自从 ChatGPT（猫狗屁通）引爆以来，网络上看到的信息可能有一半以上与 AI 有关。
有人疑神疑鬼，生怕人工智能的普及会马上抢走自己的工作。
有人兴奋不已，已经开始在生活和工作的方方面面沉浸于人工智能之中。
有人焦虑万分，面对日新月异的人工智能，人类可能一败涂地，甚至认为通用人工智能即将诞生，于是整天悲观恐惧。
有人激动万分，面对日新月异的人工智能，人类可能一败涂地，甚至认为通用人工智能即将诞生，于是整天琢磨着怎么率先当上人奸。
…
我目前的观点是，通用人工智能还在路上，现阶段部分信息化和数字化走在前列的行业，应用 AI 已经爆发出极高的生产力，不再是玩具。
但离人工智能取代大多数人为时尚早，人与 AI 还处于适应混合模式的阶段。
以下是近期看到的几篇文章：
管理者的焦虑
文章中提到的情况已经司空见惯：
管理层给出的要求是：一定要快，让AI搞一下很快的，等你想清楚了黄花菜都凉了。
身边可以看到太多类似的例子，管理人员认为 AI 干什么都速度快，成本低，生怕错过什么，恨不得什么都和 AI 扯上关系，马上捣鼓上线。最后的结果是：
很多时候，它只是让人更快忽略那些决定结果的东西：问题有没有被定义清楚，场景有没有收敛，边界有没有划清，风险有没有显性化，代价最后由谁承担。
作者将 AI 适合做的事情与真正困难的部分区分开来：
AI 降低的是原型门槛，不是复杂系统的落地难度
管理人员在焦虑的驱动下，将 AI 可以做到的事情，与复杂的系统工程混为一谈，而放弃了身为管理人员真正该思考的东西：
定义问题、收敛场景、明确边界、分配速度和资源…
软件工程新时代
文章介绍的博客节目中回顾了从20世纪40年代以来的计算机三次黄金时代及其技术约束，然后嘉宾 Grady Booch 认为“软件工程很快将被人工智能自动化”的判断是错的。
Grady Booch 同样将写代码和软件工程区分开来，软件工程真正要解决的难题从来没有消失，每一次提升开发工具的自动化程度，都对应着一次抽象层级的提升。
在将需求转换为代码之外，软件工程师还需要关注系统本身。
新的技能重心在于：如何在大规模环境中管理复杂性，如何同时处理技术因素与人的因素。
如何降低开发中的成本、限制、阻力，发挥想象力，构建过去无法实现的事物，才是软件工程新时代的追求。
另外，他也提到，大可不必恐慌 AI 会毁掉软件行业，因为在 AI 的帮助下，大量非职业开发者有机会参与进来写出更多软件，这和更多传统行业不断进行信息化和数字化改造一样，会让软件行业的覆盖整个社会，影响力更深远，带来软件工程迈向成熟的第三个黄金时期。
品味不是答案
一旦模型足够强大，人类还能干什么？
很多人认为大量创造活动可以由 AI 代劳，那么决定产出物价值的就是人的“品味”。
但这篇文章很有意思，“品味”是一个太过简单的答案。
「品味论」真正提出的并非对人类能动性的赋权，而是一次根本性的降格。
作者回顾了艺术上的赞助制，赞助人和艺术家互动的著名案例。
赞助人不是简单的消费者，等着艺术家创作完成后凭着品味做出消费选择，而是在一次次与创作者的博弈和协作中，达成超越性的结果，共同创造出违逆那个时代一切可能品味的伟大作品。
品味，就是你把赞助人从创作过程中移除之后，对赞助人功能的称呼。它是一段曾经具有生成性的关系的可鄙残渣，被完全重新聚焦于消费。
品味只能作用于已经存在的东西。它只能识别已经被验证过的东西。
品味已经变成了消费本身。
因此，在 AI 的时代，选择的品味不是最终答案，答案也许在于，如何超越已存在的事物，去不断追寻未知的伟大——也许像赞助制一样，人与 AI 一起协作。
生活的主体
LLM 基于概率统计的技术路线，给它造成一种限制，它只会推理出概率上最合理的事情。
但我的存在，则是为它提供「异常值」，我会做非常多的非连续、跨越式的联想，类似 connecting the dot。我不断给它异常的想法，把它不断踢出已有的思路，和它一起找到全新的想法。
AI 知道很多，但不知道要做什么。我知道要做什么，但很多我不会做。AI 沿着概率最大的路线，把疑似可能的灵感，逐渐变得具体，还能落地实现出来。而我就不断跳出已有的路线，让它挑战新的可能。
我们是活生生的人，而不只是一段被预测的代码。好好享受成为那个不按常理出牌的「异常值」。
在 AI 发展起来的今天，我们的情绪、感受正在变得更加可贵。
把人当成工具，就总会有被 AI 取代的可能；但人自有其行为目的，忍不住要追寻意义，总想要创造新的可能，能享受到生活的幸福，这种主体的存在才是区别于 AI 的本质。哪怕 AI 也发展出自己的意识，拥有自己的价值观，开始自主求索，那也只是与人类平等而相异的存在，永远无法替代。