Anthropic喺十月十六日公布內部研究，技術招聘入面，初級職位嘅佔比由百分之二十七跌到百分之九。即係每一百個技術新聘人員，新人所佔嘅位置，由二十七個變成九個。不過，公司技術招聘總量仍然增加，所以唔可以單靠呢個比例，就話初級新聘人數跌咗三分之二。真正值得留意嘅，係公司對人才嘅要求變緊。當寫程式、搵錯等執行工作愈來愈可以交畀AI，企業就更加重視應徵者嘅自主性同判斷力。你識唔識理解問題？識唔識決定應該做乜？識唔識睇出AI交出嚟嘅結果有冇問題？呢啲能力開始變得更加重要。所以，我認為Anthropic示範緊嘅，係一種工作模式嘅轉變。以前要靠大量人手執行嘅工序，而家可以由AI承擔。新人仍然要學，但學習內容同入行方法，都唔可以照搬以前嗰套。

我認為，未來幾年受AI衝擊最徹底嘅兩個領域，就係軟件開發同影像製作。呢個係我對趨勢嘅判斷，唔係話今日所有相關工作已經消失。軟件方面，當AI可以按要求寫程式、搵錯、修改同測試，一間公司完成同樣規模嘅項目，就有可能唔再需要以前咁多人。人手需求會唔會下降，仲要睇新增需求有幾大，但原有執行工序受到壓縮，係企業必須面對嘅方向。影像製作亦一樣。中國已經有業內人士反映，真人短劇開機量受到衝擊，AI影片正加速進入廣告同影視製作。你諗下，客戶要一段廣告、一張產品照片，或者一套短片，佢最終睇嘅係效果、成本同交貨時間。假如AI做到合用嘅效果，傳統拍攝需要嘅攝影、燈光、場景同後期工序，就可能有部分被取代。呢篇文唔集中討論失業。我想講嘅係，生產方式變咗，學習方式就一定要跟住變。繼續用舊工序作為唯一訓練路線，未必培養到新環境需要嘅人。

呢個道理，用算盤做比喻就最清楚。以前做生意、管舖頭，要識打算盤。今日大部分人唔識打算盤，咁係咪就計唔到盤數？梗係唔係。大家用計數機、用電腦，一樣可以計收入、成本、毛利同盈虧。工具代替咗運算工序，但你仍然要明白條數係點嚟。邊啲係收入，邊啲係成本，有冇漏計支出，最後個結果合唔合理，呢啲先係你要理解嘅嘢。軟件開發亦可以沿住同一個方向改變。唔需要因為以前工程師係逐行寫程式，就認為下一代一定要用完全相同嘅方法，先至學得識。唔使親手完成每一道工序，同唔需要理解原理，係兩回事。 工序可以交畀工具，但你要識得提出要求，知道工具做緊乜，同埋檢查佢交出嚟嘅結果。所以，教育要追問嘅係：邊啲知識仍然係理解問題嘅基礎，邊啲操作已經可以交畀工具？唔應該將熟練舊工具，當成掌握原理嘅唯一證明。

新人學軟件，可以由學識檢查AI生成嘅程式開始。首先，AI有冇理解錯要求？客戶想解決嘅問題，同佢實際整出嚟嘅功能，係咪同一回事？其次，入面嘅邏輯係咪清楚，有冇前後矛盾？再落去，遇到例外情況，例如輸入錯誤、資料缺漏、系統中斷，佢會點處理？最後，你憑乜嘢話佢做得啱？唔可以因為畫面行到、示範成功一次，就當成個系統可靠。你要識設計測試，知道邊啲情況未檢查，邊啲結果仍然唔可以相信。某啲問題仍然需要讀程式、修改程式，先至查得清楚。但學習可以圍繞實際問題展開，唔使將每個人都放返去舊有流程，由頭親手重做晒。企業培訓亦應該跟住改。畀新人檢查一份AI方案，要求佢指出漏洞、解釋原因、提出驗證方法，再由有經驗嘅人覆核。你評估佢嘅能力，應該睇佢能唔能夠識別錯誤同證明結果可靠。交得出成品只係第一步，講得清楚點解可信，先至代表你掌握到件事。

再行前一步，AI已經開始參與研發下一代AI。Anthropic九月披露，Claude主導其大約百分之二十六嘅AI研發工作，但仍然由人類提供方向同監督。呢個唔等於一個模型已經可以完全自主、即時製造出完整嘅下一代模型。不過，佢嘅意義已經相當大。以前研究員要親手寫程式、安排測試、整理結果，再決定下一步。而家AI可以承擔其中愈來愈多工作，協助研究員更快完成實驗同分析。由此推演，當下一代模型更加強，佢又可以進一步協助研發，技術進步就可能形成一個持續加速嘅循環。當然，算力、能源、實驗時間同可靠性驗證，仍然會構成限制，唔係所有環節都可以無限加速。但人類面對嘅學習環境，已經開始改變。以前你可以花幾年掌握一套工具，再用好多年；將來工具同工作流程可能變得更快。你要掌握嘅，係背後嘅原理、驗證方法，同埋持續更新理解嘅能力。

數學界最近嘅震盪，就將呢個問題推到更深一層。OpenAI十月公開咗大批AI生成嘅數學研究稿件，公開資料包括論文、推理紀錄同形式化證明資料。不過，公開稿件唔等於所有結論已經得到學界確認，仍然需要逐項核查。法國數學家、二零二二年菲爾茲獎得主Hugo Duminil-Copin，據《世界報》報道，曾經喺法國數學會嘅視像活動中講到，自己因為呢場衝擊而喊醒個女，並形容自己嘅研究領域受到摧毀式衝擊。呢個係佢對研究前景嘅感受，唔代表數學從此再冇嘢可以研究。但背後有一個實在問題：AI產出新結果嘅速度，會唔會超過人類閱讀、核查同理解嘅速度？多位菲爾茲獎得主亦已經警告，追求AI解題成績，可能侵蝕數學嘅概念理解同知識傳承。

我認為，將來可能出現一種局面：人類仍然可以理解個別成果，但整體上已經追唔切AI持續產生嘅新知識。呢個係我對前景嘅判斷，唔係已經證實嘅定論。眼前，人要學識提出問題、運用AI、核查結果。但再長遠，如果通用人工智能AGI、甚至超級人工智能ASI，加上具身機械人，可以更可靠、更低成本咁完成絕大部分腦力同體力工作，連監督AI都未必會永遠由人類負責。嗰個社會點樣運作，係另一個更大嘅題目。今日首先要明白嘅係：學習嘅內容必須隨工具改變。放低算盤，唔代表放棄計數；將執行交畀AI，亦唔代表放棄理解。