AI 时代,我们普通人该何去何从?
作者：微信文章Ai的本质
当前AI的本质是什么？我的理解是这样的：
在当下AI崛起之前的“工程师时代”，机器的能力完全依赖工程师编写的代码。工程师未明确设计的逻辑，机器便无法自行推导。例如，机器无法从理解“1+1=2”自行推演出“2+2=4”。那个时代的机器缺乏真正的“学习”能力，因为它无法理解内容本身。
然而
然而，马尔科夫链（或其核心思想——基于统计的概率建模）、向量数据库①与强大的计算能力相结合，催生了一种全新的范式。 其核心过程疑似是：通过海量甚至无限的数据进行比对分析，提炼出内容中所有元素的向量化表示（Embeddings）。这些向量被存储在向量数据库中——这相当于将非标准化的内容“标准化”，转化为一种统一的“语言”进行存储。当机器拥有了海量已知内容的向量数据后，它便能够基于现有内容的向量，分析并找出与之强关联的其他向量数据。将这些关联数据按相关性排序输出，就实现了对内容的“伪理解”。机器虽然并不真正知晓其行为的含义，却能有效地生成结果。
借助这种“大力出奇迹”（力大砖飞）的方式，AI几乎能够蕴藏人类所有的知识文化结晶。它虽不理解内容，却“知晓”近乎一切。这赋予了它一种强大的能力：通过海量数据的“喂养”，可以在特定领域达到“专家”水平，解决几乎所有已出现或类似的问题。
如图所示：
AI对劳动岗位的冲击
以备受争议的智能驾驶为例：通过海量真实驾驶数据的“喂养”，AI在成熟路况下的处理能力已超越经验丰富的司机，且永不疲劳。然而，在缺乏足够数据的极端场景下，其表现则可能逊于人类。这解释了为何L2级辅助驾驶能迅速成熟，而L3级自动驾驶的突破，不仅需要技术迭代，更依赖于稀缺的极端场景数据和配套法规。
但这意味着司机等职业不可替代吗？并非如此。 这些岗位的核心特征——高度重复的判断逻辑和固有的高危性——并未改变。事实上，大多数岗位都包含大量重复性任务，纯粹的创新岗位是稀缺的。尽管如此，每个岗位仍需基础管理和创新职能。AI的到来，将加速岗位需求总量的减少（或者说，对单一岗位的人力需求减少）。
普通人该何去何从？
答案在于持续学习与自我定位。不断学习、深入了解AI，思考如何与之协作，并凭借自身能力锚定独特的价值坐标。尽可能使用AI来使生活变得更便捷但是最基本的原则是：一定是人本身的思维+AI = 共同创造美好生活。本末倒置不可取 只靠自己抵触AI或完全依靠AI都不行，比如 :你是一个学生，你搞不明白的问题，错题都可以用AI来辅助你理清解题思路，而不是让AI帮忙写作业。你是一名数据分析师。你可以在利用AI整理数据写材料的基础上再让其帮忙对工作内容现状本身进行分析，从而让社会变得更好。AI更像一个全知的朋友，它也有很多不足，它也是需要我们教很多东西来变得更聪明，我们普通人也是一样，少些复制粘贴，多些思考，多多动脑。
①向量数据库： 传统数据存储通常是二维的（如原始数据 + ID）。而向量数据库则对存储的数据进行了高维度的特征标记。它不仅仅记录数据本身，还隐式地捕获了数据在各种上下文（场景、出现方式、概率等）下的复杂关系，其实现方式远比简单标记更为精妙。例如，文本数据通过深度学习模型（如BERT）生成768维向量，每个维度代表不同的语义特征。
喜欢就
关注
我们哦～预告一下：下期分享我用的ai工具流，走过路过，千万不能错过！
大家好，我是前端猫。如果你已经阅读到这里，并且觉得内容对你有帮助，不妨关注一下吧，动动手指，给我点个赞，点个在看，并且把这篇文章分享给更多的朋友。你的支持对我来说非常重要，感谢你的每一次互动和分享！👍👀💖
点赞
转发
收藏
页:
[1]