学校教解题，AI时代需要选题：未来最稀缺的判断力

“你觉得AI会取代你吗？”

朋友把手机递过来的时候，屏幕上是一篇Business Insider的报道。前OpenAI和DeepMind研究员Phil Chen说，AI时代最重要的技能不是你会什么，而是你会选什么。

他原话更狠：学校训练的是“损失函数”——给你一个明确的问题，让你去优化答案。但未来有价值的工作，是那些无法在模型训练周期内评分的事情。

这句话在我脑子里转了三天。

学校教的是“解题”，但未来需要的是“选题”

Phil Chen说的“损失函数”，是个挺妙的比喻。

在机器学习里，损失函数就是衡量“你离正确答案差多远”的标尺。模型每跑一次，就根据这个标尺调整自己，直到输出足够接近标准答案。

这套逻辑和我们的教育体系几乎一模一样。考试有标准答案，作业有评分标准，甚至“优秀员工”的考核指标都是事先定好的。我们这辈子都在被训练成优化者——给定目标，拼命逼近。

但问题来了。

如果AI本身就是个超级优化器，它比你更快、更准、更不累地逼近任何可量化的目标，那你跟它比优化，不是拿自行车追高铁吗？

Phil Chen说的“问题选择”，本质上是在说另一件事：当所有可被评分的事情都能被AI做得更好，真正稀缺的能力是——在还没有评分标准的地方，判断什么值得做。

这让我想起一个做投资的朋友。他去年开始用AI分析财报，效率提升了大概300%。但他说，真正让他睡不着觉的不是分析本身，而是“我应该分析哪家公司”这个决定。AI可以告诉你这家公司的财务有多健康，但没办法替你说服自己——为什么是这家，不是那家。

这背后是一种更深层的判断力：在不确定性中，敢于为自己不知道答案的问题下注。

学习能力的底层逻辑：不是“学会”，是“学会如何学会”

回到那个原始问题：AI抢不走的能力到底是什么？

很多人说“学习能力”。但这个说法太笼统了，等于没说。

真正有价值的学习能力，不是“学会一个技能”——因为技能正在以肉眼可见的速度贬值。今天你花三个月学会的Prompt Engineering，明天可能就被一个UI界面替代了。

真正的学习能力，是在信息爆炸中识别信号的能力。

我认识一个做内容的女孩，她的工作就是每天刷大量英文论文和推文，然后把核心洞察提炼成一条500字的朋友圈。她没有用任何AI工具，不是因为不会，而是因为她发现AI提炼的内容“太干净了”——失去了那些边缘的、模糊的、甚至自相矛盾的信号，而这些信号往往是真正有价值的东西。

她说了一句让我印象深刻的话：“AI告诉我的是‘大家都这么说’，但我想知道的是‘有没有人开始说不一样的话’。”

这才是人类学习能力的核心：在噪音中识别弱信号，在共识中找到裂痕。

AI可以帮你总结100篇文章的共识，但它很难替你判断——那篇被99%的人忽略的冷门论文，是不是藏着下一个范式的种子。

真正的护城河：你愿意为什么事情“浪费”时间

我最近在反思一个问题。

过去几年，我花了大量时间读一些“看起来没什么用”的东西——哲学、历史、人类学，甚至一些莫名其妙的小说。说实话，这些知识从来没直接帮我在工作中解决过问题。它们不像学Python或ChatGPT那样，能立刻产生回报。

但奇怪的是，这些“无用”的知识，反而成了我做判断时最底层的参照系。

当所有人都在讨论“AI将取代人类”的时候，我会想起《人类简史》里关于“故事”的论述；当大家都在焦虑“会不会被淘汰”的时候，我会想起历史上每一次技术革命中那些真正活下来的人——他们不是因为技术最强，而是因为知道自己为什么而活。

这不是在讲鸡汤。

这恰恰是Phil Chen那个观点的延伸：真正稀缺的能力，是你在没有评分标准的时候，依然愿意投入时间的事情。

AI可以帮你写周报、做PPT、分析数据，但它没办法替你回答：你为什么要做这件事？这件事对你意味着什么？你愿意为它承担多大风险？

这些问题没有标准答案，甚至没有“正确答案”。但它们决定了你在AI时代的位置——你是一个被动的指令执行者，还是一个主动的价值选择者。

尾声

写到这里，我突然想起那个朋友问我的问题：“你觉得AI会取代你吗？”

我的回答变了。

以前我会说“不会”，因为AI没有创造力、没有情感、没有意识。这些说法都对，但都太抽象了。

现在我会说：AI取代不了我，因为它没办法替我去选择“什么值得被取代”。

这句话看似绕，其实就是Phil Chen说的那个意思：未来的竞争，不是人和AI比优化，而是人和人比——谁能在没有评分标准的地方，做出更好的选择。

而做出好选择的前提，是你得先成为一个有判断力的人。

这听起来不像一个技术问题。

但它可能是AI时代，最根本的生存问题。