在通⽤⼈⼯智能的⻔槛上，你要学什么才不会失业？不久，“超级⼈⼯智能”出现了，随即替代了所有⼈的⼯作。然⽽，只有⼀类⼈幸免：研究⽣。为什么呢？我们就去问了这个超级 AI，它回答：“研究⽣太便宜了，我实在竞争不过。”这当然是个笑话。但是 ChatGPT 的出现让“⼈⼯智能导致失业”的威胁变得从未像今天这样清晰。
这家伙简直是⼀个完美的智能助理：它能翻译，能读懂报告并且做出总结，能写代码，能做 PPT，可以说它的技能基本上覆盖了当代⽩领群体 99% 的⼯作。
再加上⼀直很⽕的 AI 绘画，看上去似乎那些传统上认为只有⼈类才能做的，需要⾼阶思考能⼒和创造⼒的⼯作，现在 AI 都可以代劳。于是⼈类只能去电⼦⼚拧螺丝或者送外卖。等等，为什么不是 AI 帮我们去送外卖或者拧螺丝呢？
当 AI 开始替代脑⼒劳动，古早的想象在⼈⼯智能和机器⼈等概念最早出现的时候，⼈类对机器⼈的想象就是“智能较低，但是代替⼈类做体⼒劳动”这样⼀个⻆⾊。在阿⻄莫夫著名的“机器⼈”系列⾥，⼈类发明了“正⼦脑（Positronic brain）”这种技术，从⽽可以⼤规模制造机器⼈。这些机器⼈⼀开始甚⾄还不会说话，但是却跟⼈类⽆异，有⼿有脚，跟⼈类⼲⼀模⼀样的活。
于是⼈类就可以省下所有体⼒劳动的时间，专⼼于复杂的设计、控制、系统等脑⼒⼯作了。
如果从⽂学史的⻆度来理解，这种对“机器⼈”的古早想象，是⼀种典型的“殖⺠主义”视⻆——“⽂明的”、“⾼级的”殖⺠者，对“低级的”、“不开化的”被殖⺠者的想象。当殖⺠时代过去，对象被简单的替换成了⾦属的⼈类，也就是机器⼈。
当我们回过头来从技术史⻆度来看，也会发现：创造出跟⼈相似、有⼿有脚的机器⼈的确是早期机器⼈和⼈⼯智能开发的潮流之⼀。但是很快地，科学家和⼯程师就意识到“制造如同⼈类⼀样的机器⼈”这件事情，有着超乎他们想象的困难。
即使是其中看似最简单的⼀点——让机器⼈能够双⾜⾏⾛，也只有波⼠顿动⼒在最近⼏年才算有突破，还只是实验室条件。但凡做过类似开发的⼈都知道，他们拍摄的每⼀个精美的机器⼈越障视频背后，恐怕都有⽆数失败的案例。⽽要再去模拟⼈⼿，就算是⼀个简单的“在⼀堆物体⾥识别出特定物体，并且抓取它放到⼀个特定位置”这样⼀个三岁⼩孩都能完成的任务，对于现在的机器⼈和⼈⼯智能来说，都是⼀个值得炫耀的突破。
然⽽在另⼀⽅⾯，⽆论是当年的 AlphaGo 还是现在的 ChatGPT，都雄辩地证明了⼈⼯智能在处理那些复杂的、需要计算和推理的任务中，已经可以达到甚⾄超越了⼈类的⽔平。怎么会出现如此戏剧化的情况呢？
难解的悖论在上世纪⼋⼗年代，⼈⼯智能学家汉斯·莫拉维克（Hans Moravec）和⻢⽂·闵斯基（Marvin Minsky）等⼈就发现了这个现象：跟传统假设不同，那些被认为是⼈类独有的⾼阶智⼒（⽐如推理），往往只需要很少的计算⼒；但是⽆意识的技能（⽐如感知运动能⼒），则需要极⼤的计算⼒。
语⾔学家史蒂芬·平克（Steven Pinker）曾在他的《语⾔本能》⾥说过：经过 35 年的⼈⼯智能研究，发现的最重要的课题，是“困难的问题是易解的，简单的问题是难解的”——这个现象，就被称为“莫拉维克悖论（Moravec's paradox）”。所有使⽤过扫地机器⼈或者⾃动驾驶汽⻋的⼈应该都对此有深切感触。
扫地机器⼈经常丢失地图，或者⽆法识别某些特定的污渍；以及⾃动驾驶汽⻋仍⽆法很好的应对哪怕对⼈类来说并不复杂的路⾯情况，实际上都是同样的问题：机器尚⽆法很好地感知整个外部世界，并且做出相应的决策。
对于没⻅过的“障碍物”，⾃动驾驶⽆法做决策。
深度学习加持的计算机视觉可以识别出道路上的反光，在训练集⾜够的情况下它可以判断出道路上的反光是⽔洼，但是它尚⽆法将“⽔洼”这个概念和“湿”联系起来，并且做出“现在是在下⾬，路⾯摩擦⼒会减⼩，刹⻋距离会变⻓”这个决策。
2018 年 Uber 的⾃动驾驶事故就是如此：⾃动驾驶系统早就识别出了前⽅的“障碍物”，但是⼈⼯智能因为⽆法确定究竟是什么，所以迟迟⽆法决策；等到系统确认了前⽅“物体”是⾏⼈，制动已经来不及了。如果让⼈来做类似的决策，⼈类会在第⼀时间刹⻋，因为我们只需要确定前⽅有“某个物体”挡着，⽽这个物体的性质则⽆关紧要。
这种的情况⼤量出现在类似汽⻋⾏驶这样⾼度变化的、不确定的环境之中——在这种需要快速的识别周遭环境并且做出决策的情况下，⼈⼯智能的表现总是不尽如⼈意的。它们的表现往往是两种：⼀，能够快速的做出反应但是⽆法适应环境变化；⼆，需要⼤量的数据和计算⼒来识别环境变化，从⽽发⽣严重的响应延迟。为什么会存在“莫拉维克悖论”？现在，我们可以重新审视“古早年代”的那个假设了。
这个假设认为，我们⼈类的⾼阶推理和计算能⼒对⼈类⾃⼰很困难，所以它应该对计算机也很困难；⽽⼈类的感知运动能⼒对⼈类⾃⼰来说很简单，所以它应该对计算机也很简单。
事实恰恰相反。
从演化史的⻆度来说，诸如语⾔、抽象概念、推理，和计算等⼈类之所以成为⼈类的⾼阶认知能⼒，实际上是最近⼏⼗万年才进化出来的，这些能⼒对⼈类⾃⼰来说都感觉困难的原因，是因为我们的⼤脑最近才开始运⾏这些功能——所以我们需要调动⼤脑⾥“并不怎么完善的结构”去运⾏这些程序。⽽感知运动能⼒，可以说，⾃从地球上出现了动物，这⽅⾯的演化就已经开始。所有的⽣物都需要感知周遭环境，做出决策，驱动身体运动。
感知运动和环境适应都是地球⽣物⼏⼗亿年进化的结果。也正是因为如此，⼏⼗亿年的演化压⼒将⼤脑这⽅⾯的功能打磨得相对尽善尽美，所以才让这些实际上极端困难的任务看上去似乎毫不费⼒。因为这些任务基本上完全⾃动化了，所以我们⼈类在执⾏这些任务的时候是感知不到的。就像骑⾃⾏⻋：学习骑⾃⾏⻋需要付出主观的努⼒，但是⼀旦学会，这个技能就变成下意识的了。
我们可以想象，在地球⽣物的演化史早期，很多⽣物的感知运动能⼒可能跟现在的⼈⼯智能差不多，⽽这些⽣物早就灭绝了。
所以，回到标题中的那个问题：我们要怎么做才能在这个 AI 时代不失业呢？说实话，我不是 ChatGPT，没有办法⾃信满满地给出⼀个不知真假的答案。
但我认为，我们可以将⼈类的技能分成两种：第⼀种，是思维的技能，这需要运⽤⼈的⾼阶思考能⼒，推理，计算，创意，对抽象知识的掌握，等等，也就是现在⼈⼯智能强⼤的能⼒；第⼆种，顺着“莫拉维克悖论”，我们可以将感知-运动能⼒翻译成“⼿眼结合”，或者概括为“⼿艺”。
⽬前⽽⾔，⼈⼯智能在任何需要⼿眼结合的领域，其表现距离⼈类还是差得很远的。那么，作为⼈类我们要跟上 AI 的脚步，⼤概就要在这两个领域中择⼀——要么能够将⾃⼰的⾼阶思维能⼒磨练到超过 AI 的⽔平，并且能够利⽤ AI 发展⽣产⼒；要么就是⼲脆去学⼀⻔“⼿艺”，在 AI 暂时⽆能为⼒的领域保持竞争⼒。当然，即使这样，⽆论怎么选，和你竞争的仍然是⼈类，⽆论何时何处，内卷继续。