人工智能每一次的新方法論、新范式進展，最先消滅的是哪一類工作崗位？其實現實非常的黑色幽默，最先被淘汰的，恰恰是陷入上一輪范式不能自拔的一大批專業(yè)人士。
比如上一輪人工智能，大致是用數理邏輯加分治法來一層層分解問題，然后由專門從事此領域的博士們去解決一個足夠細小的問題。比如在自然語言處理方面，光分詞一項，就由無數論文和實踐產品做了非常深入和廣泛的探索。
而大模型的問世，讓這項研究一下子變得幾乎沒有意義。很多在這方面投入了十幾甚至幾十年功夫研究的大神級人物，如果不能很快轉變研究方向找到新抓手，那么很大一部分人其實就脫離人工智能研究的最新梯隊了。
人工智能從最早的專家系統開始，歷經決策樹，向量機，深度學習等等，到現在transformer大行其道，每一輪范式更替，都會刷下一批專業(yè)從業(yè)者。這是一個行業(yè)黑色話題，新范式帶來新紅利的同時，一代老人隨老范落幕。
人工智能的博士是非常難讀的，很小一個領域，讀著讀著，應用方向突然就消失了。我熟悉的幾個浙大同學，后來在行業(yè)里玩得比較順利的，大部分都是讀到一半，發(fā)現有機會就去搞應用創(chuàng)業(yè)了，或者調整自己的定位，改為去發(fā)掘新的優(yōu)秀大腦了。堅持原來的研究方向等待突破，除了費腦，其實也是非常高風險的人生投資。
順帶說一嘴，同時人工智能的某些科普倒很隨意，一個三線副教授，也可以大言不慚的說專家系統不算人工智能了。其實數據驅動和數理邏輯驅動，都是機器智能，不必偏廢。人類的大腦就是這種存算一體結構。因為數據驅動的方式獲得了突破性進展，就否認了邏輯驅動的意義，不過是對智能本質的認知不足而已。
其實回溯人工智能方法的更迭，每一次進步，都是在數據驅動和邏輯驅動之間的作用效果獲得了新的方法平衡，迭代向前。機器智力生產力的創(chuàng)造過程，比其他機器生產力的創(chuàng)造過程更加消耗人肉智能，這是個把人類中一流大腦當燃料消耗掉的行業(yè)。