AI时代应该学什么

在和姐姐聊到「蒸馏一个人的个人技」的时候，她看完 AI 给出的大篇结构性总结，然后感叹了一句：「真不知道以后学生们要学习什么」。

这句话听起来像是家长饭桌上的忧虑。饭桌上很适合忧虑，因为筷子一停，任何问题都可以变成时代问题。学生学什么，孩子怎么办，专业还值不值钱，大学是不是要重新设计，问到最后，桌上的菜已经凉了，问题依旧很热。

但这个问题突然把我卡住了。因为这个问题并不只属于学生，它也属于我。学生担心的是未来要把什么东西装进脑子，我担心的则是现在脑子里的东西还剩下多少价值。我能用 AI，别人也能用 AI；我可以把一个模糊问题扔给它，别人也可以。工具一旦变成公共水龙头，谁都可以拧开接水，那么问题就不再是「有没有水」，而是「你拿水去做什么」，以及「你能不能喝出这杯水里有什么怪味」。

到今天，「AI 到底会不会取代人」这个问题已经没有太大意义。它当然会取代一部分人的社会价值，而且这件事不是未来时。更准确地说，它先取代的不是人，而是人身上那一部分可以被整理、复述、套用、迁移的普通经验。人只是刚好把这些经验挂在自己身上，于是看起来像是人被取代了。

以前想当一个码农，哪怕只是当一个还过得去的码农，也要跨过几道门槛。得懂机器逻辑，得懂编程语言，得知道程序为什么不是把中文愿望翻译成英文命令那么简单。再往上，还要懂一点架构设计，知道边界在哪里，知道一段代码放错地方以后，今天只是不好看，半年以后就会变成一坨谁也不敢碰的东西。现在不同了，只要能把问题说成一段文字，AI 就能在几分钟内给出一个看起来像样的方案。它会写接口，会补异常处理，会建议缓存、队列、重试和降级，甚至会提醒你加测试。新人看了会感动，老人看了会沉默，因为里面有些东西确实是他当年摔了几次才记住的。

产品经理也是一样。以前说一个产品经理有经验，意思是他见过很多用户，知道人嘴上说要什么，手指会点什么，钱包最后会为什么打开；他还要知道显性需求和隐性需求之间隔着一条沟，沟里躺着预算、习惯、虚荣心、恐惧和老板的 KPI。现在问问 AI，它能把过往类似产品的分析汇总出来，用户画像、使用场景、竞品对比、商业模式，表格整齐，语气稳定。

这些东西没有消失，只是变便宜了。普通经验的价值就在这里被压缩。所谓普通经验，就是那些可以被归纳成模板、流程、最佳实践和注意事项的东西。它们过去很值钱，是因为它们分散在不同的人脑子里、公司文档里、事故复盘里和深夜加班后的骂声里。现在 AI 把它们装进一个统一的出水口，谁问谁有。于是行业护城河被填平了一截，准入门槛变低了，从业经验不再天然值钱。

这并不是说经验没用了，只是普通经验看起来有些没用了。AI 生成一段代码，你要判断它能不能上线；AI 写出一个方案，你要判断它是不是把最难的部分藏在一句「可根据实际情况调整」里；AI 总结用户需求，你要判断它是在描述真实用户，还是在复述互联网上已经被产品文章腌入味的用户。这里需要的不是会不会问，而是你有没有足够的经验去听出回答里的空响。

所以我有了一个猜测：高级经验和普通经验还是有些差别的。普通经验负责回答「通常怎么做」，高级经验负责回答「这一次为什么不能照通常做」。普通经验会告诉你数据库要建索引，高级经验会问这张表的写入频率、查询模式、数据增长速度、线上回滚方案以及出问题时谁半夜接电话。普通经验会告诉你要做用户调研，高级经验会问你，找来的用户是不是目标用户，他们说的话是不是为了显得自己聪明，他们今天的选择和明天真实付钱时的选择是不是同一个东西。

那学生应该学什么？如果只是为了考试，这个问题很容易回答：学考试要考的东西。不要假装学校明天早上就会因为 AI 而改变成一座未来学院，学校没有这么轻盈，教育系统更没有。但是如果问的是「面对 AI，应该保持哪些素养，以帮助自己获得更多高级经验」，答案应该会有很多。

我给一些我的答案。

一，理解问题，明确问题的边界。不是问「这段代码有没有问题」，而是问「它在高并发、资源释放和边界输入的情况下会出什么问题」。一个问题越像许愿，得到的答案就越像庙里的回音，听上去慈悲，拿回家不能做饭。

二，考证。AI 的回答很像超市里的预制菜，包装完整，配料表很长，图片看上去比实物更有食欲。你不能因为它端出来热气腾腾，就把它当成自己做过饭。代码要跑，数据要查，来源要追，假设要拆开。尤其是那些语气最稳、结构最漂亮的回答，最应该多看一眼。人类写错东西时常常露怯，机器写错东西时经常很镇定。

三，回顾总结。把事情重新放回当时的现场：我当时为什么会相信这个答案？我忽略了哪个限制？我在哪个地方为了省事，把不确定性当成了确定性？哪一句话其实是在安慰自己，而不是在描述事实？还有没有另外的方法可以解决问题？这一套方案能否复用到类似的问题中？

判断力不是读出来的，也不是靠收藏十篇好文章长出来的。它更多是复盘出来的。一次判断错了，如果只是说「下次注意」，那就等于把错误冲进下水道，听个响就算结束。要把它捞回来，翻一翻，看它是怎么坏的。是信息不够，还是懒得验证；是问题问得太宽，还是自己心里早有答案，只是请 AI 帮忙盖章。

四，明确自己的价值排序。AI 很擅长给出均衡答案，因为均衡最安全，谁看了都不容易生气。可是生活里真正难的地方，恰恰在于你很难执中。你到底更在意快，还是更在意稳？是更在意今天的快乐，还是明天的幸福？是更在意自己，还是更在意家庭？

AI 给出的每个选项都能找到理由，每个方案都像可以试一试，每条路都铺着体面的地毯，如果没有自己的偏好，最后不过是被选项围观。如果什么决策都交给 AI 决定，那他就不是在使用工具，他是在给工具递简历。

刚读大学那会读到过这样一句话：「最好是成为科技的主人，其次是成为科技的朋友，最差是成为科技的奴隶。」

今天，我只想成为科技的朋友。