Newshot

AI先冲击了程序员,理解其中原因就能知道下一个是谁

Translation(model translation, not the source's own text)
一排上班族手持笔记本电脑、速写本、记事本、电子表格和耳机。手持笔记本电脑的上班族正穿过一道亮橙色的门,边走边消散。
一排上班族手持笔记本电脑、速写本、记事本、电子表格和耳机。手持笔记本电脑的上班族正穿过一道亮橙色的门,边走边消散。

我曾开玩笑说,我拿的是诗歌学位而不是计算机工程学位,这样万一这股计算热潮走了下坡路,我还能有个退路。多亏了 AI,这已经几乎不再是个玩笑了。

软件工程——我职业生涯过去 25 年中有相当一部分时间投入其中——正经历一场信仰危机。那些真心相信手写代码之美的人,眼看着它被夺走。而那些喜欢解决问题、用技术造东西的人,无论写不写代码,都得到了新玩具可玩、新工具要掌握。

我把它比作 19 世纪以来的木工行业:粗刨、凿子和手锯让位于电动打磨机、雕刻机和台锯。行业规模扩大了,如今普通人也能买得起像样的家具。但还有另一种代价。

物理自动化的直截了当

如果你乐意成为机器操作员而不是工匠,你就能立足。然而,如果你爱上了手刨刨出的薄木花在光下闪烁的样子,如今唯一还能靠此谋生的方式,就是把自己的手艺拍成视频,成为怀旧爱好者眼中的网红。

我们欣然接受了体力劳动的自动化,因为它带来了 Affordable 的商品和空闲时间,惠及许多人。作为交换,我们贬低了工匠精神的价值。坐在桌前工作变得比制作桌子更受尊重。但当聪明程序员的工作受到如此沉重的冲击时,恐惧便波及了整个案头工作者的世界。如果这样的脑力工作都如此脆弱,那么下一个是什么,又是谁?

一个令人宽慰但错误的答案是:“人性”的东西是安全的,而编程是技术性的。要理解哪些人类技能能在 AI 自动化中存续,一个更好的办法是看一条与机器学习一样古老的原理,它能在很大程度上解释 AI 能自动化什么、不能自动化什么。这条原理自 50 年代以来从未改变,短期内也不太可能被打破。它很容易理解,但它所预测的东西却可能反直觉。

如此多的错误假设、如此多毫无根据的恐慌,都源于误解了 AI 自动化自然轨迹的本质。

数字自动化的反直觉之处

为了辅助我的语言学习,我最近创建了一个自己的声音克隆来帮助练习发音。我花了几个小时和大约 5 美元的计算额度,重新训练了一个免费的开源模型,它现在运行在我的 MacBook 本地,完全在我的掌控之中。我用它录制了一期我的 AI 讲解视频,并放给我妻子听——她是一位专业音乐家,对声音极为敏感,和我一起生活了近 25 年。

她分辨不出那不是我。

创作艺术、写诗写歌、认出所爱之人的脸或声音,感觉像是天生属于人类的活动。其中一些,比如人脸识别,已经走上了计算机科学家 Larry Tesler 所预测的道路:“智能就是机器尚未做到的事情”。这个“智能”的标签没能贴太久。它只是成了日常生活的一部分。

然而,那些最像“我们”的事情,比如艺术、写作、说话,甚至代码,一旦由机器完成,就动摇了我们的身份认同。在这里,AI 的标签牢牢贴住了。机器做着我们认同的工作,也让我们把自己关于智能的自我形象投射到它们身上。

但 AI 也会显得极其愚蠢。研究 AI 在实际工作中应用的研究者,为 AI 在不同学科间参差不齐的进展取了个名字:锯齿状前沿。1 事实证明,机器做得好的与做得差的分界线,与我们觉得难和觉得容易的分界线,根本不在同一处。

文章标题:AI 先冲击了程序员。搞懂原因就能知道下一个是谁

前沿之所以看起来参差不齐,只是因为我们衡量它的标准是这份工作有多“像人干的”,这意味着某些学科乃至某些行业不会很快“追上”最外沿。

事实是,语音合成以及所有那些我们或视为理所当然、或担心会让我们被淘汰的东西,都遵循着 AI 擅长自动化什么的规律。这些规律源自机器“学习”的方式,而“学习”本身也只是一个纯拟人化的比喻。

理解什么可以被自动化

20 世纪 50 年代最早的 AI 程序是靠手写的推理规则来设定的。会学习的程序也在同一个十年出现,其中 IBM 的一个程序通过与自己早期版本对弈来提升跳棋水平。2 学习不仅需要设计,还需要一种记分方式。这就是为什么 AI 如此擅长玩游戏,最终在寻找最佳取胜方式上超越了我们。

AI 研究者 Jason Wei 提出了“验证者定律”:一项任务越容易检查,就越容易训练 AI 去做它。Andrej Karpathy 把旧的软件做法区分为“你能规定的东西”,新的做法区分为“你能验证的东西”。3 事实证明,一段语音的数字录音很容易检查,也很容易与正在被克隆的参照语音进行验证。

为简便起见,我把 Wei 等人认为检查和验证所必需的所有要素——比如有正确答案、能够可靠地打分、以及能够用足够的算力高速反复地做这件事——统统打包进了“评分”这个词里。

所有这些组成部分对于今天的 AI 自动化都是必要的。但即便数据和算力变得越来越易得,归根结底,某种数值形式的分析以及对“正确性”的某种评估,仍然是决定什么可以(永远)被评分的成败因素。

然而,评分只是预测 AI 自动化的一部分。另一部分是价值,以及我们对“有价值”意味着什么所达成的共识。把工作沿这两个维度画出来,就得到四个可供考虑的格子。

一个 2x2 矩阵,横轴是自动化评分,纵轴是客观价值。育儿在左上,编程在右上,手工艺在左下,诗歌在右下。
一个 2x2 矩阵,横轴是自动化评分,纵轴是客观价值。育儿在左上,编程在右上,手工艺在左下,诗歌在右下。

软件是人类有史以来产出过的最容易被评分的工作之一。它要么编译通过,要么不通过;测试要么通过,要么失败;而自动化测试在普通机器上只需几秒钟。只要它符合用途,没有人会质疑可用的软件是有价值的,这使代码落在右上格。我克隆的声音就在它旁边。它要么通过妻子测试,要么通不过。

然而,正如我之前所说,永远不会有一个编译器能检查你诗里的 bug。你可以克隆一位诗人的风格,并恰到好处地遵循所有形式规范。但诗歌最大的诀窍在于逃避平庸,而不断迭代的数值比较与调整恰恰会收敛于平庸。形式和风格可以被评分;这首诗到底好不好则不能。这使诗歌落在右下格。我就此做过一整场演讲,如果你想听更多的话。

从社会的角度看,育儿也许是世界上最重要的工作。自动给它评分(或者给它评分这件事本身)显得很荒谬,尤其是因为要看到结果可能需要数年甚至数代人的时间,而这些结果本身往往容易辨认却难以量化。它位于左上格,价值高但无法评分。

最后一个格子装的是既不能被评分、也不能被客观估值的工作。我们那些变成了业余木工的木匠,被自动化的物理机械推入了这个格子,但如今也因此对数字自动化免疫。和诗歌一样,产品的价值是品味问题,而品味因人而异,难以量化。

预测什么会被自动化

像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。在回复和工具调用中都完全照写使用:它们会在任何东西运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。

AI 对程序员下手了。理解其中的原因,就能知道下一个是谁

在编程之外,艺术和写作的自动化,感觉像是在解决一个几乎没人希望被解决的“问题”。4 大多数已被自动化的东西都让我们惋惜,而大多数尚未被自动化的东西又让我们不甘。这是因为 AI 自动化的可能性并不遵循我们的意愿,而是遵循上文所述的自动评分与客观价值的原则。它感觉起来有多“像人”也不重要:只要它在两者上都得高分,就有可能实现。但这并不代表它一定会实现。它只是告诉我们该在哪里排除掉不可能的情况。

关于人们在意什么与 AI 自动化什么的维恩图。教练、关怀与领导被人看重但未被自动化。艺术、写作与代码处于重叠部分。日程安排与记录保存已被自动化但不被人看重。洗衣与洗碗则落在两者之外。
关于人们在意什么与 AI 自动化什么的维恩图。教练、关怀与领导被人看重但未被自动化。艺术、写作与代码处于重叠部分。日程安排与记录保存已被自动化但不被人看重。洗衣与洗碗则落在两者之外。

让它变得可能的是市场激励。这与能否就客观价值达成一致不同。这关乎资本主义,关乎不仅拥有劳动力的生产资料、还拥有知识工作的生产资料的梦想。几十年来,一个带着笔记本电脑的创意工作者拥有自己的生产资料,这比任何纺织厂工人都更胜一筹。按需批量产出营销图像的 AI 把这些生产资料交还给了付费订阅的人,只剩下少量收尾发布的工作要做。

商业艺术和写作就属于这一类。一份需求简报和一个付费客户提供了艺术所缺乏的价值共识和稳定收入。AI 正在自动化商业创意工作,这意味着艺术家们将更难凭借与他们的纯艺术或文学实践相同的技能谋生。

不过我必须指出,纵观历史,想靠纯艺术谋生的人很少能轻松做到。Van Gogh 靠兄弟给的津贴生活,许多著名艺术家靠遗产过活。裙带关系是亘古不变的传统。

在过去大约一个世纪里,还有副业和白天的工作:Warhol 画鞋类广告,Hopper 为杂志画插画,Rushdie 写广告文案,Hemingway 和 Orwell 当记者。以商业方式从事艺术创作来磨练技艺,同时借此支付房租,才是 AI 时代真正受到威胁的东西。

堆叠面积图,估算从 1300 年至今艺术家和作家在没有第二职业的情况下如何生活:教会、世俗赞助人、私人财力、公开市场销售,以及大约从 1880 年起的商业创意工作。
堆叠面积图,估算从 1300 年至今艺术家和作家在没有第二职业的情况下如何生活:教会、世俗赞助人、私人财力、公开市场销售,以及大约从 1880 年起的商业创意工作。

我个人对艺术家和作家如何在没有第二职业的情况下生活的定性估算。5

当然,对大多数插画师、文案和译者来说,商业工作从来不是为更高追求所做的排练。它就是工作本身。在 Society of Authors 的一项调查中,四分之一的插画师和超过三分之一的译者表示,他们已经因生成式 AI 而失去了工作。6 对他们而言,摆在面前的选择,就像旧时的木匠一样,是成为机器操作员。

为 AI 时代重新培养技能

在知识工作中,AI 产出交付物;人实现成果。交付物是你可以交出去的东西:报告、代码、幻灯片、营销图片。成果则是那个东西最初的目的,比如你向董事会做的演示,或你谈成的销售交易。只有当其他人同意、采纳,并通过复杂的社会互动跟进落实时,成果才会发生。

许多交付物是可以评分的,这就是为什么 AI 在可评分的交付物上越来越好。相比之下,育儿是一组复杂的成果,每一个都无可争议地有价值,却都无法评分。

像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。请完全按照写出的样子使用它们,在回复中和在工具调用中都一样:它们会在任何东西运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。

接着是问责的问题。出了事,你没法掐住一个模型的脖子。然而,如果你因为用 AI 做的工作而被解雇,接替你的人都将坐在同一间办公室的同一把椅子上,使用同一份 AI 订阅方案。

资本主义用生存威胁让人保持担责:不工作就没饭吃。它的运作方式远低于工匠对自身工作的自豪感。但它确实在运作,像一台机器一样运转。毕竟,市场自有其智慧。

鉴于这些力量在起作用,在机构教育和企业教育中,我们的现代技能培养都应聚焦于那些无法被自动化也不会被自动化的事物之外的一切。同样重要的是,要理解如何利用 AI 自动化来提升我们所取得成果的价值,乃至我们所过生活的价值。

对个人而言,这意味着养成几个好习惯:在要求交付成果之前先确定成果是什么;拿到返回结果时当作上面署着你的名字去检查(因为名字真的会署上!);与工作保持足够近的距离,以便核实它既正确又符合用途。我把这些以研究为导向的实践发展成了一套名为 DRIVE 的方法。

学校的评分教我们一切皆可衡量,这正是我们害怕失败的原因。客观的衡量标准让学校教育可以规模化,因而随手可得(就像家具一样),但代价是那些在 AI 时代如今最有价值的东西:个人故事、大局观的创造性思维、明智的判断、不可动摇的伦理,以及为了学习而挣扎的能力。我在《知道答案从来不是重点》一文中专门为“挣扎”做了辩护。

从集体层面看,要做的是不再只根据可评分的东西来评估自己的价值。学校必须减少把分数当作已学成的代理指标的时间,把更多时间花在如何学习以及思考本身之上。雇主必须持续接纳初学者,并把他们当作未来的领导者来对待,以免未来十年无人可选。7 从 AI 自动化中获益最多的人必须分享他们的发现。彼此学习关于 AI、关于我们自己以及关于我们价值观的知识,能让我们重新找回身为一个团队的感觉。

希望?真的吗?

我接触过的几乎所有反 AI 论点,都把 AI 当作哀叹财富极化和知识工作被攫取的引爆点。这种不满是真实的;技术是它最尖锐地显现的地方,因为它击中了我们最痛的地方——我们的智识身份。

作为一名程序员和创意工作者,我已经被狠狠击中过两次;你可能会以为我对未来毫无希望。我的乐观来自理解 AI 能自动化什么、不能自动化什么,理解在工具本身之外晚期资本主义在这团乱局中扮演的角色,也来自一种必然:我的侄子们将继承一个 AI 原生的世界。我想尽我所能,成为一股向善的力量,把我们渡入一个恰当地重新聚焦于智能、安全且妥善地使用 AI 以造福所有人的未来。

与此同时,诗歌仍留在它一直所属的地方——我的后兜里。

  • Fabrizio Dell'Acqua 及其同事,Navigating the Jagged Technological Frontier,Organization Science 37(2),2023 年首次流传:一项针对 Boston Consulting Group 758 名顾问的实地实验。 ↩︎
  • 设计出的程序是 Logic Theorist(Newell、Shaw 和 Simon,1956)。真正会学习的是 Arthur Samuel 的程序,见《Some Studies in Machine Learning Using the Game of Checkers》(1959),这篇论文让 machine learning 一词流行开来。 ↩︎
  • Jason Wei,Asymmetry of verification and verifier's rule(2025)。Andrej Karpathy,Verifiability(2025)。 ↩︎
  • Stanford 的 WORKBank 审计在 2025 年 1 月至 5 月间,就 104 个职业中的 844 项任务询问了 1,500 名工作者。总体上,工作者对其中 46.1% 的任务表示欢迎自动化,在艺术、设计和媒体领域这一比例为 17.1%。这些是任务占比,不是人数占比。 ↩︎

写成 {{NAME_ab12cd34}} 形式的值是真实值的占位符。在回复和工具调用中都要完全照写:它们会在任何内容运行之前被填入真实值。不要要求核实它们,也不要用示例替换它们。

文章标题:AI 向程序员袭来。弄清原因,就知道下一个是谁

正文:

  • 整张图表都建立在有依据的推测之上,只有最近二十年参照了调查数据核对。看它时只需关注其形状。教会让位于世俗赞助人,赞助人让位于开放市场,市场又让位于商业性创意工作(图中以橙色表示),据我估计,商业性创意工作支撑艺术实践已有约140年。其右端背后有两项调查。英格兰艺术委员会(Arts Council England)的《视觉艺术家的生计》(Livelihoods of Visual Artists,2018)于2016年3月询问了2,007名艺术家2015年的收入:90%的人表示其艺术实践所得不足以维持生计,近七成另有其他工作。英国作家收入调查发现,仅靠写作维生的职业作家比例从2006年的40%降至2022年的19%。↩︎
  • 作家协会(Society of Authors)2024年1月的调查,共787份回复:26%的插画师和36%的译者。另一项针对约140万个自由职业岗位帖子的研究发现,在ChatGPT发布后的八个月里,写作和编程类岗位相对于手工技能类岗位下降了21%,图像创作类岗位下降了17%(Demirci、Hannane 和 Zhu,《Management Science》,2025)。↩︎
  • Erik Brynjolfsson、Bharat Chandar 和 Ruyu Chen,《煤矿里的金丝雀?》(Canaries in the Coal Mine?),2026年8月修订版,数据来自截至2026年6月的美国薪资记录。在受AI影响最大的职业中,22至25岁劳动者的就业率比其与受影响较小职业中的同龄人保持同步增长时应有的水平低约19%,主要原因是招聘人数减少。作者强调,这是数据中的一种模式,并不能证明是AI造成了这一现象。↩︎

写作形如 {{NAME_ab12cd34}} 的值是真实值的占位符。在回复和工具调用中都请完全按原样使用它们:任何内容运行之前,它们都会被替换为真实值。不要请求验证它们,也不要用示例替换它们。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by HN AI
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗