作者在ICML 2026发表演讲，探讨AI能力提升下人类如何适应。他提出三个观点：AI应被视为正常技术；递归自我改进不会突然导致失业；未来工作将彻底改变，需要大量适应。

好的，这是根据您的要求，对原文主要内容进行的中文重述，保留了核心细节，并删减了与主题无关的冗余信息。

核心议题：当AI能力日益强大，我们人类还能做什么？

本文是作者在2026年国际机器学习大会（ICML）上所做主题演讲的整理。演讲旨在回应AI社区内普遍存在的焦虑：面对AI能力的飞速提升，我们应如何适应？作者提出了三个核心论点，并最终描绘了一幅人机“协同超级智能”的愿景。

论点一：“AI作为普通技术”的框架是有效的

作者认为，除非未来出现通过递归自我改进（RSI）实现的“奇点”式飞跃，否则“AI作为普通技术”这一框架是思考AI影响的正确且有用的方式。该框架借鉴了电力等过往强大技术的扩散理论，将AI的经济影响分为四个阶段：

1. 方法/能力：模型本身在快速进步。
2. 产品/应用：将模型能力转化为实用工具（如编程助手）。
3. 早期采用：人们开始尝试使用这些工具。
4. 适应/结构转型：这是最缓慢的阶段，可能需要数十年。它涉及工作流程、组织结构乃至整个行业的根本性重组，例如，当AI能轻松创建庞大且可靠的代码库时，软件开发可能从面向大众的通用产品，转向为每个团队或个体量身定制的“极端个性化”模式。这种深层次的社会和组织变革，才是释放AI全部潜力的关键，而这一过程才刚刚开始。

论点二：不必过度担忧“递归自我改进”会立即导致失业

尽管像OpenAI和Anthropic这样的公司正致力于实现RSI，但作者认为，即便RSI在实验室中取得突破，也不会突然让所有人失业。原因在于：

• AI的可靠性远落后于其能力：研究表明，虽然AI模型的准确性在过去两年大幅提升，但其可靠性（包括一致性、鲁棒性、校准性和操作安全性）仅提高了5-10个百分点。一个不可靠的AI，无法在关键任务中实现自动化。
• “协作代理”比“自动化代理”更成功：由于可靠性问题，目前AI更适合作为人类的协作伙伴，而非完全替代者。在通用性、高风险和自动化这三个特性中，当前的AI代理最多只能同时满足两个。
• “工作总量固定”的谬误：历史经验表明，技术进步（如ATM机、翻译软件）并未导致相关岗位的消失，反而因降低了成本、创造了新需求，使得就业人数增长。例如，AI让提起诉讼更容易，反而增加了律师的工作量。

论点三：未来工作将发生根本性变革，人类需要大量适应

作者认为，未来的工作将截然不同，但人类仍有大量工作可做，关键在于角色的转变。

• 从“建造”到“评估”的转变：随着AI能处理更多可验证的技术性任务（如写代码），人类的工作重心将从“建造系统”转向“评估系统”。这包括理解客户需求、制定计划、对AI产出负责、进行系统集成和维护等。知识工作者将更像“起重机操作员”，AI负责“认知重活”，而人类负责控制、判断和决策。
• AI创造力仍是瓶颈：AI在需要“灵光一现”的创造性任务上远不及人类。人类认知中高效的“意义原子”式表征、在推理过程中实时改进表征的能力，都是当前AI所不具备的。
• “超级智能”的障碍是外部的：实现超级智能的瓶颈并非模型能力，而是现实世界中的临床试验、法规限制、隐性知识等外部因素。这些障碍需要数十年才能逐步解决。
• 警惕“自动化一切”的陷阱：作者强烈反对将AI用于完全自动化公司运营（如让AI拥有并运营公司）的设想，认为这本身就是反乌托邦的，无论AI是否“对齐”。他呼吁通过政策和政治手段，确保人类始终是未来的“超级智能”，而非被AI取代。

结论与愿景：拥抱“协同超级智能”

作者总结道，没有任何一个实验室的里程碑会突然让人类无事可做。未来，纯粹的技术技能会贬值，而判断力、品味、领域知识等“软技能”将变得更加重要。他分享了自己的适应策略：将AI节省的时间“再投资”于学习新技能和长期成长，并警惕陷入“黑箱依赖”和“依赖螺旋”。

最终，作者提出了“协同超级智能”的愿景：AI不是取代人类，而是像“思维的起重机”一样，极大地放大人类的潜力，让我们能够完成以前无法想象的雄心勃勃的项目。他认为，这场适应之战值得一搏，并呼吁大家共同努力，确保人类在未来始终掌握主动权。

根据评论内容，总结如下：

主要观点与论据：

1. AI将改变工作性质，而非完全取代人类（评分：无，作者：chopete3）

   • 核心观点：工作将从“构建/执行”转向“评估、判断和引导”，这是人类价值的集中体现。
   • 关键引用："Work is shifting from building/doing to evaluating, judging, and steering — that's where human value will concentrate."
   • 补充：经济影响是渐进的，可靠性而非能力是当前瓶颈。

2. AI可能导致就业分层，类似医疗行业（评分：无，作者：Metricon）

   • 核心观点：软件开发者将分化为“医生”（架构师）、“护士”（半技术人员）和“护理员”（无代码用户）等层级。
   • 关键引用："being a software developer is going to be more analogous to the medical field... Some will be like nurses, and some will be closer to a medic and a smaller set will be like doctors."

3. AI对就业的负面影响已显现（评分：无，作者：paul7986）

   • 核心观点：AI导致技术岗位减少，创业者和企业主不再需要雇佣技术人员。
   • 关键引用："vibe coding entire business ideas I have no need to hire other techies... that right there is less jobs."

4. AI的可靠性、创造性和品味不足，无法完全替代人类（评分：无，作者：ilaksh）

   • 核心观点：AI缺乏人类特有的创造力、判断力和品味，短期内无法达到人类水平。
   • 关键引用："AI is not reliable, creative or tasteful enough to replace humans... it will take decades before this is the case."

5. AI可能带来伦理和社会问题（评分：无，作者：jambalaya8）

   • 核心观点：AI可能成为“可怕的狱卒”，导致人类失去探索动力和创造力。
   • 关键引用："AI could be a horrible jailor... What will we talk about? If our generative AIs should be allowed to date?"

6. AI的采用面临代际阻力（评分：无，作者：burningChrome）

   • 核心观点：Gen Z和Gen A对AI持负面态度，甚至采取破坏行为。
   • 关键引用："44% of Gen Z employees admit to sabotaging their company's AI strategy... refusing to use AI tools or outputs."

平衡性总结： - 乐观派认为AI将提升效率、创造新工作，但需人类引导（chopete3, Metricon）。 - 悲观派指出AI已导致失业、伦理风险，且代际抵制加剧（paul7986, jambalaya8, burningChrome）。 - 中立派强调AI的局限性（可靠性、创造力）和渐进影响（ilaksh, chopete3）。