AI精英为何不让孩子专攻AI？他们更看重这些能力

《华尔街日报》近期进行了一项深度访谈，对象是五位在人工智能领域具有举足轻重地位的高管与学者。他们包括Anthropic的总裁、微软的首席科学家、沃顿商学院的教授、SAP全球AI转型负责人，以及一位成功的SaaS连续创业者。访谈的核心问题只有一个：您对孩子的未来职业规划是什么？

出人意料的是，这五位业内翘楚的回答惊人地一致：不应只专注于技术本身。

丹妮拉·阿莫迪，作为Anthropic的总裁兼联合创始人，也是Claude的开发者之一，她育有两个年幼的孩子。她认为，尽管AI在知识获取和效率提升方面日益强大，但人类独有的、难以被机器复制的特质在于人际互动：同理心、沟通能力、协作精神以及友善待人。她更希望孩子能够培养这些软技能。

曼尼·梅迪纳，Paid.AI的联合创始人，曾成功创办销售软件公司Outreach。他有四个孩子，年龄跨度从四岁到二十六岁。他对孩子的建议十分明确：将目光投向那些长期来看仍需要人类深度参与的领域。他经常与孩子探讨核能和癌症治疗等话题，指出这些领域问题的复杂性和漫长的研发周期，使得机器难以完全取代人类。

伊桑·莫利克，沃顿商学院的管理学教授，也是《Co-Intelligence》一书的作者。他建议孩子们成为能够整合多方面能力的通才，并推崇法律、医学等需要结合知识、判断力、沟通技巧和复杂决策的职业。

杰米·蒂文，微软的首席科学家兼技术院士，同时也是耶鲁大学的校董。她对孩子的教育规划更侧重于学习方法本身：培养批判性思维，理解自身的思考过程，并学会与AI协同工作。她的孩子中，有的计划学习法律，有的对会计专业感兴趣。她指出，这些职业的共同之处在于，最终的决策责任仍需由人来承担。

卡罗琳·汉克，SAP全球组织成长与健康部门的负责人，也是公司内部AI劳动力转型的重要推动者之一。她为孩子规划的并非具体的职业，而是一种能力路径：以数学和逻辑为基础，辅以批判性思维、伦理判断和灵活应变的能力。

值得注意的是，这五位专家并非反对AI。他们身处AI行业的核心，深刻理解AI的能力边界。他们认为，如果孩子仅仅掌握单一的技术，在未来的竞争中可能难以获得显著优势。

一份印证此观点的研究报告

恰巧，Anthropic公司也发布了一份名为《Labor market impacts of AI》的报告，该报告基于实际使用数据，深入分析了AI在工作中的真实作用，而非停留在理论推测层面。

报告中揭示了一个与直觉相悖的发现：AI的替代风险最高并非针对流水线工人，而是那些高学历、高收入的信息处理型岗位。例如编程、写作、数据分析和咨询等行业，受到的冲击最为显著。受影响人群的四个共同特征是：女性比例较高、年龄在40岁以上、拥有大学学历以及薪资水平相对较高。

22至25岁的年轻人同样面临挑战。AI暴露度高的行业，其入门级岗位的招聘数量大约下降了14%。尽管AI尚不能胜任资深专家的工作，但已足以承担新人起步阶段的任务，如基础资料收集、初级代码编写和基础翻译等。这些原本是职场新人积累经验的工作岗位，正逐渐消失。

不易被AI取代的工作主要集中在三类领域：

纯体力劳动：建筑、安装维修、农业、非标准化生产等。

服务保障：餐饮、绿化、个人护理、养老陪护等。

应急处置：消防、警察等需要即时判断和承担责任的岗位。

AI的“盲区”存在于屏幕之外的现实世界。

孩子从小学习计算机是否徒劳？

读到这里，那些正让孩子参加信息学奥赛、学习AI技术的家长可能会产生疑虑。

孩子辛勤学习算法、编写代码，恰恰可能落入“AI暴露度最高”的范畴，这是否意味着他们走错了方向？

答案并非如此。关键在于学习目标的设定。

无论是信息学奥赛还是AI学习，其本身的目的并非仅仅教导孩子编写代码或调用工具，代码和工具只是实现目标的载体。其真正训练的是：如何将一个复杂的现实问题抽象化为一个可解的结构；如何判断哪种算法适用于特定问题；以及如何验证一个答案的有效性。这套能力（抽象建模、系统性思考、在复杂规则下的决策能力）正是五位高管所强调的、AI难以替代的核心竞争力。

因此，问题不在于学习内容本身，而在于学习的方式。

如果学习方式偏差，将其变为“刷算法题、套用模板、调用ChatGPT、编写提示词”等，这就落入了高暴露度的工具使用层面，而AI自身已能高效完成这些任务。

若学习方式得当，将其引向“理解为何要进行这样的问题建模、模型产生‘幻觉’的原因、哪些问题可以委托给AI、哪些问题不适合”的深度探究，这才是培养高管们所言的、不易被AI取代的判断力。

AI将如何重塑世界，我们尚不得而知，但或许不必过于担忧。

无论孩子是否在学习计算机相关知识，关于教育的思考，我们都欢迎大家积极交流讨论。