关于人工智能的主流说法宣扬极端专业化：确定一个微观利基，成为绝对的专家，通过深入的知识将自己与机器区分开来。但这种观点从根本上误解了人工智能在人类能力发展中的真正作用。2025 年，随着自动化侵蚀技术专业化的价值，一个悖论出现了：人工智能的最佳受益者不是过度专注的专家，而是能够连接不同领域的好奇通才。
通才不仅仅是在多个领域积累肤浅的知识。它拥有社会学家基兰-希利（Kieran Healy）所说的 "合成智能"--探索看似遥远的领域之间的联系，并以结构性创造力解决新问题的能力。而人工智能恰恰相反，它放大了这种能力，而不是取而代之。
大卫-爱泼斯坦（David Epstein）在他的著作《范围：为什么通才在专业化世界中获胜》（Range: Why Generalists Triumph in a Specialised World）中区分了 "善良 "环境和 "邪恶 "环境。善良的环境--国际象棋、放射诊断、直接语言翻译--呈现出清晰的模式、明确的规则和即时的反馈。这些是人工智能最擅长的领域，也是人类专业化迅速失去价值的领域。
险恶的环境--商业战略、产品创新、国际外交--规则模糊、反馈延迟或相互矛盾，需要不断适应不断变化的环境。这正是通才茁壮成长的地方。正如爱泼斯坦所写："在邪恶的环境中，专家往往会失败，因为他们将已知的解决方案应用于他们尚未理解的问题"。
2024-2025》通过经验证明了这一动态。虽然 GPT-4、克劳德-桑内特和双子座主导着定义明确的专业任务--代码生成、结构化数据分析和翻译，但需要在不同领域之间进行创造性综合的任务仍然是人类的顽疾。
.png)
古代雅典要求其公民（尽管只是少数精英）具备横向技能：政治、哲学、修辞学、数学、军事战略、艺术。这种 "多面公民 "的模式产生了非凡的创新--民主、戏剧、西方哲学、欧几里得几何学--然后在日益复杂的重压下崩溃，更确切地说，是在伯罗奔尼撒战争和帝国朝贡的重压下崩溃。
通才主义的历史问题在于认知极限：一个人的大脑无法同时掌握现代医学、工程学、经济学、生物学和社会科学，从而无法做出有意义的贡献。正如诺贝尔经济学奖得主赫伯特-西蒙（Herbert Simon）所记录的那样，人类知识呈指数级增长，而个人的认知能力却保持不变。
人工智能解决了这一结构性限制。人工智能不是要取代通才，而是要提供认知基础设施，使现代规模的有效通才成为可能。
快速合成新领域
具有人文学科背景的产品经理可以使用克劳德或 GPT-4 快速理解评估技术提案所需的机器学习基础知识，而无需多年的正式专业学习。他不会成为一名数据科学家，但会掌握足够的知识，以便提出明智的问题并做出明智的决策。
案例研究：2024 年，一家新成立的生物技术公司聘请了一位具有哲学和设计背景的首席执行官。他利用人工智能深入理解快速分子生物学简报，引导公司从传统疗法转向基因组学驱动的个性化医疗，实现了战略转移，而专注于单一方法论的专家可能会错过这些战略转移。
突出跨域连接
人工智能擅长在庞大的数据集上进行模式匹配。研究人员可以向人类学克劳德这样的系统提问："经济学中应用的博弈论原理可以为生物学中的免疫防御策略提供哪些参考？该模型可识别相关文献、概念联系以及从事交叉研究的研究人员。
有据可查的成果：2024 年发表在《自然》杂志上的研究正是采用了这种方法，将经济竞争模型应用于肿瘤动态，从而确定了新的治疗策略。作者明确指出，人工智能的使用 "跨越了人工探索需要数年时间才能跨越的学科障碍"。
认知常规管理
人工智能将以前需要专业人员才能完成的任务自动化，而这些任务是可以通过算法定义的：基本财务分析、生成标准报告、审查合同中的常见条款、系统数据监控。
通过将时间从这些活动中解放出来，从业者可以专注于爱泼斯坦所说的 "学习转移"--将一个领域的原理应用于完全不同背景下的问题。这是人类特有的能力，人工智能无法复制。
放大好奇心
在人工智能之前，探索一个新领域需要大量投资：阅读入门书籍、参加课程、积累基本词汇。高门槛阻碍了人们随意探索。现在，与人工智能对话可以实现 "低摩擦好奇心"--提出天真的问题，获得与当前理解水平相适应的解释，追寻有趣的切入点，而无需付出高昂的代价。
2025 年，我们正在见证经济学家泰勒-考恩（Tyler Cowen）所说的 "分配经济 "的出现--经济价值不是来自知识的拥有（人工智能使知识日益商品化），而是来自将智能（人类+人工智能）有效分配给高价值问题的能力。
根本性转变：
在这种经济环境下，通才的广阔视野成为一种战略资产。正如 Stratechery 科技分析师本-汤普森所指出的："稀缺性不再是获取信息的渠道，而是辨别哪些信息重要以及如何以非显而易见的方式将信息结合起来的能力"。
人工智能擅长在确定的参数范围内处理信息--"给定 X，计算 Y"。但它并不会产生这样的基本问题："我们是否针对正确的问题进行了优化？""是否存在我们未曾考虑过的完全不同的方法？""我们正在做出哪些隐含的假设？"这些都是从跨学科角度提出的见解。
麻省理工学院于 2025 年 1 月发表的研究报告分析了 18 家科技公司的 2847 名知识工作者在采用人工智能 12 个月内的情况。结果显示
狭隘的专家（-12% 的感知生产率）：那些具有深厚但狭隘的专业知识的人看到核心 任务被自动化，却没有获得同等价值的新职责。例如：GPT-4 取代了特定语言对的专业翻译。
适应性强的通才（感知生产力+34%）：那些拥有软技能且学习速度快的人利用人工智能扩大了工作范围。例如：具有设计+工程+业务背景的产品经理利用人工智能为工具包添加了高级数据分析，从而提高了决策影响力。
T "型专业人员（+41% 的认知生产力）：在一个领域有深厚的专业知识，在许多其他领域有广泛的专业知识。结果更好，因为他们将专业性与可信度相结合，将通用性与多面性相结合。
研究得出结论："人工智能奖励的既不是纯粹的专家，也不是肤浅的通才，而是既能在至少一个领域深入研究，又能在新领域快速发展职能能力的专业人员"。
重要的是，不要把通用主义浪漫化。在某些领域，深度专业化仍然是不可替代的：
高级医学：心血管外科医生需要 15 年以上的专业培训。人工智能可以协助诊断和规划，但不能取代专业的手术知识。
基础研究：突破性的科学发现需要长年累月地深入研究具体问题。爱因斯坦并不是通过物理学和其他领域之间的 "泛化 "来发展广义相对论的，而是通过对理论物理学中具体悖论的痴迷专注。
精湛的技艺：精通乐器、精英体育和美术需要深层次的专业刻意练习，而人工智能并不能显著加快这种练习。
关键的区别在于：当基于隐性程序技能和深入的背景判断时，专业化仍有价值。而基于事实记忆和既定算法应用的专业化--正是人工智能最擅长的--很快就会失去价值。
人工智能时代的成功通才有何特点？
1.系统思维：看到模式和相互联系。了解一个领域的变化如何通过复杂系统传播。人工智能提供数据，通才看到结构。
2.创造性合成：将不同来源的想法组合成新的构型。人工智能不会 "发明 "联系--而是从现有模式中提取。创造性的飞跃仍然是人类的。
3.管理模糊性：在问题不明确、目标相互冲突、信息不完整的情况下有效运作。人工智能需要明确的提示，而现实却很少提供。
4.快速学习：快速获得新领域的职能能力。不是长达十年的专业知识，而是在数周而不是数年内 "足够危险"。
5.元认知：知道自己不知道什么。认识到什么时候需要深层次的专业知识，什么时候肤浅的专业知识就足够了。决定何时将工作委托给人工智能，何时需要人工判断。
与主流说法相反，2024-2025 年最重要的一些成功来自通才：
Sam Altman（OpenAI）：计算机科学+创业+政策+哲学背景。他领导 OpenAI 并不是因为他是最好的 ML 研究员（他不是），而是因为他能看到纯专家看不到的技术、商业和管理之间的联系。
Demis Hassabis（谷歌 DeepMind）：神经科学 + 游戏设计 + 人工智能研究。从 AlphaFold 到蛋白质结构预测--源于游戏人工智能（AlphaGo）可应用于分子生物学的直觉。对于单一领域的专家来说，这种联系并不明显。
Tobi Lütke (Shopify)：编程+设计+商业+哲学背景。他创建 Shopify 并不是因为他是最好的技术人员（你可以雇用那些技术人员），而是因为他将用户体验、技术架构、商业模式全面联系在一起的远见。
共同模式：成功并非源于最高的技术专长，而是源于洞察联系和协调他人（人类+人工智能）专长的能力。
历史类比：印刷术并没有消除人类的思想，而是扩大了人类的思想。在印刷术之前，背诵经文是一项珍贵的技能--僧侣们毕生都在记忆经文。印刷将背诵商品化，解放了思维，使其能够进行批判性分析、综合和新的创造。
对于以前需要专业化的认知技能，人工智能也有同样的作用。将信息处理、计算、定义数据的模式匹配商品化。解放了人类的思维：
正如印刷术并没有让每个人都成为杰出的作家，而是让那些具有独创性思维的人将其放大一样，人工智能并没有让每个人都成为有价值的通才，而是让那些具有真正好奇心和合成思维的人在以前不可能实现的规模上开展工作。
针对个人：
针对组织：
专业化并没有消失，而是重新定义了自己。未来既不属于对任何事情都知之甚少的肤浅的通才，也不属于对任何事情都知之甚少的狭隘的专才。未来属于那些将至少一个领域的真正能力与快速学习和在不同学科间有效转换的能力结合起来的人。
人工智能增强了通才的能力，提供了放大人类大脑最佳功能的工具：看到非显而易见的联系、创造性地综合、处理模糊性、提出重新定义问题的基本问题。
正如印刷术将价值从记忆转移到批判性思维一样，人工智能将价值从专业化转移到协调性。那些茁壮成长的人并不是那些能记住更多信息或更好地执行算法的人--机器会在这方面胜出。那些能够看得更远、联系更深、适应更快的人才能茁壮成长。
2025 年，随着人工智能侵蚀狭隘专业知识的价值，配备人工智能工具的好奇通才不再是过去的遗物。他代表着未来。
资料来源
.svg)
.svg)
.svg)
.jpeg)
.jpeg)