AI 即将在多个任务全面超越人类水平，我们该如何应对 AI 接管的”新世界“？本文尝试从 AI 从小到大的成长环境角度触达，挖掘出那些不宜被人察觉的 AI”基因“，最后从这些 AI 基因出发，给出如何适应”新世界“的三种顶级思维工具。

AI 全面超越人类只是时间问题

曾经在相当长的一段时间里，人工智能始终被认为是天马行空。但在时间的维度下，机器终将会思考。

漫长的发展终迎爆发式突破

受预期和经济环境的影响，人工智能的发展有点像过山车，在上个世纪 70 和 90 年代，经历过两次长达数年”AI 寒冬“，一度被认为是”吹牛技术“。就像人一样，不经历世事怎能算成熟。

要是拿人类寿命来对比，AI 算是“大器晚成”的典型代表。尽管它已经发展了近 80 年，真正的突破和飞跃却仅仅发生在最近几年。

从 2017 年起，AI 开始在多个任务领域开了对人类展开”降维打击“，尤其是在 CV（计算机视觉）领域，如手写识别、图像识别，语音识别等，一个个任务被 AI 轻松超越。

随着以 GPT（生成式预训练转换器）为代表的 LLM（大语言模型）的崛起，AI 又开始在语义理解、基于常识的推理、基础数学运算、代码生成等任务上实现了跨越式的突破，推动了 AI 的全面出圈。

从图中不难看出，过去曾被认为是很”艰难“的任务，比如语义分析、代码编写。AI 已经能够做到很好。从趋势的角度来看，2025 年 AI 将在所有任务领域实现对人类水平的全面超越。这个角度来看的话，硅谷大佬们一直在提的 AGI（通用人工智能），似乎并不遥远。

两次出圈的意义不同

AI 有过两次比较大的出圈历史，但是两次出圈的意义完全不一样。

十几年前，以 AlexNet 算法在 ImageNet 数据集上的突破为代表的 AI 出圈，带来的改变主要是让 AI 开始走出实验室进入工业领域，如交通、医学分析、地理科学等。当下的这次出圈，则是让 AI 真正意义上进入到了大众视野。

问题来了，既然 AI 终究超越人类，我们该如何应对这个变化？

疯狂的 AI 年代，我们怎么办？

遇事不决，问问祖师爷。

要更好的适应 AI 时代，可以从“基因”的视角寻找答案，这些基因源自 AI 的早期探索。

善思考：无限可能从思维开始

牛人的思维往往让人望尘莫及。爱因斯坦思考出了物理学的奠基理论：相对论。计算机的祖师爷图灵更是思想高深莫测，其两篇论文奠基现代人类社会的生活方式的底层逻辑：计算机和人工智能。

简单领略下近 80 年前，计算机祖师爷两篇论文的前卫和震撼。

• 1948 年，论文《Intelligent Machinery》中讨论了一种可以自我学习的机器，这也是机器学习（Machine Learning）概念被最早提及的一次，深刻影响了后来的**感知机（Perceptron）**和神经网络的研究方向。

• 1950 年，论文《Computing Machinery and Intelligence》中讨论了”机器能否思考“，并提出了著名的图灵测试（Turing Test），作为衡量机器是否具备智能的标准。直到现在很多内容依然是现代计算机科学的核心思想，比如存储程序、算法执行等。

之所以说前卫和震撼，是因为在那个二战刚结束没几年的上个世纪中叶，没有芯片、没有集成电路、更没有计算机和网络。祖师爷的思想就已经开始深刻的影响计算机和人工智能的世界。

行动派：行动力是成长的源泉

这个思考是如此的好奇和雄心，以至于感染到了大西洋（祖师爷英国人）对岸的，美国早期的计算机科学家们。他们不仅举办了首个研究项目来探索”会思考的机器“的可能性，更在 1956 年的美国东北地区：新罕布什尔州达特茅斯学院，举办了人工智能历史上的标志性事件：达特茅斯会议（Dartmouth Conference），这被公认为是 AI 作为独立学科的起点。

会议的四个组织者之一 John McCarthy，提出了现在几乎家喻户晓的词：Artificial Intelligence（人工智能）。这比这个概念进入公众视野足足早了近 50 年。

组织者们不仅自己喜欢思考，还组织 Workshop 大家一起思考，并且以论文的形式发表讨论的结果，去影响到更多人。这里作者挖掘出 AI 的第一个基因：思维。

会上组织者们提出了一个设想，如果机器能够像人类一样使用语言、形成抽象概念、解决问题并改进自身，那么它们是否可以被称为‘智能’？他们的目标就是探索如何让机器模拟人类智能，并建立一个全新的研究领域—人工智能。

这里特别提一个非常有意思的点：组织者们普遍认为他们将在 2 个月内达成这个目标。虽然现在大家都知道这个目标的初步达成是最近两年的事情。

看的出来，会议的组织者们都很乐观，但你必须欣赏他们大胆的这股劲。

注：达特茅斯会议组织者 4 个，总共参与人数 10 人，他们分别来自计算机科学、数学、工程学、心理学。

不设限：多维视角解题新思路

AI 严格意义上来说是一个跨学科的领域，包含了数学、统计学、生物学、计算机、心理学、图形图像学等等。从神经网络模型的历史发展脉络上也能发现这一点。

达特茅斯会议上对 AI 的大胆猜想之后，神经生理学家 David Hubel 和 Torsten Wiesel 通过对猫和猴子的视觉皮层（V1 皮层）的实验，发现了视觉系统的层级信息处理机制。

他们的实验表明，视觉皮层的神经元是逐级提取特征的，而不是简单地对光进行反应。这一发现为后来的计算机视觉和深度学习研究奠定了基础。

心理学家 Frank Rosenblatt 建立了最早的神经网络模型之一：感知器。包括去年获得诺贝尔物理学奖的 Geoffrey Hinton，也是心理学背景出身。

融合了脑科学、心理学等学科大师们思考的神经网络模型，加上计算机领域大师们的工程实践，得以让 AI 拥有比肩人类的”思考“能力。

以上三点就是 AI 从小到大的成长环境。善思考带来全新世界，行动派带来极大成长，跨学科带来难点突破。80 年弹指一挥间，大器晚成，AI 逐渐接管世界新秩序，重构世界才刚刚开始。

什么样的人能够在 AI 时代，野蛮生长呢？

如何在 AI 时代不被淘汰？

医学上有个概念叫 Immune Rejection（免疫排斥反应），讲的原生身体系统并不能接受新的器官组织而发生的免疫反应，本质上就是基因的不同。

所以什么样的人才能不被 AI 时代所排斥？自然是那些与 AI 具备相同基因的人咯。

不设限：敢于尝试新事物

面对还没做过但是感兴趣的事时，一些人可能会自我 Pass 掉，因为觉得没经验、没人脉、没资源，事情还没开始，看到的都是一堆问题。感兴趣的是在大脑还没存活几秒，就已经被扼杀在摇篮了。

可以换一种思维方式，面对感兴趣的事情，尝试找到做成这件事情最内核的东西，用互联网的概念就是 MVP（最小可行性原则），跑通 MVP 之后再在时间的维度上添加各种资源，达成最终目标。所以不要一开始就自我捆绑，把可能性归零。

善思考：发挥大脑优势

人的大脑的机制天然就是用来进行思维的，对于那些机械的、重复性的事情也天然的排斥，但这刚好是 AI 目前正在接管的领域。你可以看到”黑灯工厂“、无人物流车、智慧港口等等。AI 时代，更是强化发挥大脑作用的时代。

独立思考不仅能帮助我们摆脱外界干扰，从多角度、深层次的分析和推断，做出更理性和明智的决策。更重要的一点是，在我们与人交流和合作的时候，多视角的思维能力更能让我们去理解对方的思考和意图，相对更容易再交流中寻求最大共识。

同时批判性思维能够让人更加深入地审视信息的真实性与合理性，避免盲目接受他人的观点和观念，这点就能规避掉绝大部分被割韭菜情况。

AI 时代下，独立思考的意义在于，善于洞察那些没有被满足的需求，借助各种 AI 工具，打造满足需求的产品和服务，拿到属于这场变革中的结果。

行动派：用实践修正认识

知识来源于实践，所以学习知识也必须要回归实践。要通过一个个具体的落地项目，你才能对 AI 有更深的认识和理解。

特别是最近一年 AI 在代码生成领域的巨大进步，作者的理解是 AI 带来的技术平权。就是说技术的门槛已经降到比海平面还低。

也许你通过社交媒体或者各大短视频平台刷到过某某博主，技术小白从 0 到 1 搭建个人网站。全栈工程师背景出身作者 2004 年里花了 3 天时间，完成了之前需要花一个月左右完成的项目，且不需要自己修 Bug，只需要使用自然语言描述清楚你的问题，剩下的就交给 AI 来帮你完成。

最后，如果把 AI 的 3 个基因连城一条故事线就是：不设限，探索出各种可能性；善思考，找到属于自己的赛道；行动派，通过项目拿结果检验对 AI 的理解。

未来 5 年，AI 加持下的世界掌控权，将加速交给独立思考、有想法、爱折腾的人群。祝大家在 AI 时代都能拿到结果。