AI 会让我们失业吗,普通人应该怎么办?

大家好,我是学文。

昨天来深圳参加了《掘金年度技术演讲》,尤其是下午闭门茶话会,让我收获颇多。会上探讨了"大模型浪潮下,可能带来哪些改变","程序员该如何乘风破浪,冲浪 AI 新趋势",以及"被取代 or 做主宰,程序员如何规划职业"。我想基于昨天讨论的内容,说说自己的想法,但不局限于程序员。

AI 会导致我们失业吗

AI 的出现似乎引发了一些焦虑的声音,尤其是"AI 会导致我们失业吗",我觉得这个问题要辩证地看。我举个例子:

当"马车时代"出现了汽车,那车夫会失业吗?若你仍旧坚持做马车车夫,那大概率会失业。但汽车的出现也带来了很多新的就业机会,比如汽车制造、汽车维修、汽车销售、汽车保险等等。对于车夫来说,则可以选择学习开汽车,成为汽车司机。他可以获得更好的工作环境,以及大概率更高的收入。

那么 AI 的出现也类似,我觉得我们应该向那些转向开汽车的马车车夫学习,去学习、了解、使用 AI,让 AI 成为我们的一个有力工具,而不是惧怕 AI 会导致我们失业。

例如对于文员,可以借助微软的 Copilot 帮助自己生成自动化操作指令,以完成一些手工复制、计算、整合文本和数据的"体力"活。例如自媒体创作者,可以借助 AI 自动化对音视频质量进行优化,并辅助音视频剪辑。对于程序员来说,可以让 AI 辅助编程、写注释等等。其他行业、方向的从业者亦是如此,可以挖掘 AI 在你所在领域的用途。

上面描述的使用 AI 辅助我们当前的工作是最基础、最简单、最直观的。当然还有一些更深层次的,以软件行业为例:

我们可以将 AI 融合到已有的软件中来,例如微软将 GitHub Copilot 融合到了 VSCode, 将 Copilot 集成到 Windows 以及 Office 等等。这是看得见的,摸得着的,借助 AI 优化已有产品的功能,提升用户使用体验。

当然随着技术的发展,会出现一些新场景、新需求。例如新出现的大语言模型框架 Langchain,AI 助手 ChatGPT,以及很多还未出现、待我们挖掘的新场景、新需求。这其实也给我们提出了新要求,也就引出了下面这个话题。

普通人应该如何应对 AI

"马车时代"出现了汽车,车夫可以学习开车以推动个人职业发展。那么 AI 时代,其实也需要我们不断学习 AI 以应对时代的变化。我觉得对于普通人,有以下三件事可以做:

  1. 了解和学习:了解一些 AI 的基本概念,例如"人工智能"、"机器学习"、"深度学习"是什么,他们直接的关系是什么等等。你不必了解具体算法、模型的实现细节,但需要了解些简单的、基本的概念,这将有助于你理解和使用 AI;
  2. 使用和拓展:多使用如 ChatGPT 等 AI 工具,例如你在学习上述的 AI 概念时,就可以使用 ChatGPT。并且可以在你所处的领域尝试拓展 AI 的使用方向,例如你是程序员,可以尝试将 AI 融合到当前已有项目中,优化用户体验等等;
  3. 多做分享:在 AI 时代初期,大部分人其实还没有太多使用 AI。如果你能够学习并应用 AI,那你可以将你的学习和使用 AI 的过程及心得体会分享出来,顺便做自媒体。分享会让你对知识理解更透彻,让你形成个人影响力,甚至通过分享(自媒体)可以获得切实的收入。虽然自媒体红利似乎殆尽,但我觉得 AI 内容自媒体目前还很有前景。

以上是我的一点思考,希望对你有所帮助。

相关推荐
AgeClub17 分钟前
服务600+养老社区,Rendever如何通过“VR+养老”缓解老年孤独?
大数据·人工智能
香宝的最强后援XD22 分钟前
Cursor无限邮箱续费方法
语言模型·chatgpt·文心一言
rocksun27 分钟前
OneUptime MCP服务器:AI原生可观测性融入你的工作流程
人工智能·监控
weisian15136 分钟前
人工智能-基础篇-10-什么是卷积神经网络CNN(网格状数据处理:输入层,卷积层,激活函数,池化层,全连接层,输出层等)
人工智能·神经网络·cnn
静心问道1 小时前
SELF-INSTRUCT:使用自生成指令对齐语言模型
人工智能·语言模型·大模型
芷栀夏1 小时前
基于Anything LLM的本地知识库系统远程访问实现路径
数据库·人工智能
AI生存日记1 小时前
AI 日报:阿里、字节等企业密集发布新技术,覆盖语音、图像与药物研发等领域
人工智能·华为云·语音识别·open ai大模型
hjs_deeplearning1 小时前
认知篇#10:何为分布式与多智能体?二者联系?
人工智能·分布式·深度学习·学习·agent·智能体
kngines2 小时前
【字节跳动】数据挖掘面试题0001:打车场景下POI与ODR空间关联查询
人工智能·数据挖掘·面试题
.30-06Springfield4 小时前
利用人名语言分类案例演示RNN、LSTM和GRU的区别(基于PyTorch)
人工智能·pytorch·python·rnn·分类·gru·lstm