这篇文章探讨了未来技术发展可能带来的虚假信息泛滥问题，指出随着AI等技术的进步，新型职业将围绕信息验证和真实性鉴定产生。作者以系列文章形式分析技术动态、文化影响和信息生态变化，暗示未来社会可能需要专门应对"谎言经济"的新工种。

未来职业新图景：人机边界上的新兴角色

随着机器学习（ML）技术的广泛应用，一系列新型职业将在人机交互的边界涌现。本文探讨了六种可能成为主流的未来职业，揭示了技术发展对社会分工的深刻影响。

1. 咒术师（Incanters）

大型语言模型（LLM）具有独特的"性格"——威胁、谎称奖金或反复强调指令可能提升其表现。专业"咒术师"将精通如何通过精心设计的提示词操控模型输出，甚至可能取代部分程序员直接编写代码的工作。

2. 流程工程师（Process Engineers）

针对LLM输出的不确定性，法律等行业需要建立质量控制流程。例如在律所，流程工程师可能设计"故意植入可识别错误"的校验机制，通过多级审核确保文件可靠性，并开发配套的溯源追踪系统。

3. 统计工程师（Statistical Engineers）

这类专家致力于量化和管理ML系统的变异因素。例如解决选项排序对LLM决策的影响（类似心理测量学方法），或处理模型在不同语言/数据类型的表现差异，需要深厚的领域知识。

4. 模型训练师（Model Trainers）

面对互联网信息污染，训练师需筛选优质语料。OpenAI等公司可能雇佣各领域专家（如加洛林文艺复兴学者）参与模型训练，包括编写基准材料、评估输出质量。目前已有平台雇佣大量专业人士训练AI，形成"人类专业知识的大规模收割"。

5. 人肉盾牌（Meat Shields）

当AI系统出错时，需要人类承担法律责任和社会谴责。无论是Meta的内容审核员、自动驾驶事故的司机，还是律所替AI背锅的律师，这些"盾牌"角色既提供社会情绪出口，也构成责任体系的最后一环。

6. 占卜师（Haruspices）

模型行为分析师将调查AI事故原因，如医疗诊断中的种族偏见、无人机误炸等。他们需要解析模型的输入/输出/内部状态，工作形式包括个案深度调查或宏观统计分析，服务对象涵盖企业、法院、媒体等多方。

技术社会的深层矛盾

文章揭示了AI时代的悖论：人类既在训练取代自己的工具，又不得不为机器错误承担责任。作者以《芝加哥太阳报》AI生成虚假书单事件为例，展现责任链条的模糊性。最后尖锐指出：无论何种社会制度，核危机与环境灾难的阴影始终存在——这或许才是技术狂欢背后真正的叩问。

（注：原文中的导航菜单、评论互动等非核心内容已精简，保留主要观点和典型案例）

以下是评论内容的总结：

1. 对文章风格的批评

   • 评论1：反对将人类称为"肉"的表述，认为有反社会倾向
     "Is there a way back to calling human beings human beings and not 'meat'?"
   • 评论5：认为文章带有"魔法思维"倾向，结合了作者之前的巫术美学和进步劳工政治
     "it's a bit on the magical thinking end"

2. 关于英国访问限制的重复讨论

   • 评论4：指出连续9天都出现相同讨论模式（英国不可访问、存档链接等），建议制定新规则
     "Do we really need to see this every single time?"
   • 评论3：询问为何在英国不可访问
     "Unavailable Due to the UK Online Safety Act"

3. 对AI/LLM影响就业的看法

   • 乐观观点：

     • 评论7：工程师对AI辅助编程感到兴奋，认为可以专注于核心工程思维
       "now I just think about an implementation and it then exist"
     • 评论6：认为ML将成为"常规技术"，关键看任务的可结构化程度和问责制
       "how at-risk a job is in the LLM era comes down to..."

   • 悲观观点：

     • 评论8：认为AI不同于以往技术，最终将取代人类
       "We're literally trying to build an intelligence to replace us"
     • 评论12：认为当前是"非理性繁荣"，理性终将回归
       "we are in the times of irrational exuberance"

4. 关于人类责任的观点

   • 评论9：强调LLM无法担责，必须有人类参与决策
     "Someone needs to be involved in decision making"
   • 评论10：认为责任永远在人类而非机器
     "Humans will be held accountable, not machines"

5. 对文章内容的评价

   • 评论13：认为职业预测合理，符合历史发展规律
     "history shows us this is indeed what happens"
   • 评论11：认为预测不够变革性，缺少AI催生的全新行业
     "Still missing are the jobs enabled by 'AI'"

6. 技术实施挑战

   • 评论14：指出AI开发面临速度与质量的权衡
     "choose between going slow vs making a huge blunder later"