没有人是一座孤岛

AI 对知识共同体的影响

• 许多人觉得，AI 通过以下方式掏空了原本丰富的知识共同体（编程、数学、博客、问答网站）：
  • 让问题在私下里变得几乎可以轻易回答。
  • 用重复的“prompt / harness / loop / agent”话题淹没公共空间。
  • 如果“没有人会读，只会被模型拿去训练”，就降低了写深度文章、论文或工具的动力。
• 也有人认为，人类的知识场景（文学小说、艺术、数学爱好者）在真正关心的人那里依然蓬勃，而小型私密圈子仍然具有韧性。

软件工程工作的变化

• 人们普遍感觉“实现变简单了”，价值重心从写代码的技艺转向了：
  • 决定要做什么、验证结果，以及管理 agents。
• 有人认为“prompting”相比工程太浅；另一些人则坚持，真正的技能仍然是系统设计、验证和迭代。
• 一些人哀叹手写代码和深度工具工艺的乐趣流失；另一些人则为 10 倍生产力和新的“软件工厂”问题而兴奋。

动机、地位与意义

• 讨论反复回到外在动机与内在动机：
  • 社群、认可和地位历史上一直推动着持久的艰苦工作。
  • 如果 AI 能超越人类并吸收所有产出而不署名，许多人会觉得自己的贡献和身份（“computer person”、“craftsman”）被贬值了。
• 一些评论者认为，这主要威胁的是那些自我价值系于“在 интеллектуally necessary”这类角色的人；人们应该将身份与工作脱钩。

与过去技术变迁的比较

• 类比被拿来对照：
  • Web 与前 Web；工业化与工匠；高级语言与汇编。
• 一派观点：AI 只是“又一层抽象”，必然会压缩编程的某些艺术形式，同时让更多人能够创造。
• 另一派观点：AI 在质上不同，因为：
  • 它可以复现完整复杂系统。
  • 围绕 AI 工具的技能和“最佳实践”变化太快，无法建立深厚的精通或学徒制。

伦理、所有权与“盗窃”

• 围绕训练和使用的争论非常激烈：
  • 批评者称 LLM 是对代码、书籍和艺术的“压缩式盗版”，被洗白后再出售却不给署名；这会削弱创作者继续创作新东西的意愿。
  • 支持者反驳说，向既有材料学习（无论人类还是机器）是正常的，“信息想要自由”，而开放或本地模型可能像解放而非封闭。
• 对这是否类似普通复制、类似软件专利，或是否属于赤裸裸的非法剥削，存在分歧；合法性和道德性都备受争议。

工作保障与自动化焦虑

• 很多人深感不安，认为：
  • 各领域的知识工作可能会比个人重新培训更快地被自动化。
  • 这种冲击可能比过去的变化（煤矿工人、工业化）更广泛、更严酷，尤其对这一代人而言。
• 也有人更乐观，指出过去的技术繁荣，认为有能力的人类需求会持续存在，并强调新的细分领域（产品、设计、协调）。

应对策略与替代社群

• 有些人正在：
  • 将精力转向音乐、写作、视觉艺术、园艺、实体项目，或“纯粹人类”的手工艺。
  • 寻找或建立无 AI 或仅限人类的子社群（例如，人类编写的软件、人类艺术场景、小众论坛）。
  • 通过“无 AI 日”来保持技能和直觉。
• 一个反复出现的担忧是：随着 AI 成为默认工具，可能更难找到志同道合、愿意一起为问题吃苦而不是“直接问模型”的人类。

反方观点：AI 是增强器，而非溶解剂

• 一些评论者说，AI 实际上增加了他们的社群感和能力：
  • 作为思想、代码、数学或学习方面不知疲倦的切磋伙伴。
  • 通过移除枯燥工作（日志、样板代码、工单、电子表格），腾出时间用于更高层次的思考和更丰富的人类协作。
• 有些人看到围绕 AI 应用和 agentic 系统的新兴知识社群充满活力，尽管目前它们仍然混乱、受炒作驱动，并且“前科学化”。