AI时代，我们还有工作可做吗？
What will be left for us to work on
在AI飞速发展的今天，研究人员和开发者该如何调整时间分配？Arvind Narayanan在ICML特邀演讲中指出，AI更像是一种增强技术而非自动化技术。从模型开发转向脚手架搭建，从构建转向评估与监控，人类努力的重心正在转移。长期来看，纯技术技能将贬值，研究者需从解决问题转向提出问题，而产业界则更看重关系技能、领域知识及审美与规范判断。未来并非没有工作可做，而是需要新的技能组合。
AI应被视为增强技术，而非自动化技术。
HN 评论区
31- QuantumNoodle
这场演讲分为三个部分，最后一部分（约最后15分钟）直截了当地回答了“在先进AI的世界里，人类的角色将如何转变？”这个问题。
我从演讲者的观点中得到的主要结论是：纯粹的技术技能将贬值，因为它们往往是可验证的任务，而AI会变得越来越强。此外，工作重心将从“构建”转向对AI和系统的“评估”。演讲者还提到，我们将把更多时间用于决策，而AI则负责执行这些决策。
我发现演讲中的许多论点自相矛盾，因为演讲者没有解释一个人如何在没有积累纯粹技术技能的情况下获得理解。缺乏某领域纯粹技术技能的人却能做出好决策，这根本说不通。经验往往是积累特定问题领域技术敏锐度的副产品。
- mohsen1
我有个关于“领域专业知识”作为未来知识工作者要求组成部分的问题。在思维预期将委托给AI的背景下（正如本文指出的，从解决问题转向提出问题），一个人该如何获得这种专业知识？
当基础问题很少能“手动”回答时，一个人该如何学会提出正确的问题？也就是说，在没有AI助手帮助的情况下。
这种模式在学校里也很明显，AI干扰了人类的发展，而人类发展通常需要付出漫长而艰巨的努力去真正回答问题。
- reasonableklout
作者有一篇博客文章以书面形式复述了他们的演讲：https://www.normaltech.ai/p/what-will-be-left-for-us-to-work
- ErystelaThevale
除非你赋予AI一个目标（至少目前是这样），否则它无法运作。那么，尽可能具体地定义这个目标难道不是至关重要的吗？
AI和人类都会犯错。它们的共同点在于，审查都是必要的。
- Cloudly
来自 Arvind Narayanan 的 ICML 演讲视频录像