共同學習理論的提出
我高中有個朋友提出過一個當時聽起來有點中二的想法，他稱之為共同學習理論。意思是，若現在的編程能力不如AI，那接下來的大學四年，其實是在和AI並排學習。你努力學，AI也在進化，甚至它學得比你快、比你廣，訓練數據多，計算資源強。等四年後畢業，可能還是不如AI，那還學編程幹什麼？這或許是個玩笑，但背後的邏輯是否存在？看完這段影片，也許對自己的學習節奏、職涯方向，甚至人生策略會有新的理解。歡迎來到Charlie's Logic，15分鐘學會一個新的思考框架。
不可否認的AI發展速度
從初階到高階的突破
2022年，隨著模型擴展和網絡發展，人們開始嘗試讓AI製作影片，當時這在網上傳開，成為AI能力與限制的笑談。到了2024年2月，OpenAI發布Sora，影片中Will Smith吃麵的畫面，臉部、手部、麵條、碗等互動自然，AI鏡頭達到奧斯卡等級，動作真實，光影自然，充滿物理和情感感受。2022年，Chat GPT 3.5連基本的加減乘除都會出錯，如今DeepMind旗下的Alpha Geometry已解決30道國際數學奧林匹克題目中的25道，接近人類金牌得主水平；AlphaProof解決了兩道替代題和一道代數題，包括2024年最難的一題，當時只有五名人類選手解出。
對AI的誤解
即便如此，許多人仍認為AI在生活中更像玩具，最好用來修改論文。我們不妨帶著質疑的眼光看待這個話題，那些聲稱AI將取代人類工作的論點是否過於樂觀？最新的宏觀經濟數據顯示，各國勞動生產率仍在原水平波動，並未因AI出現重大轉折。用戶仍高度依賴傳統搜索引擎，Google訪問總次數高達1.63萬億次，2024年也未見回落，而AI聊天工具僅55.2次，不到0.34%。
AI成為通用技術的趨勢
通用技術的概念
然而，回顧歷史技術變革，這可能只是一種錯覺。有充分且持續增長的證據表明，AI正在成為一種通用技術。關於AI作為GPT的概念，下個影片會詳細闡述。簡單來說，真正改變社會模式的不是單一技術創新，而是技術的傳播能力。電作為通用技術就是一個典型例子。
電力的發展歷程
19世紀末，美國工廠已引入電力，但生產力並未提高，因為只是把燃煤燈換成電燈。真正的轉折點來自一個不起眼的部件——電動機。有了它，傳送帶誕生，流水線作業成為可能。但這還不夠，直到工廠布局和流程完全重組，從蒸汽結構轉向節能布局，生產力才得以提升。
技術變革的四階段
同樣，普通人要真正感受到技術變化，需要經歷技術創新、技術傳播、商業化產品開發，甚至組織結構的真正重組四個階段。每一步都需要時間，而現在技術的速度遠超產品周期。生活中還沒看到某些AI應用，不代表技術上無法實現或沒有潛力。
共同學習理論的反思
AI的潛在影響
所以，共同學習理論提出的問題是對的。目前AI有很多看似無形的影響，等到AI應用真正落地並開始取代工作時才考慮對策，就太遲了。
基礎模型與實際應用現狀
從技術角度看，開發者目前最難的不是模型不夠強，而是發展太快，難以判斷。Google DeepMind創始人、諾貝爾獎得主Demis Hassabis在今年5月的採訪中表示，整個行業面臨的核心挑戰之一是底層技術的進化速度遠超產品節奏。如果一年後技術水平可能提高100%，那現在是要壓制它，還是擔心明年被淘汰？
AI的實際表現
以具體例子來看，近幾個月許多領先的AI公司通過讓AI玩精靈寶可夢遊戲來測試其最新代理型模型的能力。其中，Gemini 2.5等模型未經特殊訓練，就能完成分解、執行、檢查和完成等任務。這看似只是娛樂測試，實質上是基礎白領工作中最常見的流程任務，比如寫郵件、製作數據表、歸檔文件和整理會議文件。也就是說，若AI能自己學會玩遊戲，也就能學會承擔初級白領工作。已有的技術離取代人不遠了，更何況AI的進步速度。
AI的投資規模
2025年，Meta、亞馬遜、Alphabet和微軟等頂尖科技公司在AI和數據中心領域的總投資約為3.2萬億美元，相當於芬蘭全年GDP，或中國15年高鐵建設的總投資。此外，還有超過6萬家新的AI公司在努力打磨產品。
AI的自我學習能力
自我協調
更可怕的是，我們已教會人工智能自學。若人工智能目前在練習技能，那它正從學習武術走向自我提升。首先是自我協調，就像周伯通的左右互搏術，越打自己越強，這是強化學習中最典型的自我提升機制。
元學習
接下來是元學習，即如何學習。模型不再只是學習一項任務，還在跨任務積累學習經驗，類似於武術大師博採眾長，掌握快速學習任何武術的技巧。拿到新秘籍，就能知道如何練習最快。
數學進化
進一步是數學進化，其靈感來自生物進化。像武術門派，弟子練習時會創新，有時突然靈感一現，自創或修改招式，同時互相交流、切磋，使武術平均水平越來越高。最終可能會有幾位大師集眾多優勢於一身，幾乎無懈可擊。
自我突破
但最驚人的修煉方式是頂尖大師能觸類旁通、自我提升的階段。不只是練習，而是自我改造，重寫經脈和思維。每次轉變都能讓人脫胎換骨，最終突破人類武術框架，達到超凡入聖的境界。在技術上，這意味著AI系統不再只是優化參數，還能主動修改自己的核心算法和結構設計。每輪改進都基於上一次自我修正，形成持續改進的循環。當AI能自我提升，可能只會爆發。只要有足夠的計算能力，無需人類參與，它就能在短時間內從人類智能水平上升到我們無法理解的存在。
人與AI的成長對比
人類的成長速度受身體條件限制，需要睡眠、飲食，慢慢學習，掌握一門學科需要10年。但AGI不會累、不會死，能無限重複，相當於每天24小時有數百萬科學家在工作。這將打破我們對科學進步速度的傳統想象，也許破解暗物質、實現核聚變能源、研究癌症的秘密已不遙遠。我們可能正在創造一個比我們更聰明的存在，一個神。這個過程可能很快，通用AI的第一次自我提升可能只需要幾個月或幾年，也可能需要幾十年，我們真的無法預測。唯一能確定的是，今天世界上最強大、最富有的公司正在投入前所未有的資源來構建更強大、更易用、更自主的AI系統。無論未來如何，我們都在全速奔向它。
共同學習下的職涯規劃
職涯路徑的思考
說了這麼多，回到最初的共同學習理論。朋友提到的其實是一個涉及整個人生策略的挑戰。當你與AI一起學習時，如何規劃職業道路？還想走十年前大家走的路，從基礎開始慢慢積累經驗嗎？真的願意花10年時間去換一個未來可能不存在的職位嗎？但先別急著下結論。
AI革命下的勞動使用
看似工作在消失，工作機會減少，但這只是表面現象。從不同角度看，會發現更根本的邏輯正在發生，即AI革命下的勞動使用。想象一下，如果今天一個程序員能用AI完成過去50人的工作，這意味著每個程序員的單位產出將增加，僱傭和產出成本將大幅下降。從資本配置的角度看，這意味著投資回報率（ROI）大大提高。根據經濟的基本邏輯，當回報率增加時，資本的自然反應是增加投資，而不是減少。想象你是公司的CEO，如果每個員工都能帶來前所未有的杠桿作用，你會怎麼做？當然是招募更多這樣的人，部署更多項目，創建更多公司。這就是技術革命的平台。一旦效率杠桿啟動，資本就會流入。AI並沒有讓人類多餘，而是讓個人更有價值。所以與其說AI創業公司的人少了，不如說AI創業公司本身會更多，融資也會更積極，技術杠桿也會增加整個市場的用戶需求。不是就業被淘汰，而是就業的分布發生了變化，起點變了，速度也變了。你不再像十年前那樣從最初的職位開始，而是被要求一上來就了解系統並跑得更快。
新的矛盾
但這也導致了另一個更隱蔽、更緊迫的矛盾。AI正在悄悄剝奪你的學習機會，切斷傳統的成長道路。隨著AI的引入，公司不再需要每個人都寫代碼，而是更傾向於為每個項目招募足夠的設計師和系統工程師，也就是那些了解業務並能處理AI的頂尖人才。問題是，這些頂尖人才是如何成長起來的？過去，程序員從最基本的for循環開始，從修復bug開始，在CRUD、搬磚和移除接口的過程中，一點點熟悉項目結構，積累系統直覺，最終才有資格站在設計階段。但現在，這些基本任務都被GPT-4副駕駛接管了。新人剛進入這個行業，甚至連接觸真實項目代碼的機會都沒有。你本應該在真實項目中重複勞動、積累感覺、犯錯，但這些機會都被AI奪走了。年輕人該怎麼辦？
面對AI時的人生規劃
綜觀全局
我們以一個問題開始這段影片，當AI與你一起學習時，你如何規劃你的人生？首先看技術本身，AI進化迅速，但應用落後，仍在攀升。歷史告訴我們，這是所有通用技術的正常狀態。然後看經濟邏輯，AI導致單位擴展，短期內可能導致失業，但長期來看，可能會吸引更多資本，促進更多公司的發展，創造更多職位。但真正的問題是，AI正在剝奪人們的學習機會，切斷了從初學者到高級人才的傳統成長道路。
主動規劃
所以我們該怎麼辦？你必須積極設計自己的成長道路。你要做的是盡快承擔風險，盡快進入真實的問題情境。利用AI擴大你的影響力。你要像一個企業家一樣思考。什麼是最不可行的產品？如何用不完善的技能快速產出結果？能不能不等公司交給你任務，直接用AI輔助完成項目？甚至把你的知識變成一個提示。使用AI編程、組織和測試來組織和測試你的工作流程，讓AI本身成為你的項目夥伴。
結語
今天就到這裡。如果你認為這段影片幫助你理解了一些東西，請點贊並分享，或者在評論區發表你的想法。歡迎訂閱我們的頻道。Charlie's Logic，下次再見。