨任務協(xié)調(diào)能力、資源配置能力，以及應對未知挑戰(zhàn)的能力。
4.超越層面：強化更具人類特質(zhì)的能力，如情感、想象力和共情能力，尤其是想象力的培養(yǎng)，應成為重中之重。
接下來，我們將分別探討這四個層面的變革方向。
當好AI的蘇格拉底在現(xiàn)實中，同樣的AI工具，不同的人所能挖掘出的效率卻截然不同。有些人借助AI，可以獨立開發(fā)出完整的網(wǎng)站，甚至完成整個項目；而另一些人，卻只會把AI當成陪聊工具或圖片生成器。
為什么會出現(xiàn)這樣的差別？過去，AI的使用門檻較高，要熟練掌握AI，通常需要具備一定的編程技能。因此，人們習慣于將AI使用效率的差異歸結(jié)于對編程能力或某些具體技能的掌握程度。然而，如今人們已經(jīng)可以用自然語言輕松指揮AI完成各種任務，但這種差異仍然存在，甚至比過去更為顯著。究其根本，問題仍然出在思維方式上。
事實上，在ChatGPT爆火之前，市場上已經(jīng)有一些類似的應用，允許用戶通過自然語言或可視化方式與AI交互，讓AI編寫程序或完成任務。不過，這些應用通常被稱為“低代碼編程”。顧名思義，這些工具雖然降低了編程門檻，但本質(zhì)上仍屬于編程范疇。要想編寫高效的程序，不僅需要一定的編程技能，還需要良好的編程思維。類似的道理，同樣適用于生成式AI的使用。
那么，使用生成式AI時最重要的技能是什么？就是清晰地表述自己的需求，并引導AI按照自己的指令執(zhí)行任務。在《美諾篇》中，蘇格拉底為證明“認識是靈魂的回憶”，引導一個毫無幾何基礎的奴隸小孩推導出畢達哥拉斯定理。他未直接教授，而是通過拆解邏輯、反詰和追問，讓小孩自行推演，最終得出正確結(jié)論，完成了看似不可能的任務。
這個故事對于我們使用AI模型具有重要的啟發(fā)意義。如今的生成式AI在訓練過程中，已經(jīng)吸收了互聯(lián)網(wǎng)上幾乎所有可以獲取的信息。因此，從理論上講，我們所需要的答案早已“存在”于它的“知識體系”中。然而，AI僅僅存儲了海量知識，并不一定能夠自動將這些存量知識與用戶的需求精準匹配正如奴隸小孩雖然掌握了勾股定理推導的每一步，但在被直接問及該定理時，仍然無法將這些知識串聯(lián)起來。在這種情況下，AI的使用者需要扮演蘇格拉底的角色，通過適當?shù)囊龑�，讓AI按照自己的思路完成任務。
正如我們所見，蘇格拉底在啟發(fā)人們思考時，通常會遵循固定的對話策略。例如，他會要求對話者首先對相關概念進行明確定義，然后將這些定義一般化，從而推導出一定的結(jié)論。接著，他會對這些推論進行反詰，找出其中的矛盾，促使對話者從新的角度進行思考。本質(zhì)上，蘇格拉底其實是在用自然語言編寫一套“低代碼程序”，以引導對話者逐步接近正確答案。同樣的思維方式，也可以應用于與生成式AI的交互。在學習和實踐中，用戶可以為自己搭建幾套AI交互的“套路”，并積累一些經(jīng)過實踐檢驗有效的提示詞。這樣，無論遇到何種問題，我們都可以像蘇格拉底一樣，以高效的方式向AI闡明需求，并對AI的行為進行精準引導，從而大幅提升AI的使用效率。
