AI越强，你的工作会越值钱吗？🔥

“博士生的职业规划已经不存在了。”截图里这句话很吓人。但找到演讲出处后，我觉得更值得问的是：如果AI继续变强，我们今天投入的几年时间，还会换来原本期待的回报吗？

讲者是Anthropic研究员Jascha Sohl-Dickstein。MIT收录了他2025年8月的一场相关演讲，讨论年轻研究者怎样选择项目与职业方向。这份公开记录并非新演讲，也不能证明所有岗位即将消失。

🧠 先检查计划里藏着的假设

演讲中有个细节：一位学生认为AGI可能三年内到来，谈到自己时，却仍计划读完博士、做博士后，再找教职。

问题不在读博，而在两个判断没有接上：如果相信环境会变，为什么计划仍完全按旧环境安排？

普通人的职业规划也有类似矛盾。一边感叹AI进步太快，一边默认今天稀缺的操作技巧，几年后依然稀缺。

他的预测未必成真。但这个矛盾，值得检查。

选一个AI变强后，仍值得做的问题

我最想带走的，是选择项目时多问一句：如果模型能力再提高，这件事会变得更有价值，还是更容易被跳过？

比如，靠手工搬运信息提供摘要，可能越来越难卖出溢价。但在真实业务里，确定要收集什么、怎样核验、结果如何进入决策，仍有很多具体问题需要解决。

这不是说这些能力永远安全，而是提醒自己：别只靠工具暂时做不到的事建立优势。试着找到那些工具更强以后，你也能做得更好的工作。

🛠️ 把“每天用AI”变成一次小实验

刷新闻、收提示词，和真正了解能力边界，是两回事。

从手头选一项重复任务，保留一份原来的做法，再让AI完成。记录它省掉了什么、哪里出错、哪些步骤仍需要你判断。

下次模型更新，用同一项任务再试。你会得到比“又被震撼了”更有用的东西：自己的工作究竟在哪里发生变化。

📌 给计划加上重新检查的日期

不用因为一场演讲辞职，也不必立刻推翻专业选择。可以先把职业计划拆成几个能验证的小阶段。

这段时间学到什么？做出了什么？有没有真实的人需要？哪些假设已经不成立？

截图里的算力外推、AGI时间表，都不该直接变成我们的人生倒计时。技术指标的增长，也不能直接换算成岗位消失。

我更愿意把这场演讲当作一个提醒：方向可以认真选，路线要允许修改。

未来什么时候来，还没人能确定。但计划里，最好留一个更新入口。

#AI时代 #职业规划 #终身学习 #AI工作流 #个人成长