AI eleva o limite inferior, e não o superior!\nNa última vez que vi o professor @dotey Baoyu compartilhar este artigo, li várias vezes e, com base na minha experiência prática, cada vez mais sinto que este artigo é muito objetivo e realista, o que também pode ser considerado como a "visão correta de valor da AI" proposta pelo professor Baoyu há algum tempo. Fiz uma tradução mais refinada com base na tradução do professor Baoyu.\nO texto original pode ser visto:\n\n1⃣ A reestruturação da curva de aprendizado\nAntes do surgimento da AI, os aprendizes enfrentavam um dilema comum: o design dos recursos de aprendizado geralmente pressupunha um público-alvo específico. Isso resultou em que, para você, o usuário real, muitos recursos não se adequavam ao seu próprio contexto e necessidades:\n\nVocê é um iniciante em uma habilidade específica, mas já tem uma certa base na área relacionada, e tem dificuldade em encontrar conteúdos que expliquem a habilidade-alvo a partir de um ponto de vista familiar;\n\nPara dominar eficientemente a habilidade-alvo, na verdade, você deve primeiro ter uma habilidade prévia, mas os iniciantes muitas vezes não sabem por onde começar;\n\nVocê já possui conhecimentos básicos, mas está preso em um bloqueio intermediário, lutando para encontrar recursos que ajudem a superar isso.\n\nDe modo geral, a curva de aprendizado para se tornar proficiente em uma habilidade é aproximadamente assim:\n\n（Imagem 1: Curva de aprendizado）\n\nO surgimento da AI trouxe uma mudança fundamental: ela pode oferecer ajuda personalizada no seu nível atual. A AI pode responder a perguntas com base no seu nível de compreensão atual, e até mesmo realizar algumas tarefas repetitivas em seu lugar, mudando completamente a estrutura da curva de aprendizado:\n\n（Imagem 2: Aprendizado assistido por AI）\n\n2⃣ A maestria ainda não é fácil\nEspecialistas da área geralmente têm uma atitude mais cautelosa em relação à AI. Como disse um usuário do Hacker News:\n\nA AI é muito superficial. Quanto mais profunda minha pesquisa, mais inútil ela se torna, e essa sensação de ineficácia vem muito rápido. Especialmente quando o objeto de pesquisa é um tópico complexo ou controverso, e você espera que a AI encontre fontes confiáveis ou acadêmicas, basicamente não há chance.\n\nIsso é fácil de entender: se um tema tem um corpus de treinamento rico e conteúdo consistente, o modelo é bom em resumir e produzir; mas uma vez que o tema é muito profundo e o corpus é escasso, o modelo não consegue se esforçar; se o tema é controverso, o corpus de treinamento muitas vezes é contraditório. Em outras palavras, para alcançar uma verdadeira maestria, a dificuldade ainda não diminui.\n\n3⃣ O modo de aprendizado da AI e a "dependência de respostas"\nO modo de aprendizado do ChatGPT, lançado pela OpenAI, sugere um problema mais profundo: em vez de deixar a AI guiá-lo no aprendizado, muitas pessoas optam por pedir diretamente as respostas. O resultado é:\n\nOs aprendizes permanecerão no nível de compreensão que a AI pode fornecer, tendo dificuldade em subir mais.\n\n（Imagem 3: Curva de aprendizado com trapaça usando AI）\n\nA longo prazo, aqueles que tentam "tirar vantagem" não se beneficiarão realmente.\n\nO impacto não equilibrado da reestruturação da curva de aprendizado\n\nA mudança tecnológica é essencialmente uma "reestruturação do ecossistema": ela não beneficia igualmente a todos. O impacto da AI sobre diferentes pessoas também depende de uma variável central: "quão alto é o nível de domínio necessário para produzir um resultado impactante?"\n\nProgramação: para gerentes, é um acelerador, mas ajuda pouco em projetos grandes\n\nOs gerentes de engenharia enfrentam há muito tempo uma situação embaraçosa: eles dominam os princípios de arquitetura, estão familiarizados com os processos de engenharia, mas não operam ferramentas de desenvolvimento específicas. Por exemplo, um gerente de engenharia com formação em backend gostaria de desenvolver um aplicativo para iPhone em seu tempo livre, o que era quase impossível no passado.\n\nA AI mudou essa situação. Agora eles podem rapidamente começar, gerar protótipos e, com base na experiência de engenharia, aprimorar para um resultado entregável. A intervenção da AI tornou produtos que antes eram impossíveis em realidade.\n\n（Imagem 4: Desenvolvimento de projetos pessoais com a ajuda da AI）\n\nMas para engenheiros que são responsáveis pela manutenção de grandes bibliotecas de código complexas e específicas para negócios a longo prazo, a ajuda que a AI pode oferecer é muito mais limitada - o modelo não consegue obter o contexto necessário, dependências históricas ou normas da equipe.\n\n（Imagem 5: Uso de AI em grandes bibliotecas de código）\n\nTrabalho criativo: difícil de ser substituído a curto prazo\n\nAs preocupações dos profissionais da indústria criativa em relação à AI não são infundadas: será que um dia os romances escritos pela AI ou os filmes filmados pela AI substituirão a criação humana?\n\nA resposta é: a curto prazo, isso é pouco provável. A competição no campo criativo é extremamente intensa, e as obras que realmente conseguem atenção devem ter um alto grau de novidade. Embora a AI possa gerar rapidamente imagens, textos e áudios, não trouxe um aumento na "atenção".\n\nUma obra criativa de sucesso tem um indicador rígido: não pode ser como as outras. Os humanos são extremamente sensíveis à "semelhança". Isso também explica por que o ícone "Ghibli style" teve um breve momento de fama, mas não afetou em nada o status cultural de "A Viagem de Chihiro".\n\n（Imagem 6: O limiar das obras criativas e o limite da AI）\n\nTarefas diárias: AI não consegue se inserir\n\nAtualmente, a AI tem um impacto mínimo em algumas tarefas diárias de alta frequência, mas baixa variação, especialmente em coisas que você já resolveu bem com aplicativos. Tomando como exemplo o gerenciamento de e-mails e pedidos de entrega, esses dois campos têm muitos produtos maduros e lógicas de interação bem desenvolvidas, e a AI não trouxe melhorias significativas.\n\nTomando o e-mail como exemplo:\n\nOs spams já foram filtrados automaticamente, e a AI resumir só desperdiçaria recursos;\n\nE para e-mails importantes, eu não preciso de um "resumo", eu preciso da integridade da informação e do contexto - isso é algo que a AI tem dificuldade em substituir.\n\nO cenário de pedidos também é assim: aplicativos maduros já otimizaram ao máximo as informações do menu, imagens, preços e experiências de interação, e a AI é difícil de superar.\n\n（Imagem 7: Ferramentas de AI vs Aplicativos maduros）\n\n4⃣ O futuro da AI: já chegou, mas ainda não é equilibrado\nA AI já elevou significativamente o "nível de partida" dos trabalhadores do conhecimento, mas isso não significa que todos se beneficiem disso.\n\nPapéis específicos, como gerentes de engenharia, devido à sua estrutura de "compreensão de médio a alto nível + falta de capacidade de execução", são os que mais se beneficiam da AI;\n\nOs criadores sentem uma ameaça potencial, até mesmo resistência;\n\nE há algumas pessoas que, vendo muitos especialistas discutindo a AI, não conseguem encontrar aplicações práticas e ficam em dúvida: "Será que eu não entendi?"\n\nA AI não reescreveu completamente a maneira de trabalhar de todos, mas é uma ferramenta poderosa que vale a pena cada um tentar. Se você já tentou e descobriu que realmente não é adequado para você - talvez isso seja a própria realidade.\n\nTexto original: "AI is a Floor Raiser, not a Ceiling Raiser" Tradutor: Caomu Qing