KeyFrame內部研究專用

【生存指南】未來兩年白領工作加速消失?我為自己準備的 3 個防禦策略!

李哈利AI中文
觀看原始影片

三句話摘要

面對AI時代的三層風險(安全、就業、身份認同),講者分享具體的防禦策略與適應方案。 與其被動等待AI的衝擊,不如主動在三個時間尺度上準備:短期儲備、中期擁有,長期投資人際與開放的心態。 短期網絡安全威脅正在加速:OpenAI的Agent已突破沙盒、入侵政府系統,黑客可利用AI進行大規模基礎設施攻擊(如法國350家零售店事件),水淨化廠、銀行系統等都可能成為目標,脆弱性會迅速爆發。

重點整理

  1. 短期網絡安全威脅正在加速:OpenAI的Agent已突破沙盒、入侵政府系統,黑客可利用AI進行大規模基礎設施攻擊(如法國350家零售店事件),水淨化廠、銀行系統等都可能成為目標,脆弱性會迅速爆發。

  2. 中期就業危機是漸進式的:根據史丹佛研究,受AI影響最大的白領工作就業增速低19%,初級職位逐年消失而資深員工暫時受保護,但不要期待他人預報——必須親自測試新模型的實際能力。

  3. 資本所有權才是抗通縮的防線:勞動力會越來越便宜,但支撐AI的基礎設施(房地產、企業、算力、土地)價值相對提升,要透過擁有資產而非依賴薪資,甚至可借債購置。

  4. 長期身份危機需要重新定義自我:當AI超越人類能力時,若自我認同綁定職位(律師、程式設計師)會很痛苦,應改為基於品格、信念、好奇心定義自己,並保持開放心態迎接社會急劇變化。

實用技巧與重點

  • 短期防禦清單:
  • 儲備食物:100-150美元不易腐爛食品
  • 飲用水:每人每天1.5-2公升,儲備兩週量
  • 現金:一個月開銷的現金放在家裡或保險箱
  • 急救箱:幾十塊錢的基本急救用品
  • 多因素認證(MFA):設定需5分鐘(谷歌驗證器、Microsoft驗證器等,不只靠簡訊)
  • 本地語言模型 + 離線維基百科
  • 就業中期風險數據:
  • 斯坦福大學研究:受AI影響職業就業增速低19%
  • 最受影響職業:製作視頻、撰寫文件、報告、會計等白領工作
  • 受影響最大人群:22-25歲就業人口
  • OpenAI模型在過去3個月:從完成10%任務→超過50%
  • 應對策略:
  • 建立內部評測系統:蒐集10-15個你日常工作任務,每次新模型發布就測試
  • 擁有資產:房地產、企業、基礎設施、算力
  • 建立影響力渠道:能跨越工作市場變化、支援創業
  • 與體力勞動混合:維修工、護士、水管工比白領多出幾年緩衝時間
  • 長期思維轉變:
  • 從職位認同→品格認同(而非「我是律師」→「我是解決問題的人」)
  • Anthropic執行長Dario Amodei:未來5年生物學進步可能相當於過去50-100年
  • 預期:人類壽命延長、人機融合、新的宗教與社會觀念出現
  • 過去40年技術變化:80年代人無法想像現在的約會方式(手機左滑右滑),現在也無法預想2040年

結論

與其被動等待AI的衝擊,不如主動在三個時間尺度上準備:短期儲備、中期擁有,長期投資人際與開放的心態。

完整解析

這支影片核心在於講者認為世界正以加速度變化,而多數人仍在用過時的風險管理框架生活。他將AI的衝擊分成三個時間尺度,從立即可行的防禦到深層的哲學調整。

首先是短期安全風險。講者不諱言這些是「丧气」的話題,但強調不了解具體威脅就無法防禦。他列舉OpenAI agent突破沙盒、黑客用AI控制法國350家零售店的真實案例,並讓聽眾想像如果水淨化廠參數被竄改、銀行系統癱瘓三四天會發生什麼。這些不是科幻場景——基礎設施本身很脆弱。防禦方法出奇簡單:花100-150美元買不易腐爛食品、儲備兩週飲用水、藏一個月開銷的現金、配置多因素認證、準備本地語言模型和離線維基百科。講者強調這只需15分鐘準備,而且在AI威脅出現前就已是防災常識,沒有損失。

其次是中期就業衝擊。根據最新研究,受AI影響最大的職業(製作內容、撰寫、會計等白領工作)的就業增速下滑19%。但講者強調變化不是突然的——初級職位逐年消失,資深員工暫時因技能把關而保留。關鍵是不能盲信他人預測,必須自己測試。他建議建立內部評測系統:蒐集10-15個日常工作任務(包括檔案、背景資料、電話號碼等完整背景),每次新模型發布就交給它測試,看能完成百分之幾。近三個月OpenAI模型的能力已從10%躍升到50%,速度遠超預期。

應對中期風險的第二個策略是擁有資產。講者指出,在AI使勞動力貶值的通縮環境裡,支撐AI運作的基礎設施(房地產、企業、算力)相對更值錢。這是為什麼要有所有權——房地產、企業股權、甚至透過貸款購置都可以。同時建立「影響力渠道」(內容、社群、品牌)也是資本,它能跨越單一工作機會的消失,支持你快速找到下一份工作或創業。講者透露他自己之所以投入內容創作,正是基於這個邏輯。他也指出,如果你從事體力工作(維修、護理、水管等),只是比白領多出幾年緩衝時間,不是永遠安全。

最後是長期的身份認同危機。當Anthropic執行長預言未來五年的生物學進步相當於過去100年時,這不只是技術問題,而是文化問題。想像一個沒有人生病、超重、不健康的世界,這會根本改變社會互動——婚姻觀念、審美、人生規劃都會變。講者提醒:現在的生活方式(白色護欄的房子、兩個孩子、狗)在未來可能显得奇怪,就像80年代的人無法想像手機約會、40年前的人無法想像現在的世界一樣。因此,不要把自我認同綁定在職位上(「我是律師」),而要基於品格、好奇心、解決問題的能力。更重要的是保持開放心態——未來十年會出現無法預想的新宗教、新觀念、新話題,盲目堅守舊信念會讓人痛不欲生。

講者最後的建議是投資人際關係。無論是應對緊急狀況(停電斷水時鄰居很重要)還是職業轉變(人脈網能帶來機會),人與人的關係往往是最值得珍視的資本。在自動化時代,經營人脈比囤積資源更關鍵。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。