朋友叫我谈谈对卡兹克的《AI时代的人才……》的看法，我又要得罪人了
昨天卡兹克发了一篇文章，《AI时代的人才，我觉得最重要的是这6点特质》，朋友发给我，问我怎么看。
我读完之后感觉挺难受，因为思维颗粒度让我很不舒服。
所以这篇文章不是为了得罪谁，而是把概念掰开了、揉碎了，辨析清楚，也顺便聊聊我自己对这些问题的看法。
· · ·
一、好奇心是个好词，但不能偷换概念
卡兹克说好奇心是AI时代最重要的特质，这个结论我不反对。
但他论证的方式有问题。
他举了一些例子，说那些对AI的第一反应是"这东西不靠谱""我现在的工作不需要这个"的人，是缺乏好奇心的表现，是"行家心态"在作祟。
这里有一个范畴偷换：他把"对AI有热情"悄悄等同于"对世界有好奇心"。
但这两件事完全不是一回事。
一个古生物学家对化石充满好奇，对AI无感，你能说他没有好奇心吗？一个数学家沉迷在纯数学的世界里，觉得AI工具跟自己的研究关系不大，他就不好奇了吗？
好奇心是一种通用的人格特质，它的指向因人而异。有人好奇宇宙的起源，有人好奇虫子的交配方式，有人好奇AI的边界。这些都是好奇心，没有高下之分。
而且，对一个新事物持保留态度，这本身也是一种合理的认知策略。凡事皆有惯性，一个人说"等等看"，不代表他不好奇，可能只是他更审慎。审慎和好奇心，从来都不矛盾。
更暴露问题的是他的面试方法——"你最近两周玩的最有意思的AI工具是什么？"
这个问题检测的不是好奇心，而是"对AI的关注度"。用这个标准筛人，筛出来的是跟他兴趣一致的人，不是真正有好奇心的人。
说白了，这是屁股决定脑袋。他觉得AI很重要，他很喜欢，所以他就把"对AI没感觉的人"归类为"没有好奇心"。这站不住脚。
如果一个编程能力极强的人觉得AI对他来说只是个效率工具、不是什么改变世界的东西，这完全合理。他的好奇心可能全部投入在算法设计、系统架构上面了。你不能因为人家的好奇心没有指向你关心的领域，就说人家没有好奇心。
有意思的是，文章后面卡兹克自己也暴露了这个问题。他提到有人在评论区说"丁字型人才比T字型人才牛逼，那个勾是差异化"，他直接说人家"搞抽象"，就把这个讨论跳过去了。
如果我遇到这样的评论，我一定会去问，甚至跟这个人认真讨论：这个"勾"到底代表什么？只有理解了别人的表达，你才有资格评判。
一个声称重视好奇心和低ego的人，面对一个有趣的不同视角，选择的不是追问，而是忽略——这本身就挺讽刺的。
· · ·
二、靠谱和不确定性：任何时代都成立的道理，不必强贴AI标签
卡兹克关于"靠谱"的论述，前半段和后半段几乎是两篇不同的文章。
前半段他说，AI时代，任何人都能用AI生成看起来很专业的方案、邮件、PPT，所以"表面上的靠谱"变得廉价了。然后他引入了经济学里的"柠檬市场"理论——信息不对称导致劣币驱逐良币。
这个类比本身就有问题。柠檬市场的关键前提是买家无法验证商品质量——你买二手车，发动机好不好你确实看不出来。但在职场里，一个人靠不靠谱，合作几次就很清楚了。这不是一个结构性无法验证的问题，跟二手车市场差别很大。
然后后半段突然跳到了"deadline前三小时主动汇报""答应周五给结果就周五准点发"——这些是非常好的职场素养，我完全认同，但它们跟AI有什么关系呢？这些道理在没有AI的年代也是一样成立的。
他自己也写了"靠谱是唯一不能被伪造的东西"。那它在任何时代都不能被伪造，它怎么就成了AI时代的特殊特质呢？
本质上，这段话只是在说"靠谱很重要"这个永恒正确的道理，然后强行贴了一个"AI时代"的标签。
类似的问题也出现在"忍受不确定性"那一段。
我反复读了几遍，说实话，我不确定卡兹克自己想清楚了他要表达什么。
我们生活的世界，在任何时代都充满不确定性。你说"AI变化快，几个月工具就换一圈"，这个确实，但互联网时代也一样啊，更早的工业革命时期也一样。每一代人都觉得自己所处的时代变化最快，每一代人都觉得不确定性最大。
如果要讨论"忍受不确定性"，至少应该说清楚：AI时代特有的不确定性是什么？它跟其他时代的不确定性有什么结构性差异？哪些不确定性是值得忍受的、哪些是不应该忍受的？
这些都没有。只有"AI变化快""不要等一切就绪才行动"这样的笼统说法。
不是这个话题太深了没法展开，是他没有想清楚就写了。结果读者读完之后，也不知道该讨论什么。
· · ·
三、事实洁癖和笛卡尔怀疑论：绝对主义的陷阱
这一段是我觉得值得展开讨论的地方，因为卡兹克的观点背后藏着一个很常见但很有害的思维方式——绝对主义。
他说要有"事实洁癖"，因为AI有幻觉，所以你必须验证AI告诉你的每一个信息。然后他搬出了笛卡尔怀疑论，说"你必须对所有来源的信息保持系统性的怀疑"，并且称之为"AI时代真正的生存技能"。
听起来很酷对吧？
但仔细想想，这行得通吗？
验证信息这件事，它的价值不是固定的，而是取决于你和这个信息之间的关系。
如果你是某个领域的专家，AI给了你一个这个领域内的信息，你验证一下的成本很低——你一眼就能看出来对不对。这种情况下，验证是应该的。
但如果你是一个学习者呢？你正在通过AI学习一个陌生领域的知识，你之所以用AI，就是因为你自己不懂。这时候AI告诉你的东西，你根本没有独立验证的能力。如果要验证，你得去查教科书、查论文、问专家——那你还用AI干什么？验证的成本极高，高到否定了你使用AI学习的初衷。
这里有一个很有趣的类比：新闻。
对于当事人来说，新闻永远是"不准确"的。你自己经历的事，看到媒体报道之后，你总会觉得有偏差、有细节丢失、有角度歪曲。这是因为信息在传递过程中必然有损耗。
但对于外人来说，新闻就是足够可靠的信息来源。你不会因为"新闻可能不完全准确"就拒绝看新闻——你会根据消息来源的可信度、你自己的判断力，来决定在多大程度上相信它。
AI也是一样的道理。对专家来说，AI在他擅长的领域可能"不准确"；但对学习者来说，AI就是"足够可靠"的信息来源。这不是一个非黑即白的问题，而是一个精度和场景匹配的问题。
我们生活在一个概率的世界里。你做任何事情都是基于概率判断的。真正的能力不是"对一切信息保持洁癖"，而是知道在什么精度上停下来就够了——以成本为约束，做到合理的程度，而不是推向极致的正确。极致的正确，在现实中不存在。
所以笛卡尔怀疑论——"对一切保持怀疑"——本身就是一个过于极端的认知策略。它不是什么生存技能，不管在AI时代还是在任何时代。它在哲学上有价值，但作为现实生活中的行动指南，它会把你引向认知瘫痪：你永远在验证，永远不敢行动。
卡兹克拿一个本身就有问题的理论来背书他的观点，并不能让这个观点变得更有说服力。
不过话说回来，笛卡尔本人的方法论确实有一个有趣的地方值得聊一聊。
笛卡尔生活在17世纪，那时候旧的知识体系——经院哲学、亚里士多德体系、宗教权威——在受到新科学的冲击，整个认知框架在剧烈变动。他面对的困境是：如果我原来信赖的知识体系崩塌了，我该怎么重建？
这个困境跟我们今天面对的确实有结构性的相似。AI正在重塑信息生产和知识获取的方式，很多旧的方法论确实需要调整。
这让我想到一个类比：生产力与生产关系。哲学、方法论，本质上是一种"生产关系"，它是基于特定现实条件建立起来的。当外部的"生产力"变了——比如AI让信息获取的方式和成本发生了根本变化——你的"生产关系"就得跟着调整。
但调整不等于搬来一套几百年前的极端方案。笛卡尔怀疑论是在特定历史条件下对特定问题的回应，直接平移到AI时代来，是一种偷懒的做法。我们需要的是属于这个时代的、新的认知框架。
还有一点。卡兹克在这段里说"对自己说出去的每一句话有羞耻心"，说这是"人格完整性的体现"。
但他紧接着自己也承认了，他写公众号文章反复核实信息，是因为"怕丢人""怕被评论区指出来一通狂喷"。
你看，驱动力其实很清楚——这是成本收益计算，不是什么道德高地。你验证信息，是因为说错话的代价太大，不是因为你天生有什么"人格完整性"。把一个风险管理的行为包装成人格品质，这个修辞手法很动人，但仔细想想就知道，它在偷偷拔高自己。
而且我还想问一个更根本的问题：卡兹克说"对自己传播的信息负责"。确保信息正确，这个行为的本质是对谁负责？是对自己吗？不是。对自己负责是"我说这个话我觉得爽"，你说出去了你就负了这个责了。确保正确，是对接收信息的人负责，是对别人负责。
这本身没什么问题，你在公共平台上传播信息，对读者负责是应该的。但卡兹克把它包装成"对自己说出的话负责"，是在用一种自我叙事来替代真实的逻辑关系。
· · ·
四、AI最擅长的恰恰就是跨领域联想
卡兹克在"多元化思维"那段里说："AI最不擅长的，是跨领域的类比和联想。"
这个判断，我完全不认同。
以我自己的切身体验来说，AI最擅长的事情恰恰就是跨领域类比和联想。你给它任意两个领域——比如量子物理和组织管理、进化生物学和产品设计、音乐理论和数据架构——它都能迅速建立联系，找到有意思的类比，给出你可能从来没想过的角度。
而且这不是什么偶然的灵光乍现，而是AI的结构性优势。一个人的知识面再广，也是有限的，你最多同时精通三五个领域。但AI的知识覆盖面几乎是全领域的，它能做出的跨域联想，在数量和多样性上远远超过任何个人。
卡兹克之所以觉得AI不擅长这个，我猜测很可能是因为他自己没有深入体验过用AI做跨域联想这件事。这跟第一部分的问题一脉相承——用个人的有限体验来定义AI的能力边界。
当然，你可以说AI做跨域联想需要人来"启动"，需要人提出好的问题。但这恰恰说明，人的价值不在于"能做跨域联想"——因为AI做得比你好——而在于"知道什么时候该做跨域联想"，也就是问题意识。这个区分，卡兹克没有做到。
他还说他最喜欢T型人才——一个横向的知识广度，加一个纵向的专业深度。
但在AI时代，T型人才的模型本身可能就需要修正了。
AI让"深度"的获取成本急剧下降了。你不需要十年的积累才能在一个领域有一定的深度，借助AI，你可以在更短的时间内达到一个可用的深度。这意味着什么？
深度的壁垒被削弱了，广度的相对价值就上升了。
所以AI时代的人才模型，可能不是T型——一横一竖——而是很多竖杠。你只要足够宽，借助AI就可以在每个方向上足够深。横向的探索能力，可能比纵向的积累深度更重要。
· · ·
五、低ego不是你以为的那个意思
最后聊聊"低ego高自驱"这个说法。
卡兹克的定义是：ego高的人，特别在意自己是不是对的、自己有没有被尊重、自己的方案有没有被采纳。低ego的人不会把"我"这个字看得比事情本身更重要。
这个定义粗看没问题，但他后面把"坚持己见"跟"高ego"混在了一起。
他说如果你的ego太高，你会说"我这个方法用了几年了一直很好""AI做的那个不行，没有我的细腻"——言下之意，只要你坚持自己的方法、不愿意改变，就是ego太高。
但这里有一个他没有做到的关键区分。
一个人坚持己见，可能是因为ego——"我不能错，承认错误太丢脸了"。
但也可能是因为信念——"我认为这个方向是对的，我有充分的理由"。
这两种坚持，表面上看起来一样，本质完全不同。
前者是ego驱动的固执（ego-driven stubbornness），核心关切是"我"。
后者是信念驱动的坚持（conviction-driven persistence），核心关切是"事情本身"。
一个对正确性有强烈执念的人，恰恰更容易承认自己错了。为什么？因为他在意的不是"我对不对"，而是"这件事到底怎样才是对的"。当事实证明他错了，他会很快调整，因为承认错误恰恰是在服务他对正确性的追求。
所以，自我执念很强的人，完全可以是低ego的——只要他的执念指向的是事情本身，而不是"我"这个人。这种执念不是ego，而是对真理的追求的一种外在表现。
卡兹克没有做这个区分，导致他整段讨论停留在表面。一个读了这段话的人，可能会误以为"不要太坚持自己的想法"就是低ego，但真实情况是，在该坚持的时候坚持、在该认错的时候认错，这才是低ego。关键不在于你坚不坚持，而在于你坚持的驱动力是什么。
· · ·
写在最后
说了这么多，我其实不是觉得卡兹克的结论全是错的。
好奇心确实重要，靠谱确实值钱，独立思考确实稀缺。这些都是好品质，在任何时代都是。
但一篇文章的价值，不只在于它的结论是什么，更在于它是怎么得出结论的。
概念是否清晰？逻辑是否自洽？跟"AI时代"这四个字的关联是否真实成立？类比是否恰当？对AI能力的判断是否准确？
这些问题，我觉得在卡兹克这篇文章里，都没有得到很好的回答。
我们都活在一个概率的世界里。没有绝对的正确，也没有绝对的错误。所有的判断都是在成本约束下做的概率选择。"事实洁癖"不是美德，"怀疑一切"不是技能，"对AI有热情"不等于"有好奇心"。
真正值得追求的，可能不是这六个被标签化的特质，而是一种更朴素的东西：面对复杂世界的时候，你能不能把问题想清楚，把概念辨析清楚，把逻辑理顺了再开口。
这个能力，在AI时代确实很重要。
不是因为它跟AI有什么特殊关系，而是因为AI让信息生产的成本无限趋近于零，当谁都能说话的时候，说得清楚、想得明白，就成了真正的稀缺品。
共勉。
我建了一个AI学习群，目前几十来人，都是在真正动手学AI的人。如果你也在自己跑模型、写代码、做项目，欢迎加我微信，备注"你在做的AI方向"，我拉你进群。纯围观的就不加了，群里大家都在真搞。
