AI 取代的是文科研究中“共识内的搬砖”,不是提出反共识判断并坚持它的能力。你的竞争力在于把文科训练变成“识别价值+提问+判断”,再用 AI 放大执行。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
被取代的是平庸研究,不是研究本身
材料里的观点立正在播客里说得很直接:满足于做平庸的研究会被替代,做独创性、颠覆性的研究则不会。他给出的理由是,AI 错了没有代价,所以它无法为一个没人相信的反共识想法长期坚持、承担压力,直到它被证明和被接受1。这正好回应你的担心:AI 能写综述、能整理材料、能生成看似完整的研究,但它不承担“我为什么坚持这个判断”的风险。文科博士真正稀缺的部分,是把一个别人不这么看的问题提出来,并守住它。
核心竞争力从“知道多少”转向“问什么、怎么判断”
立正在教育演讲里把变化说成一句:过去知识是力量,未来提问是力量;用旧时代的知识量衡量人,等于买入正在贬值的资产2。同一场里他还说,AI 能处理 how,很难回答“为什么做”和“应该做什么”,也处理不了人心2。刘嘉在访谈中给出相近方向:记忆知识的教育已无价值,重要的是“我”的兴趣、目标和从逻辑原点出发的演绎推理,并说这类能力在 AI 时代特别稀缺3。把这两条放在一起看:文科训练里的文本细读、概念辨析、论证重构,如果能转成“提出好问题、找到逻辑原点、判断什么值得做”,就不是被取代的对象,而是使用 AI 的前提。
就业困难下,可以试的方向
AI推演硅谷徐老师提到一个反例:多年前大家说放射科医生会被 AI 取代,如今该专业毕业生反而抢手、工资上涨;他的建议是别太纠结“AI 会不会取代我”,而是想自己对什么有兴趣,并以“AI 原生”的方式进入一个行业,从而获得弯道超车的机会4。立正把这层意思收成:不要太纠结身份和分工,分工是工业革命带来的;更该看是否真懂 AI、做事有没有强度、能不能抓住注意力,再叠加兴趣和擅长4。对你来说,一个可检验的小尝试是:选一个你熟悉的文科议题,用 AI 做文献梳理和反方论证,你自己负责提出一个反共识判断并写出它成立的条件;看这个判断是否经得起追问。这比再学一个工具更能暴露你的真实优势。
材料没有提供文科博士就业市场的具体数据,也没有针对“文科研究方式”的专门讨论;上述判断是从 AI 与人的能力分工推演而来,不能当作就业预测。
出处
- 1118. 从「象牙塔」到「真本事」,AI时代如何打造个人价值|课代表立正
直接区分平庸研究与独创性研究,说明 AI 为何难以替代后者。
- 2AI时代,“精英阶层”正在如何重构教育?
给出“知识贬值、提问升值”的判断,以及 AI 处理不了“为什么”和人心。
- 3清华教授:应试教育在AI面前全军覆没,我们应该如何重新学习?
刘嘉谈记忆教育失效、兴趣与逻辑原点在 AI 时代稀缺。
- 4人人都有50个博士为自己打工,为什么多数人的工作没什么变化?|硅谷徐老师年度对话
提供放射科医生反例和“AI 原生进入行业”的思路,回应就业焦虑。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。