我经常听到的一句话是，在人工智能时代，你不能成为一个“多面手”或“通才”。

例如，我的好朋友纳特-埃利亚松（Nat Eliason）最近就提出了这样的观点：

“试图成为一个通才是你现在可能犯的最严重的职业错误。世界上每个人都有机会获得各种白领技能的基本能力。你的‘技能组合'将变得非常廉价。”

他说得很有道理。如果我们认为通才是指在各种领域都拥有广泛基本能力的人，那么在人工智能时代，成为通才是一种冒险的职业选择。一个语言模型随时都会打败你浅薄的专业知识。

但我认为，对很多事情都略知一二只是通才的一小部分。而且，如果你看看谁是通才，看看是什么样的思维模式驱使一个人对很多事情都知道一些，那么你就会得出截然不同的结论：在人工智能时代，通才拥有未来。

1. 什么是通才？

通才通常都是充满好奇心的人，他们喜欢在各个领域之间跳来跳去。他们喜欢搞清楚事情，尤其是在不确定或新的领域。他们善于解决领域专家难以解决的问题，因为这些人能够将不同领域的零散知识整合在一起。

正如纳特所指出的，由于他们倾向于跳领域，所以通才往往拥有一系列广泛而浅层的技能。但是，如果用基本技能来定义他们，就会忽略这些人真正的优势：适应新环境的能力，以及适应新环境的愿望。

2. 通才的优势。

戴维-爱泼斯坦（David Epstein）在《成长的边界》（Range: How Generalists Triumph in a Specialized World）一书中指出，通才在他所谓的“恶劣”环境中表现尤为出色：“在这些领域，游戏规则往往不明确或不完整，可能存在也可能不存在重复的模式，而且这些模式可能并不明显，反馈往往是延迟的、不准确的，或者两者兼而有之。”

爱泼斯坦认为，这正是通才发挥作用的地方。他们能够利用自己的不同经验，以独特的方式解决问题，并看到别人看不到的解决方案。

他将“恶劣”的环境与他所谓的“友好”环境进行了对比，在“友好”的环境中，反馈是即时的，而且有明确的、重复的模式可以带来成功。这些领域往往是专家大显身手的地方，他们可以运用自己的专业知识反复解决问题，因为以前就以某种形式解决过这些问题。

有趣的是，“友好”的环境也是大型语言模型发挥作用的地方。这些大型语言模型对世界上大多数专业知识领域都相当精通，但不擅长解决全新的问题。

不过，这种看法恰恰与纳特的论点相反：专家有麻烦，通才有机会。大型语言模型在恶劣领域的能力较弱，而在友好领域则表现很强。如果你是专家，正在解决一个新问题，那么大型语言模型不会为你想象出新的解决方案。但对于通才来说，大型语言模型则是一种天赋，他们可以利用模型更快地掌握新领域的知识，并轻松地重现和应用其他领域的知识。通才可以利用自己的适应能力和想象力，解决语言模型自身无法解决的任何难题。

在分配经济中，你的报酬不是基于你所知道的，而是基于你运用智慧的能力，语言模型对通才来说不是威胁，而是一种有力的武器。

3. 通才的过去与未来。

至少从亚当-斯密（Adam Smith）时代开始，通才就已经过时了。斯密在18世纪普及了专业化和劳动分工的概念，将其作为经济增长的推动力。事实上，我们可能要追溯到古希腊，才能找到通才是社会常态而非例外的例子。

古雅典是一个直接民主的国家，公民通常参与到生活的方方面面，从政治到战争。任何公民都可以成为法官、陪审团成员、参议员和士兵。古典主义学者H.D.F.基托（H.D.F. Kitto）在《希腊人》（The Greeks）一书中写道，雅典社会是由这样一种理想驱动的，即在雅典，“一个人既要对自己负责，也要对（城市）负责”。基托认为，这种精神意味着 “对生命整体性或统一性的尊重，以及随之而来的对专业化的排斥”。简而言之，雅典是一个由全面发展的个人或多面手组成的社会。(当然，必须指出的是，公民权仅限于成年男性。雅典并非乌托邦）。

但随着时间的推移，雅典的经济、社会、政治和军事越来越发达，这个通才社会开始出现裂痕。进步意味着复杂，而复杂需要专业化。正如基托所解释的，"如果一个人在他的时代要扮演所有角色，那么这些角色对于普通人来说就不能太难。而这就是城邦崩溃的原因。”

随着人工智能越来越能够胜任专业化的任务，我们可能会看到希腊理想中的全能公民的回归。不过，这一次我们可以在先进而复杂的经济背景下做到这一点，因为用人工智能武装起来的公民将比以前的公民更有能力扮演多种角色。

作为一个通才，我们拥有语言模型所不具备的东西：快速学习的能力，以及在新领域发现和解决新问题的能力。

在分配经济中，赢家不是知道问题确切答案的专家，而是知道首先要问哪些问题的人。

译者：Teresa