经常有人慨叹，AI来了，人类要没饭吃了。
AI能否超过人类智慧，这是个哲学问题，可以争论到地老天荒。
至今AI没有超过人类的智慧，AI超过的只是人类对知识的记忆和对技能的掌握。人和计算机拼记忆是毫无希望的，人与计算机控制的机械拼精细也是毫无希望的。已有知识、技能好比一个个数据点，迄今为止的AI好比查表。
当然，AI要是查表那么简单，也就不是AI了。首先，AI不是简单查表，而是有能力将数据点之间的空白填补上，在概念上，这好比内插。其次，AI涉及的是海量数据，上至天文地理，下至鸡毛蒜皮，凡事都需要查表，效率就太低了。AI将数据集的信息浓缩入大模型，好比将表格浓缩为公式，然后用公式计算代替查表，得到结果数据。
大模型的结构高度复杂，参数众多，牵一发动全身。人们对简单公式的特性能理解，但大模型的特性已经无法理解，如何确保可靠一直是大问题。现在大语言模型把推理过程列出来，有利于人类验证。但AI用于自动决策的时候，或者验证的人缺乏足够经验和知识的时候，如何验证，依然是大问题。
说一千道一万，AI可以代替人干很多事，但在可预见的将来，不可能代替人，而且只有在人类只要费心费力就能解决的地方代替人，在人类也抓瞎、真需要帮忙的地方，AI一样抓瞎，或者提供的解决方法谁都不知道是否靠谱。
这其实在现实生活中已经广泛存在了，即使没有AI的显性介入。
现在人们看病，医生立马开一大堆化验、检查，然后根据结果开方抓药，或者手术治疗。但谁都知道，大多数病例并非简单的看单下诊，绝大多数现实病例都是在“明确无误”的数据点之间，需要医生用经验、观察甚至某种措施、刺激来发现更多的问题来深入研究。真正的疑难病症可能远离任何已知的数据点，这就需要专家了。作为基层医生，最要紧的当然是解决一般病症，但同样重要的是知道什么时候超过了自己的能力范围，需要向上级医院和专家转诊。
在军事上也是一样，雷达、红外、信号等情报手段高度发达了，大部分军事作战都是根据情报制定作战计划。但战争之雾永远存在，当雾浓到一定程度的时候，就需要施加判断，自己做不了主的时候，就需要请示上级。同时，打仗也不是“看着雷达按导弹电钮”那么简单。雷达、导弹把具体细节层面上的问题解决了，眼观六路耳听八方没那么重要了，神枪手没那么重要了，但这些“没那么重要”的代价是人人都需要成为战术家，从雷达里判读出不显而易见的事情，指挥导弹打向最能决定战斗的敌人痛点。
在AI时代，AI可比基层医生和下级军官，但疑难杂症和战争之雾还是要人来解决。
一个显而易见的问题是：专家和战术家没有基层实践，哪来“超人”经验和判断力？
这是高度训练和“专治疑难杂症”的结果。
就医生而言，医科生最后分流为全科/保健医生、专科医生、高级专科医生。全科/保健医生好理解，专科医生指内科、普外、妇产、精神等“大路专科”，高级专科则是更加细分的心外、神外、青少年精神病等。培训时间逐级提高，但都是从医科生开始，在医科生时代也都轮转经过所有主要科室，所以不存在没进过手术室、没有接生过的医科生。但不是全科/保健医生一干十年后再专修专科，再干十年后再进修高级专科。
高级的专家在更长、更专业的培训中学习，毕业、执业后专注于本专业的疑难杂症，他们的诊断是基于研究，而不是经验为主的“肌肉记忆”，但对于一般病症的技能实际上是“退化”的。医学院里谁都学过人工呼吸，但精神病专家要是不常年保持相关资质的话，可能真要用的时候，都不敢做人工呼吸。
回到AI时代人怎么办的问题，在AI时代，一般性的问题由各行各业的“专业AI”（连同机器人、自动化系统等执行机构）在一线解决，但需要专家在上一层监控AI，AI也需要自动报告“我管不了啦”。而且问题各种各样，需要“专科医生”级的分门别类同步监控、优化。在更高层次，则有“高级专家”从更高层次监控、优化。
那专家和高级专家从哪里来呢？从长时间的专门培训中来。导师来自丰富经验，但这像裂变反应一样，一个导师带5个徒弟，其中一个接着带徒弟，其他散入工业实践中去，或者别的从业领域。
专家只需要很少人，其他人怎么办？这可能是大多数人真正关心的问题。
其他人不能“凉拌”，但还是要牢记：科技进步是为了更高效的产出，而不是更多的就业。在人工的时代，产出与就业是同步的。AI和自动化时代打破了这个同步，但又没有打破。AI使得很多事情“变容易”了，开辟了很多前所未有的新赛道。
比如说，汽车设计是很专业的活。设计师最初画出新车款式的草图，需要从几张概略的草图细化成精细的效果图，然后进一步细化到各种外观和内饰细节，比如门把手、方向盘、中控台、座椅和椅背等等，然后到机械选型和工程设计，最后具体到可以发到工厂车间的图纸。这中间有海量的工作。
但现在，很多具体的琐细工作可以用AI和某种数字化工程工具接替，从铅笔草图到照相级的效果图（还是各种角度）也可用AI完成。网上大量天马行空出来的“我的汽车设计”已经出现，与专业的工具链打通，从想象到落地的路径大大缩短。加上高度灵活、可定制的3D打印，可以自己设计汽车或许很快就不是梦了。
汽车只是一个方面，家具、家电、服装、玩具都是赛道，更加虚拟的游戏也是一样。
换句话说，AI将极大解放思想，但“你”的挑战不再是记性好、仔细、能领会上级意图，而是要想在别人前面。
把人与AI看做平面上的零和竞争是狭隘的，AI实际上开辟了立体和更多的维度，“你”需要跨入新的维度，驾驭AI，而不是被AI驾驭。
要做到这一点，教育是基本的。在AI时代，读书的“用”不在于重复前人，而在于知道前人已经在哪里走过了。所谓“科技和知识已经发展到头”是糊涂和愚蠢的想法，只是看不到未知，所以以为未知不存在。在这一点上，拉姆斯菲尔德的knowns and unknowns倒挺贴切：
as we know, there are known knowns; there are things we know we know. We also know there are known unknowns; that is to say we know there are some things we do not know. But there are also unknown unknowns—the ones we don't know we don't know.
knowns是有限的，unknowns是无限的。AI打开了新维度，利用起来，这才是AI时代的人应该怎么办。