老师有没有告诉你，AI不是自己学会说话的——是有人一句一句喂给它的

「啪——老师把笔丢在桌上。」

他没有讲课，他举起手机，翻到一张很普通的照片：一只猫蹲在楼梯上，背景里有个塑料桶。

「这张照片，你们三岁就会认。你说这是猫，这是桶，这是一级台阶。」

「那你们猜猜，」他把手机放下，「让一台机器学会认这张照片里的猫，要花多少钱？」

底下有人猜几百万，有人猜几个亿。

「要花的不是钱。」他说，「要花的是人。而且是最不起眼的那种人。今天讲的就是这批人——因为你的孩子将来找不到工作这件事，可能跟他们有关系。」

先看一件真实发生过的事

2007 年，一位后来拿了图灵奖的计算机科学家，在 TED 上讲了一个很朴素的想法。

他说：人类正在做一件奇怪的事——我们每天上传几十亿张图片、几千万段视频、几亿条带标签的网页，我们以为自己在分享生活，其实是在免费给一台还不存在的机器编教材。

「你们不是在娱乐，」他说，「你们在给智能教科书添页码。」

当时没什么人当回事。四年后，一个叫 ImageNet 的项目验证了这句话。几位研究者没有发明什么神奇算法，他们做了一件非常"笨"的事：雇人把一千四百多万张图片一张一张看过、标上类别。这个数据集做完的两年后，一个叫 AlexNet 的模型在图像识别比赛里把错误率一下砍掉将近一半——整个行业的转折点，就发生在那一刻。

那批标注工作，是靠几万个网络众包的人做的。他们大多是当时在家的普通人，一份一份做着按小时计费的工作。

AI 不是自己学会看世界的，是有人指着照片一张张告诉它"这是猫"。

🤔 你有没有想过——今天所有人都在谈模型有多强，可那些模型的第一口奶，是谁喂的？

一、你身边到处都是"隐形的教科书"

这件事离你其实很近。

停车场的车牌识别——有人一张一张标过各个天气、各个角度的车牌。手机相册自动分组——有人标过几百万张人脸。语音助手听得懂方言——有人戴着耳机把上万个句子逐字听写出来。短视频平台"自动识别违规内容"——有大量的人在后台看那些最糟糕的画面，然后告诉系统"这类不行"。

这个行业有一个行话叫「数据标注」。名字听着像个技术活，实质上大部分是判断活：看一眼，选一个类别，划走，下一条。

网上流传的说法是，很多这类工作每一条只值几分钱，做得快的熟手一天要做几千条。所以你会看到一个奇怪的画面：AI 每多懂一点，背后就是某个人的眼睛多看了几万次。

你手机里那个能自动帮你整理照片的助手，某种意义上是一群人眼睛的延伸。

二、那这些工作会被 AI 取代吗

会，而且已经在发生了。

今天确实可以用一个模型先大致标一遍，人只负责挑出标错的。所以这个行业的人数在减少。听起来是个坏消息，但这件事里藏着更有意思的东西——被留下来的那部分工作，性质变了。

以前是「看一张，选一个」，现在是「看一遍，说出你为什么不同意」。

对，从「做」变成了「判」。而"判"这个东西，恰恰是最难被替代的。因为它需要的那句话——「我不同意，依据是这条标准」——这句话本身就是教科书。

所以真正发生的事情不是「人没用了」，而是：只会做判断里最简单那一层的人，被挤掉了；能说出判断依据的人，变得更值钱了。

这不是 AI 特有的规律。任何一个行业自动化到一定程度，剩下的都是这一类人。

三、AI 真正会犯错的地方在哪

讲到这里，得说一个反直觉的结论。

你大概以为 AI 出错是因为它「不够聪明」。不是。

它出错最多的地方，是标准互相打架的缝隙里。

举个具体的：假设一批标注里，标准 A 说「把"开玩笑的嘲讽"标成正常」，标准 B 说「把"可能冒犯到人"的句子标出来」。这两条单独看都没问题，可碰到一句「哈哈哈你可真行」的时候——它到底该算哪一类？

标的人不可能每次去问，于是同一个句子，甲标了 A，乙标了 B，丙犹豫了一下标了 A。

AI 学的就是这一堆互相矛盾的答案。所以它最后给出的行为是：有时候特别宽容，有时候莫名其妙地严格，而且它自己解释不清为什么。

这不是 AI 的性格缺陷，这是它照见的我们的规则本身就不自洽。

🤔 想想那些你工作中"大家心照不宣"的规矩——如果有人要把它写成一条条标准喂给机器，你能写出来吗？

四、这件事跟你有什么关系

三个点。

第一，你的"隐性知识"正在变成稀缺品，但它得先被说出来。

你身上那些「我一看就知道这个不对」的本事，如果你说不清楚依据，那它只能留给你自己。一旦你能说出「我一看就知道，是因为这三条」，它就变成了可以交给别人的东西——也变成了机器暂时抢不走的东西。

第二，"会提问"比"会回答"值钱。

因为回答问题这件事，已经外包出去了。而一个好问题，本质上是在定义标准——你要机器按什么来判断。定义标准的人，永远在上游。

第三，别急着为"AI 会取代谁"焦虑，先看看那个行业的标准写清了没有。

含混的领域，AI 会先做得很差，然后靠大量人工把它兜住；标准清晰的领域，AI 会很快接管。所以真正决定你安全不安全的东西，藏在你这个行当有多少条规矩是从来没被写下来过的。

五、一个可以马上试的小练习

下次你看到 AI 给出一个明显不对的答案，别急着骂它。

试着回答一个问题：如果我必须写三条标准，让它下次一定答对，我会写哪三条？

大多数时候你会发现——很难写。你会写出第一条，写到第二条就开始出现"这得看情况"，写到第三条自己就发现跟第一条冲突了。

那一刻你摸到的，就是 AI 真正的边界。它不在算力里，不在参数里。

它在我们自己还没想清楚的那些地方。

回到那个讲台

老师把那张猫的照片又调了出来。

「刚刚我说，教它认这张照片要靠人。」他说，「但真正值钱的不是那几万双看过照片的眼睛。」

「是那三五个能写出标准的人。他们决定了那几万双眼睛看的时候，到底在找什么。」

「所以别问我 AI 会不会取代你。问你自己一句话就行——你手里那份活儿，你写得出标准吗？」

「写得出，你现在就该去干下游。写不出，就先把它写出来。」

「下课。」