AI 提升的是下限，而不是上限

被重塑的学习曲线

在AI时代之前，每个人在学习新知识时，都难免遇到“资源匹配”的问题。学习资源一般是为特定人群设计的，因此对你来说未必是最佳选择：

• 你是某领域感兴趣的话题的新手，但却熟悉相关领域相关话题。但很难找到能够基于相关话题教授你感兴趣的话题的资源。

• 为了有效学习感兴趣的话题，你其实需要先掌握前置技能。但作为新手，你可能根本意识不到自己需要先学这个前置技能。

• 你对感兴趣的话题已经有了一些基础知识，但遭遇瓶颈，很难找到帮助你突破中级瓶颈的资源。

一般来说，一个人掌握技能的学习曲线大致如下：

AI学习的突破之处就在于它能精准适配你的学习水平。AI能以你理解的方式解答问题，甚至帮你处理基础的重复性工作。这就改变了学习的曲线：

精通仍然很难！

领域专家往往对AI持更谨慎的态度。一位来自 Hacker News 的用户表示：

“[AI]很浅薄。我越深入，AI的帮助似乎就越少。而且，如果你在研究复杂且可能有争议的课题时，需要寻找权威或者学术性的来源，那简直就是灾难。”

仔细想想，这种情况很好理解。AI的能力取决于训练数据的丰富性。如果某个话题数据充足、观点一致，AI就能很好地进行整合输出；但如果内容太深奥，数据往往稀少；若是话题充满争议，数据又会出现大量矛盾。因此，精通某个领域依然不易。

AI时代的作弊问题

OpenAI 推出的学习模式（Study Mode） 暗示了另一个问题：你可以直接问AI答案，而非学习。长期来看，作弊者的水平会停滞于AI能够轻松提供答案的那个阶段：

所以，从长期看，作弊并不会真正使人受益。

学习曲线变化带来的影响

技术变革本质上是生态变革，它带来输家和赢家。AI带来的影响，取决于“做出有影响力产品需要的精通程度”：

编程领域：管理者获益，大型代码库遇冷

工程经理（EM）在尝试编程时经常遇到难题：他们懂得软件设计原则，知道差的软件长什么样子，但却不懂得使用某框架具体怎么做。这曾使得一个后端工程经理很难在业余时间做出一款 iPhone 应用。

但有了AI，他们能够快速学会基本技能，并制作出简单的应用，再用原本就掌握的软件知识进一步优化为一个可用的产品。有AI与没有AI，决定了他们能否真正做出产品：

而对于在复杂代码库工作的开发者来说，AI的帮助则相对有限。AI缺乏对具体需求和已有实现的深入理解，因此效果不太理想：

创意领域：AI电影还难登大雅之堂

创意人士对AI十分焦虑：未来人们是否只看AI制作的小说、电影？

这不太可能发生，因为创意领域竞争极为激烈，而要赢得关注，最关键的是创新性。虽然AI可以快速生产图片、音频、文字，但却未能增加观众的注意力总量，进入市场的门槛仍然极高：

人类对“新颖性”要求很高，能够敏锐察觉内容的雷同性。这也是为什么“吉卜力风格头像”虽短暂风靡网络，却难以撼动《哈尔的移动城堡》的文化地位。

已经有成熟手机App的领域：影响有限

在一些早已有专业App的领域，比如邮件和点餐，AI至今未带来显著影响：

邮件看似AI应用的理想领域，但现代邮件App已有丰富的个性化过滤与组织功能，AI的优势体现并不明显：

• 垃圾邮件早就自动放入垃圾箱，AI对垃圾邮件的总结也只是垃圾。

• 重要邮件我不想看AI总结：AI的概括可能遗漏发件人精心设计的重要细节。

类似的，外卖App如DoorDash界面已经精心设计，巧妙平衡了价格、食材信息和食物图片。AI几乎很难在界面效率或设计美观程度上提供更好体验。

未来早已降临，只是尚未普及

AI提高了人们从事知识工作的下限，但并非所有人都会感受到这一变化。这正解释了为何AI在人群中的反应差异极大。对我这样的工程经理而言，AI彻底改变了我与技术的关系。而另一些人则担心甚至反感AI替代他们；还有一些人，听到聪明人谈论AI的妙处，却怎么也看不到自己的需求，甚至怀疑“难道是我自己没搞明白？”

AI并没有全面取代传统工作方式，但它确实能力非凡。无论你是谁，AI都值得你去尝试探索，但如果它对你并无明显作用，那大概率是因为它真的不适合你。