@levie:在AI时代,人们常常争论是成为专家还是通才。到目前为止,专家似乎占了上风……
摘要
该帖子讨论了AI如何通过增加杠杆效应放大专家相对于通才的优势,同时强调了在各个领域判断力和领域技能的必要性。
查看缓存全文
缓存时间: 2026/08/20 08:52
在AI时代,关于专精与博学的争论似乎从未停歇。目前来看,专家们占据着优势,且这种趋势还在持续。
AI让各类任务的起步难度降低了十倍。无论是编程、法律工作、研究还是财务分析,入门都变得前所未有地容易。但想要恰当地引导智能体、纠正其方向、评估产出质量,以及对“优质成果”形成准确的判断,仍需在特定领域具备高度的专业技能。
对于有志者而言,借助AI能更快培养这种技能——这对任何人的职业发展都是极好的助力。然而,判断力和支撑各领域工作的核心技能,终究无法被完全替代。
事实上,AI可能会加剧技能水平的差异,因为专家们获得的杠杆效应远超以往。总结来说:不要放弃在某个领域成为专家。
Bob叔叔 (@unclebobmartin):
令人惊叹的是,要将这些智能体纳入我掌控需要付出多少努力。别误会,这确实带来了惊人的生产力。但这也需要大量艰苦、专注的工作。我所有的软件工程和问题解决技能都派上了用场——尽管我几乎不再亲自查看代码。
相似文章
@levie:思考AI的最佳方式是将其视为你所熟悉领域的倍增器(或者是你学习新领域的速度…)
Aaron Levie 认为,AI是专家的力量倍增器,能让他们产出更高质量的工作,而缺乏专业知识则会导致低质量输出。Henry Shevlin补充说,内化的知识对于创意联想和筛选错误信息至关重要。
@levie:工程师被淘汰是最离谱的假设之一。简直错得离谱。我们只是给了工程师…
针对AI会淘汰工程师的说法,@levie 认为AI是一种强力工具,它提升了工程的价值和需求,因为企业会承担更复杂的工作。他断言,专家从AI中获益最多,因此现在是成为专家的好时机。
意见:我们正在看到向专业人士的转变
一篇观点文章,认为随着AI模型的改进,专业人士受益不成比例,而普通用户看到回报递减,从而强化了专家的优势。
@jacobli99: 如果我们想要构建能够像专家一样在新领域操作的机器,要么我们必须将每个领域简化到足够可验证的环境,要么我们必须开发能够自主学习以获得专业知识的机器。
Jacob X. Li 讨论了人工智能系统需要从文档库中自主发展专业知识的需求,并将此视为一种具有挑战性的持续学习形式。
@AnthropicAI: 领域专家——通过他们提问的方式和使用该主题的词汇来判断——更有可能取得成功…
Anthropic表示,领域专家在编程中表现出更高的成功率,但中级用户与专家用户之间的差距不大,这表明领域熟练度足以成功地进行编程。