人工智能时代的专业知识

人工智能时代的专业知识 2026-05-12 标签： llms 在编码代理时代雇用初级工程师有意义吗？初级工程师的工资和高级工程师的时间都很昂贵。这一成本通过代码贡献得到了部分补偿，但如今，直接最大化高级工程师的产出更为有效。招聘市场反映了这一趋势：高级工程师很容易找到工作，而应届计算机科学毕业生却经历了有史以来最糟糕的几年。然而，OpenAI、Anthropic 和许多顶尖公司仍在激烈争夺初级人才。这是怎么回事？在本文中，我将探讨人工智能时代专业知识不断变化的本质。数学作为一个类比，我认为这有助于思考人工智能对数学的影响，半个世纪前人工智能就出现了。曾经有一个职业叫“计算器”，就是能够准确、快速地进行数学计算的人。这些人平衡账本，根据距离和风力调整计算火炮发射角度，计算船舶和飞机机身的最佳船体形状等等。这项工作已经不存在了，最后一次认真使用算盘和计算尺是在 20 世纪 70 年代，因为科学计算器的发明。随着时间的推移，计算器只会变得更加复杂，当今的数值建模软件可以运行全面的物理和工程模拟。 （出于本文的目的，我将使用“计算器”来表示从基本计算器到建模软件的所有内容。）尽管存在计算器，但我们仍然教授并期望人们在高中学习代数、几何和微积分。继续进入大学阶段，我们期望 STEM 专业的学生学习多元微积分、ODE、PDE、统计学和线性代数。毕业后，他们中的绝大多数人每天都使用计算器，除了最基本的心算之外，忘记了如何做所有的事情。对于这种差异有两种基本解释：（信号假设）STEM 学位筛选了一组能够学习并坚持完成四年困难数学的人。 （技能假设）努力学习数学课程会赋予我们一些难以量化的数学直觉，这对于操作当今的计算器非常有价值。作为以前信号假说的坚定信徒，我现在越来越多地相信技能假说（假设每个原因都有 50% 的归因）。很明显，如今的高级工程师使用编码代理的能力比初级工程师要强得多，其中很大一部分原因是他们在手动编写代码方面经历了 5 年多的努力。不断变化的就业市场目前，额外提示编码代理所需的计算直觉水平约为 5 年的经验水平。今天的老年人很幸运能够获得报酬来建立他们的计算直觉，但随着编码代理的不断改进，差距越来越大。在编码代理的改进和学习能力的自然变化之间，也许 50% 的新计算机科学毕业生将永远无法赶上。一些高级工程师尽管领先，但最终也会落后。回答本文的开头问题：只有一些初级工程师值得雇用，特别是那些足以在毕业后 2-3 年内达到“编码直觉”的有用阈值的工程师。由于此类毕业生数量不多，少数精英企业对人才的争夺十分激烈。第二层软件顾问将继续增长，扩大就业市场的总规模，但我预计他们的薪水增长速度不会像今天的高级工程师那样快。每个人都应该学习一些编码 即使进入软件工程的门槛不断提高，我仍然认为每个人都应该学习一些编码。我经常看到人们将计算机视为电器——能够完成其设计目的，但仅此而已。如果您不认为计算机是可编写脚本或可编程的，那么您就永远不会想到让人工智能为您实现自动化！对于许多其他领域也是如此！数学、法律、税收、医学、DIY 家庭维修等……现在只需 20 美元/月即可获得丰富且廉价的专业知识，只要您知道如何询问。我想说，主要的解锁时间是： 1-2 周：基本了解该领域的内容以及在要求人工智能做某事时使用哪些通用词语。 1-2 个月：基本了解如何以及何时向 AI 提问。 4-6 个月：能够检查输出的正确性（根据需要使用外部资源）。如果您已经是一名软件工程师，您可能会考虑涉足数据科学、前端、后端、安全性和性能优化/分析——所有这些都是不同的技能。这是一个“如何+何时+正确性”的数据科学示例：一位同事正在对数据集进行一些相关分析，发现很难理解