当人工智能不断刷新技术边界，关于“人类工作是否会被取代”的讨论愈发热烈。有人担忧程序员岗位最先受到冲击，也有人认为大学课程刚教授完便已过时。在这场技术变革中，一个核心问题逐渐浮现：当机器能够承担更多知识型任务，人类的核心价值究竟体现在哪里？
人工智能领域专家吴恩达在近期与硅谷知名博主玛丽娜·莫吉尔科的对话中，对这一话题给出了独特视角。他承认人工智能正在重塑职业任务结构，但并不认同“就业末日”的悲观论调。在他看来，职业并非不可分割的整体，当部分任务被自动化，人类价值会自然向机器难以触及的领域转移。
这场对话最引人注目的观点，是吴恩达提出的“任务拆解理论”。他以软件工程为例指出，虽然人工智能已能完成30%至40%的编程任务，但优秀工程师反而更加忙碌。真正面临淘汰风险的，是那些仍沿用传统方式工作的从业者。“与其与AI竞争它擅长的领域，不如专注于提升人类独有的能力。”他建议从业者重新审视工作构成，将精力投入到需要专业知识、业务理解和决策能力的环节。
针对年轻群体的就业焦虑，吴恩达将矛头指向教育体系的更新速度。他观察到，大学课程设计往往滞后于技术发展，当新技能进入课堂时，相关工具可能已迭代数轮。这种时间差导致毕业生技能与市场需求错位。但他同时强调，这并非否定大学教育的价值，而是提醒年轻人需要培养“AI原生”思维——让机器处理标准化任务，自己则专注于创造性工作。
在谈到人工智能对学习方式的影响时，吴恩达提出了一个反直觉的观点：当前主流的大语言模型使用方式可能阻碍深度学习。他通过自身经历解释，过度依赖AI完成作业会导致认知过程外包，看似提高了短期表现，实则削弱了长期知识留存。这种“认知卸载”现象在工作场景中能提升效率，但在学习过程中却适得其反。
职场变革的另一个显著趋势是岗位边界的模糊化。吴恩达预测，随着人工智能降低技术门槛，传统分工模式将被打破。营销人员可能需要掌握基础编程能力，招聘专员可能发展出全流程管理能力。这种变化要求从业者具备跨领域技能，能够独立完成从问题识别到解决方案落地的完整链条。
当被问及如何定义“人工智能熟练度”时，吴恩达给出了超出技术层面的答案。他所在团队在招聘营销人员时，会特别关注候选人的软件构建经验。这种选拔标准反映了一个深层变化：技术能力正在从专业部门向业务一线渗透，形成新的工作范式。例如，通过自动化工具处理重复性工作，使员工能够专注于更具创造性的任务。
在讨论未来工作机会时，吴恩达强调了“主动性”的关键作用。他认为人工智能降低了尝试成本，使个体更容易突破传统职责边界。这种变化要求员工具备创业者思维：主动发现问题、调动资源、验证假设并承担结果。他特别指出，鼓励员工学习新技术、快速迭代并与客户直接互动的企业，将在未来竞争中占据优势。
关于通用人工智能（AGI）的发展前景，吴恩达保持审慎态度。他以博士论文写作和陌生环境驾驶为例，说明当前人工智能在长期原创研究和快速环境适应方面仍存在巨大差距。虽然不同机构对AGI的定义存在差异，可能导致时间预估的分歧，但他认为真正实现人类水平的智能可能还需要数十年甚至更长时间。
这场对话揭示了一个重要现实：技术变革带来的不只是挑战，更蕴含着重塑工作价值的机遇。当重复性任务被自动化，人类的判断力、创造力和问题解决能力将变得更加珍贵。关键在于如何调整思维模式，在机器辅助下重新定义工作边界，将精力投入到真正需要人类智慧的领域。
