AI时代的变革，对于创造它的我们而言，可能显得既震撼又让人不安。面对AI的快速进步，我们需要更加敏锐地寻找，人类到底有哪些独特的价值？在可预见的未来，AI仍然难以攻克的领域有哪些？沿着一个或多个方向上不断提升你的技能，这样才能确保你的贡献不会被生成式AI复制。

    自ChatGPT两年前问世以来，生成式AI便被寄予厚望，期待它能重塑工作方式。AI的应用场景广泛且多样，而我们仍在探索其在个人、团队和组织层面最适用的方式。出人意料的是，办公室中的白领工作似乎比户外和工厂的蓝领工作更有可能被AI取代。
新一代生成式AI拥有多个超越人类的特性。它永远在线，不会疲劳；它可以访问互联网上庞大的信息资源；它能立即生成和输出结果；它可以无限扩展，几乎不受物理限制。
这一AI时代的变革，对于创造它的我们而言，可能显得既震撼又让人不安。面对AI的快速进步，我们需要更加敏锐地寻找，人类到底有哪些独特的价值。

在哪些领域，AI已经超越了人类？

    过去几十年间，硅基智能（Silicon-based intelligence）取得了显著进步。早在大语言模型和生成式AI出现之前，在多个特定领域中，AI就已经超越了人类，比如：
跳棋（1994）国际象棋（1996）合格的语言翻译（2006）手写识别（2014）阅读理解（2017）对话式互动（2023）达到人类水平的语言翻译（2024）
    我们无法预测下一个将被AI主导的领域，但潜在候选领域包括：完全自主驾驶（L5级自动驾驶）、外科手术、撰写畅销书、利用AI自主开发AI系统，以及通用人工智能AGI——这一术语由谢恩·莱格（Shane Legg）推广，指的是能以人类水平处理广泛认知任务的AI。目前，媒体和投资界对AI的兴趣空前高涨，显然，AI的进步仍将持续，并可能在多个方向上取得突破。
    那么，在可预见的未来，AI 仍然难以攻克的领域有哪些？人类还能继续掌控和捍卫哪些独特的优势呢？

在哪些领域，人类仍然领先于AI？

    在过去几年里，我们与数百位AI专家、消费者和怀疑论者交流，讨论AI的发展方向。我们认为，尽管AI进步迅猛，但人类仍然在四个核心领域保持优势：
情感（Emotion）：理解、共情，并对人类情感做出敏感回应。
复杂性（Complexity）：在模糊且广泛的背景中全面解决问题。
物理性（Physicality）：处理需要灵活应变和物理交互的任务，尤其是在有人类在场和需要即时反馈的情况下。
创造力（Creativity）：提出原创、新颖的想法和解决方案的能力。
接下来，我们逐一探讨这些领域。

［情感］
    在人际交往和软技能方面，人类依然是无可争议的专家。生成式AI可以模拟并复现我们对共情、道德、谈判等话题的思考和表达，甚至提供令人信服的建议。如今，AI辅助心理治疗和陪伴的应用已经出现，并逐渐被接受。
    但对大多数人来说，在复杂、多变且充满个性化细节的情况下，我们仍然更倾向于寻找一个真正理解自己的“人”。相比AI，人类专家、朋友或同事更有可能提供未经过滤的、反直觉的，甚至颇具争议的观点——在很多情况下，这种观点比AI所提供的安全的、通用的、临床化的回答更具价值。
    此外，人类天然地对其他人类的思想、感受、和言行保持关注。这种社交本能推动了人文叙事的影响力，并成为过去20年社交媒体繁荣的核心驱动力。我们热爱体育、音乐、喜剧，是因为这些由人类创造和演绎，并带给我们情感共鸣。即使AI生成的正手击球、流行歌曲或笑话再客观和完美，它们也无法带来同样的情感冲击。当AI在国际象棋领域全面超越人类棋手后，人们仍然热衷于观看人类的象棋比赛。这是因为，我们欣赏的并不是机器的完美无缺，而是人类竞技的成功与失败、起伏与未知。
    在这方面，目前仍有价值的人类技能包括：说服、自我认知、道德判断、倾听、叙事能力，以及销售技巧。

［复杂性］
    对AI来说，这个世界仍然过于复杂。当环境和规则被明确地定义、限制且可控的时候，AI确实超越了人类，例如国际跳棋、象棋和围棋等棋类游戏。
    除此之外，AI和生成式AI在更广泛的领域中也展现了新一阶段的技术能力。前沿的AI模型可以在开发人员输入代码时预测出代码片段，自动生成解决问题所需的代码，实现不同编程语言之间的代码转换，修复程序错误，并撰写辅助文档。与此同时，它们还能生成营销文案和法律文件，并优化财务会计流程。
    然而，世界上的问题远比这些复杂得多。气候变化、贫困、社会正义、商业战略——这些被霍斯特·里特尔（Horst Rittel）和梅尔文·韦伯（Melvin Webber）在1973年《政策科学》（Policy Sciences）杂志的文章中称为“棘手问题”（wicked problems）。要解决这些问题，需要从多个背景中提取和理解数据。而AI尚无法跨越多个不同的领域进行综合理解。
    事实上，Meta公司的首席AI科学家扬·勒昆（Yann LeCun）以及其他AI领域的权威人士认为，尽管拥有庞大的数据量，但生成式AI仍然仅能依赖文本进行训练，而文本只是人类所有数据中很小的一部分——我们的DNA编码、对世界的感官和身体体验、情感等，这些都是AI无法利用的数据。因此，我们不应指望AI在应对复杂的棘手问题上取得太大进展。
    在这方面，目前仍有价值的人类技能包括：解决复杂问题、构建意义、风险管理、战略规划、愿景制定以及直觉判断。

［物理性］
    生成式AI无法直接与物理世界互动。如果你需要寄一封信、安装一个书架、带新员工参观办公室，或者在谈判中注视对方的眼睛，生成式AI都无法代劳。
    机器人还需要一段时间才能普及。专家认为，家用机器人至少还需要十年才能真正地进入家庭。埃隆·马斯克（Elon Musk）是世界上最热衷且最有影响力的机器人倡导者之一。他也承认，直到2040年，机器人才可能真正地普及。而完全自动驾驶汽车的发展无疑比马斯克和其他人最初预测的慢得多。
    此外，在某些职业场景中，人与人之间的身体接触是一个硬性条件。护理人员、厨师、运动员、护士、垃圾回收员、美发师和手工艺人等，都必须亲自在现实世界中操作，才能创造价值。
    在这方面，目前仍有价值的人类技能包括：灵巧性、肢体语言、体力、平衡感、身体协调能力、触觉灵敏度、仪态以及手眼协调能力。

［创造力］
    如果我们只用世界上已有的数据来训练AI，那么，这项技术就很难创造出真正新颖的东西。当然，生成式AI能够生成一句话、一段文字或一幅图像，而这些在世界上从未出现过。但它能否带来真正的创造力——比如一个以新颖方式打动我们、让我们感受到其重要性的成果？
    尽管新一代AI媒体生成技术的推出引起了轩然大波，但作为消费者，我们对此并不十分在意。Spotify现已将AI生成的音乐纳入其目录，但所有的大热单曲仍出自人类音乐家之手。观看AI生成的电影的人寥寥无几，人们也并不乐于观看。而且，尽管最近，一幅由AI生成的画作以100万美元的价格成交，但这个金额也远远达不到达芬奇名画《救世主》的4.5亿美元的售价。我们珍视历史和稀缺性，而这两种特质是AI无法具备的。
    高质量的写作目前也同样安全。我们用几十年来大量网络内容营销的数据来训练生成式AI，导致其只能产出平庸无奇的散文。HBR.org上的文章也同样，仍然由人类专家撰写和编辑。我在2023年，也就是ChatGPT引起全球关注的那一年，写了一本书。有一两周的时间（大约是在GPT-4发布期间），我担心自己的努力以及未来所有的人类文学创作都会变得徒劳无功。然而，这种担忧很快消散，因为显而易见，生成式AI写作的实际质量不够理想。《大西洋月刊》杂志（The Atlantic）的CEO尼古拉斯·汤普森（Nicholas Thompson）描述了新闻业面临的挑战和机遇：“……创作出那些对大语言模型来说最难生成的故事……那些基于人类的报道、具有新事实、文风优雅且结构复杂的故事。”
    请注意，人类的创造力常常汲取于其他三个领域——情感、复杂性与物理性。我们在科学、音乐、建筑、工程以及其他关键领域所取得的最骄傲的成就，一直都要求拥有深厚的情感和思想，同时兼备灵巧与勤奋。还有什么比这更具人性的呢？十九世纪英国博学家约翰·罗斯金（John Ruskin）曾将美术——可以说是人类创造力的典范——定义为“双手、头脑与心灵的完美结合。”
    在这方面，目前仍有价值的人类技能包括：想象力、构思能力、审美判断力、横向思维、艺术表现力和好奇心。

人类与AI也能相辅相成

    沿着上述一个或多个方向上提升你的技能，可以确保你的贡献不会被生成式AI复制。在此基础上，还有一种意识会为你带来更多的安心和成功。
    这就是：我们与AI之间并非二元对立。AI能够增强人类的能力，反之亦然。这是一种更精准、更有效地看待当前形势和未来发展的观点。例如，一位政府顾问可能会利用AI系统提供的气象数据，做出复杂的地缘政治决策；一位护理人员则可能使用基于AI的语言翻译工具，从而更好地与患者沟通。AI还能够助力激发人类的创造力与思想探索：2024年诺贝尔化学奖颁给了德米斯·哈萨比斯（Demis Hassabis）和约翰·朱珀（John Jumper），以表彰他们及其AI模型（AlphaFold2）在预测蛋白质复杂结构方面的卓越能力。
    当我们以更细致的视角审视各种技能时，人类与AI能力融合的潜力便愈加明朗。大多数情况下，只有在任务或子任务层面上，人类的贡献才可能被取代。AI目前还无法替代完整的技能组，更不用说整个工作岗位了。以博客写作为例，我们可以指示生成式AI撰写整篇文章，从而达到某种有限的输出标准；然而，资深博客作者往往仅在写作过程中借助生成式AI来完成一些小环节，例如，用来举例说明某个论点、寻找恰当的词语，或激发灵感。实际上，AI在与我们并肩完成微小的任务时，才能发挥出最佳的效能。
    综上所述，许多工作和技能依然掌握在我们自己手中。未来几年，我们在不断激发自身的好奇心的同时，也要更清楚哪些技能对AI来说仍是难点，这样，我们就能表现得更出色。你可以试着从本文列出的20多个技能中选择一项，为自己制定一条学习路径。安排专门的时间来沿着这条路径发展和提升这项技能。同时，你需要始终思考何时以及如何利用生成式AI来辅助提升子技能、完成子任务，从而为我们双手、头脑和心灵的探索提供帮助。