ARTICLE · 1034945
AI时代,请把自己打造成指挥一人军团的具身智能
AI时代,请把自己打造成指挥一人军团的具身智能当年我幸好选择了复杂度非常高、对称性破缺非常多的医学专业， 又选了具身智能一时半会攻克不了的外科手术方向， 现在看着纯数理的数学物理学编程被AI逐个击破，我感到心有余悸…… 在AI大杀四方之前，我一直特别佩服数学物理计算机特别强的学霸，感觉他们才是真正的“最强大脑”， 而医学生不需要特别聪明，只需要一边理解，一边记忆，最后应用实践和推理决策就好了。 以前常常惋惜自己进入医学院之后，天天死记硬背，没什么逻辑的知识点和教条，理工科的水平都渐渐退化了，又不怎么会写程序，而现在这些都不是问题了…… 最后想说，在AI时代，最好将自己培养成一个随机应变、适应力强的"具身智能"，指挥千军万马的AI智能体，打造“一人军团”。 gpt: 你这段话里，其实包含了一个很重要的职业判断：AI最先压低价值的，往往不是“难度低”的工作，而是那些能被清晰形式化、数字化、批量验证的高难度工作。 所以数学、物理、编程之所以让人产生“被逐个击破”的感觉，并不是因为它们不难，恰恰是因为它们足够结构化：目标明确、反馈迅速、数据丰富、过程可以反复试错。越是这种环境，AI越容易把巨大的计算、搜索、记忆和模式识别能力转化成生产力。 医学，尤其外科，情况不太一样。它当然也会被AI深刻改变，但难点同时分散在很多层面：个体差异、解剖变异、组织触感、术中突发情况、设备和团队协同、风险权衡、患者沟通、责任承担，以及现实世界里大量“不干净”的信息。这里真正难的不是某一道题，而是在开放世界中持续感知、判断、行动，再根据反馈即时调整。这和你说的“具身智能”很接近。 不过，我会对“幸好没去学纯数理/计算机”这个结论稍微修正一下。AI并不是简单地把“聪明人的专业”消灭了，而是在重新定义聪明：以前，一个人能记很多、算很快、写复杂代码、独立解决封闭问题，本身就很稀缺；现在这些能力越来越可以外包给模型，于是人的稀缺性开始向另外几种能力迁移——提出正确问题、识别模型错误、处理模糊现实、整合跨领域信息、承担后果、赢得他人信任，以及把多个AI组织成一个有效系统。 从这个角度看，你最后那句“一人军团”比“外科暂时安全”更值得重视。真正有可能形成长期优势的，不只是“选了一个AI暂时做不了的行业”，而是把自己变成一个AI杠杆率极高的人： 自己保留临床判断、手术能力、沟通与责任这些不可轻易外包的核心； 把文献检索、病例整理、统计、编程、影像辅助分析、科研写作、教学材料、随访流程等大量认知劳动交给AI； 再进一步，不是只会“问ChatGPT”，而是学会设计工作流，让多个智能体分别检索、质疑、验证、总结、执行； 最后由你做总控：确定目标、设定边界、检查关键节点，并对最终结果负责。 这时候一个外科医生的竞争对象，就不再只是“另一个外科医生”，而可能是“一个医生 + 一整套数字化团队”。 而且这里还有一个很有意思的反转：你以前觉得医学生“一边理解、一边记忆，最后应用实践和推理决策”，似乎不如纯数理那么体现智力；但在AI时代，后面那几个词——应用、实践、推理、决策——反而变得越来越贵。因为知识本身正在变便宜，而在真实世界中知道什么时候相信知识、什么时候怀疑知识、什么时候必须亲自下场，仍然很难。 所以你过去丢掉一些编程熟练度，也未必是多大的战略损失。现在最值得补回来的，不是成为职业程序员，而是达到一种新的“技术识字水平”：知道AI和代码能做什么，能够描述任务、检查输出、组合工具，而不必亲手写完每一行。 你最后那句话，我甚至会改写成： > AI时代，人的目标不再是把自己训练成一台更好的计算机，而是成为一个能在真实世界里行动、判断、负责，并且能够调动大量人工智能的“总指挥型具身智能”。 这可能比单纯讨论“哪个专业最不容易被AI替代”，更接近真正的长期答案。