夜雨聆风
晚上听了一场硅谷从业者关于AI时代的直播。他谈到AI对个体的影响，某种程度上解答了我一直以来的困惑。
AI的发展速度远远超出了我们的预期。作为一个暂时靠文字谋生的小编，我已经很习惯把AI当作写作工具，也会时不时冒出一种焦虑：如果稿子都能由AI完成，那我会不会很快被淘汰？尤其是今年高考结束后，关于“AI会替代哪些岗位”“未来专业该怎么选”的讨论变得更加激烈。一边是人们欢呼AI正在改变世界，另一边是我们不得不追问：在AI时代，人到底还剩下什么无法被替代？
这场直播给我的核心启发是：当AI让结果变得唾手可得时，我们反而更要重视过程。因为真正属于人的能力，不只是得到一个答案，而是在理解、判断、验证和反复训练中，塑造自己的大脑模型。我们仍然需要对知识保持好奇，在自己热爱的领域里持续扎根。
这个逻辑建立在一个更底层的世界观之上：世界的本质并不是完全自洽、绝对清晰的。世界观、人生观、关于什么是好坏、什么是正确错误，很多时候并不存在唯一而精确的答案。世界本身充满模糊性，人的大脑也并不是一台只负责寻找客观最优解的机器。它是一个基于过往经验不断生成预测的模型：我们用已有的经历、知识和感受去理解现实，再通过现实反馈不断修正自己。
这也解释了大脑中“快思考”和“慢思考”的关系。所谓直觉、判断、第一反应，很多时候来自快思考，它依赖的是我们过去已经建立起来的预测模型；而慢思考则负责验证、反省、纠偏，判断这些直觉是否合理。由此可见，大脑模型的质量，决定了我们如何看待世界、如何做选择、如何面对不确定性。它是我们与世界连接的基座模型。和人工智能模型一样，它也需要被持续训练。
那么，该如何训练？答案听起来有点无聊：保持好奇，坚持学习。
但也正是这个无聊的答案，构成了AI智能涌现的基础。AI之所以能在今天展现出如此惊人的能力，是因为人类投入了巨大的算力、海量的数据，几乎将过去上千年积累的知识与经验不断喂给它。网络数据被抓取，图书馆里的书被扫描，文字数据逐渐被穷尽后，AI又开始进入图像、视频乃至真实的物理世界。大量重复的输入、训练和反馈，最终带来了能力的涌现。
人类大脑也是如此。只不过，我们的大脑模型无法由别人代替训练。每一次认真阅读、每一次追问、每一次写作、每一次观察和实践，其实都是在给自己的大脑增加训练数据。也许下一次，当AI只花几秒钟就给出一个看似跨越人类智慧的答案时，我们可以多停留一会，试着理解它为什么这样回答，它的逻辑是什么，它遗漏了什么，它是否真的成立。这个过程，才能迎来真正属于我们的涌现或者说成长。
过去一年里，AI的发展方向也在悄然变化。如果说前几年大语言模型LLM是最受关注的主角，那么从生图模型到生视频模型，再到今年多模态大模型和世界模型（world model）概念的火爆，都意味着AI正在从纯文本世界走向更复杂的真实物理世界。它不再只是模仿人类如何说话、如何推理，也开始尝试理解世界如何运行。
AI从诞生之初就在仿生人类的思维模型，而如今，它正在进一步模仿世界本身。于是，我们讨论的问题也从“人的智能是什么”，延伸到“世界的本质是什么”。在这个向内追问人类自身、向外探索现实世界的过程中，不断有人提出新的答案、新的路径，并推动真实的改变。
作为普通人，我们也许无法站在技术突破的最前沿，无法亲身参与每一次模型迭代和范式转换。但可以确定的是，在不远的未来，我们一定会直面AI带来的深刻变化。与其站在篱笆外焦虑，不如主动打破边界，置身事内。
-END-