我的家人最后一次被技术取代的时候

再培训、岗位流失与工作质量

• 几位评论者认为，技术冲击后的“再培训”往往是向下流动的委婉说法：有技能的工人变成了低地位、低薪的服务业工人（例如，排字工 → 以最低工资做制版前处理，工厂工人 → 零售/零工）。
• 也有人反驳：确实有一些工人 成功 完成了再培训；适应能力和学习意愿很重要，但对背着房贷、养着家庭的中年人来说，重新“回大学读书”并不现实。
• 即使再培训成功，新工作往往条件更差、薪酬更低或更不受尊重，所以“成功适应”也可能仍然让人感觉像是失去了什么。

马的类比与“这次不一样”

• “马→汽车”的故事被大量引用：
  • 悲观者：人类现在就是马；一旦机器能完成所有经济上有价值的任务，大多数人就会变得多余。
  • 乐观者：人类不是马；我们具有适应性，我们也是消费者，经济会发明新的角色。
• 争论焦点在于：很多工作是否永远不值得自动化（例如体力手艺、某些小众教师岗位），还是说成本曲线和不平等最终会把自动化推进到几乎所有领域，甚至包括奢侈的“人味”服务。

AI 的范围和速度 vs 以往技术革命

• 有人说 AI 只是又一次“普通”的冲击，像铁路、汽车、计算机或电子表格一样；人类一直都在预测灾难，然后又适应了。
• 也有人强调差异：
  • 过去的浪潮主要自动化的是体力；AI 直接瞄准推理和知识工作。
  • 过去的变化往往跨越数十年，甚至跨越几代人；AI 的扩散（以及云端集中化）给人的感觉是同时发生、而且极其迅速。
  • 与汽车不同，AI 还可能持续改进并对自身工作，从而压缩人类剩余的空间。

意义、熟练度与工作的本质

• 许多程序员区分出两类人：
  • 主要看重 结果（解决问题、发布产品）的人，往往更愿意接受 AI 辅助。
  • 喜爱 过程（架构、调试、深入理解、工艺感）的人，则觉得自己的意义来源正在被掏空。
• 有人提出新的“熟练度”形式：编排代理、深入理解模型、专注于系统级设计与维护，或构建个人工具链。
• 也有人不相信“提示词工程”或监督不透明系统会是一种令人满足或受尊重的技艺；他们把这种感受描述为一种“身份危机”。

社会、经济与政治影响

• 担忧远远超出个人职业：
  • 如果 AI + 机器人能完成几乎所有劳动，那么当资本不再“需要”大多数人时会怎样？人们担心会出现过剩的“无用阶级”、不平等加剧，以及议价能力削弱（如果不再需要人类劳动，罢工就没用了）。
  • 有人将其与 NAFTA 和去工业化相比较：头条 GDP 可能上升，但大片地区会永久空心化。
  • 一些人预见，国家可能更愿意提供“凑数式”工作来维持社会控制，而不是无条件福利。
• 也有人认为，历史上的大规模失业最终会引发骚乱和政治变革；他们预计政府会在彻底替代之前就介入。

当前影响与近期不确定性

• 有人认为这些担忧被夸大了：今天的 LLM 仍然需要人类在回路中；许多行业和体力工作基本没有变化。
• 也有人反驳：在数学和编码方面它们已经非常强，而过去约 5 年的基准进步异常惊人；他们预计还会继续快速改进。
• 许多人指出，即便是部分自动化也会改变招聘：初级岗位更少、中期职业者压力更大，以及更多“开发者周边”角色由 AI 承担大量重活。
• 对于被替代的知识工作者应当再培训到什么具体、而且“好”的岗位，以及这些路径是否能长期安全，普遍存在不确定性——也存在分歧。