懂人工智能的人，将来会大规模超过那些不懂的人。

有些人觉得，在未来就业市场上，懂AI的人会大量取代那些不懂AI的人。但问题是，这种区别真的那么明显吗？难道不是每个人都能学会怎么用AI、写提示词吗？用AI这事儿，不就是个工具嘛，谁还不会用？AI本来不就是为了让所有人都能上手使用的吗——包括新手？</br>

理论上来说，用提示词来操作AI应该挺简单的，谁都能上手。但我现在有点怀疑，它可能永远达不到那种“人人轻松使用”的程度。看看现在图像生成AI的情况就知道了。如果你懂20种不同的图像生成算法，还知道每种的“脾气”，那你肯定比只会对着ChatGPT打提示词的人强得多。这就带来一个问题：我们最终会拥有一个啥都能干的全能AI吗？还是说，我们会陷入“几千种AI各自为政”的局面，每种AI都有一套不太一样的玩法？讲真，我现在也拿不准。

这就好比是说，任何人都可以写一首诗，或者写个短篇小说。但AI不是读心大师，它没法完全懂你在想什么。你需要把自己的需求说清楚，并且理解它的输出结果。

我也特别期待，有那么一天我们不用再瞎猜人工智能的未来，而是能把它当作明明白白的事实摆在大家面前。另外，我也觉得挺有意思的，就是当大家终于意识到写提示词并不是什么工程技术活儿，只要沟通能力强，哪怕只是看看文档，也能搞出不错的结果来。

其实提示AI也没那么难。如果你把整个工作的希望都寄托在写提示词上，那你可能一开始就错了。

都能学会哪有取代

当然可以，下面是这段话的口语化中文版本，保留了原文的换行格式，更符合中国读者的阅读习惯：是的，那完全是胡说八道。我觉得恰恰相反，真正保留价值的，是那些在硬技能上还能保持高水平的人。所以，你可以想想看，AI可能会带来一个“平庸陷阱”。我的意思是，未来那些借助AI学习技能的人，其实并不需要完全掌握这项技能。你不再需要那所谓的1万小时刻意练习，去打磨细节知识和子技能。AI会让你更快上手，能力也能被放大。所以你的技能巅峰会变低，但你能做的事反而更多了。很多研究都显示出了“认知衰退”的趋势。也就是说，整体上技能水平下降了，经验也少了。因为入门级的工作会变得更简单，也不再需要那么多“大师级”的顶尖高手。而通往真正高手的路，也会变得更难，因为相关的岗位和机会会大幅减少。这就形成了对技能和掌握的双重打击：既不需要那么高的水平，通往高手的路径也越来越少。简单说，你得想想：未来会有更多人，在某个领域里靠手动操作积累了30年经验吗？答案应该是否定的。再想想质量的下降，或者至少是AI的影响。AI最擅长的是在有大量数据支撑的问题上工作。所以，那些冷门领域、开拓新方向的产出，会变得更少。因此，这是第二个趋势：AI更倾向于复制已有的解决方案，而不是解决全新的问题。（当然，如果出现了通用人工智能AGI，那一切都得重新来过。但就我个人来看，我觉得现在的LLM并没有通向AGI的路径。）这里还有个经济层面的问题：如果供应接近无限，价格就会趋近于零。所以如果AI真的让所有人都变成“熟练工”，那这个“熟练”的价值也就趋近于零了。技能本身的价值就会下降。更准确地说，是AI带来的技能的经济价值会下降。这会让人们更难达到真正的高水准。因为通往高水平的路径已经贬值了。对我而言，这意味着如果AI不能带来真正的“精通”（而目前它还没做到，训练数据依然是瓶颈），同时低技能变得便宜，那真正的掌握就会变得越来越稀缺，也因此更有价值。比如一个大师级的外科医生，能做AI搞不定的复杂手术，这种人会变得非常稀有，也会非常抢手，因为培养起来太难了。我把这叫做“AI技能悖论”。为了生存，那些真正硬核的大师级技能才是最值钱的，但在未来却更难达到。这才是最理想的生存路径。TLDR：在一堆靠AI写代码的“氛围程序员”中，真正能创新、能写核心代码的人会变得极其稀有，极其有价值。这就是AI技能悖论。

我来这其实就是想说一件事。现在这些大语言模型（LLMs）是由世界上最顶尖的专家设计出来的，用起来非常方便，而且在未来几年只会变得更简单、更普及。这就有点像在说：“在美国大多数城市里，会开车的人比起不会开车的，会有非常明显的优势。”当然，这是因为过去一百多年来，最聪明的工程师们一直在努力让汽车变得尽可能容易操作，所以现在普通人只要稍微练一练，就能上路。而AI呢？甚至比开车还简单。它是专门为了能听懂我们日常说的话而设计的，现在已经很厉害了，而且也就才发展了短短几年时间而已。

今天我问了Google的Gemini一个具体的问题：Azure DevOps的高级安全功能是否原生支持Terraform。结果它直接撒谎，还信誓旦旦地说确实支持。  
我有点怀疑，后来还是去翻了Azure DevOps的官方文档。  
文档里写得清清楚楚：这个功能目前还没实现。  
所以……答案其实是不支持啊。

每次我看到这种说法，总觉得背后的意思是：  
“赶紧大力支持AI全面铺开…… 否则就麻烦了！”