今日Hackernews 熱帖：工作，工作之後：一個失業應屆畢業生的筆記，眼看就業市場分崩離析 作者是名校電腦專業畢業生，成績好，包括DeepMind 在內的3 份實習，但迄今為止0 offer！他和他的同學聊的不是畢業生就業市場有點冷，而是畢業生就業市場已經玩完了！ 媒體上對這種現象的解釋是經濟週期遇冷，VC 沒錢了，科技公司縮減開支，但作者不認可這些說法，他從自己的角度在文章中做了分析。 第一個趨勢是很多工作變成遠端操控了，一個馬尼拉的員工，戴著VR頭顯，就能遠端操控一個東京便利商店裡的上貨機器人。 東京的企業拿到了馬尼拉的低廉勞動力，卻不用處理東京高昂的住房、健保或文化融合問題。這比外包還徹底。 更狠的是，這個馬尼拉員工的工作，不只是在上貨。他是在為AI提供訓練資料。他每操作一次，就是在教AI如何像人一樣上貨。特斯拉的Optimus機器人也是這麼學的。 作者管這個叫「物理世界的幽靈工作」──你今天的工作，就是在訓練明天淘汰你的機器。 這個模式正在白領世界複製，初級崗在消失。公司寧願要“資深工程師+ AI工具”，也不要一堆新人。 對於這個問題，作者也提出了一個概念：「常態分外人類」 (Out of Distribution Humans)。 想像鐘形曲線，或叫常態分佈。 （參考圖一，這圖原文沒有，還是我從網路上找的一張，來源：Introduction to the Normal Distribution (Bell Curve) https://t.co/uetXK6ndyY） 曲線中間「胖胖的」部分：是海量的、重複的、可預測的「普通工作」。 曲線兩端「細細的」尾巴：是那些新奇的、混亂的、沒法總結規律的「怪異工作」。 過去，AI只能做最簡單的事。現在，大語言模型最擅長的，就是吞噬掉曲線「中間」那塊最肥的肉。 而我們絕大多數人的教育、實習、和職涯規劃，都是在教我們如何擠進那個中間，叫我們如何成為一個穩定、可靠、可預測的標準員工。 結果我們都在努力成為AI最容易取代的那一類人。 那誰能活下來？ 就是那些活在曲線兩邊上的常態分佈外的人。他們的工作足夠獨特、足夠新穎、足夠混亂，以至於AI暫時無法學習和壓縮。 這篇文章在Hacker News上也討論的很熱烈，留言區很有意思。 有人說：這哥們文筆好到可以直接出書了。 但另一撥人說：我看了他的履歷，寫得像一篇散文，太長了。難怪找不到工作，現在是抖音時代，沒人有耐心閱讀。 這也挺諷刺的： 一個優秀的畢業生，卻可能因為簡歷不夠“抖音化”，過不了HR的第一關。 還有幾個扎心的評論： 1. 申請黑洞： 有人說現在招人根本不看投遞的履歷了。因為90%都是AI生成的垃圾或海外垃圾郵件。公司只主動挖人。 （這解釋了為什麼作者的優秀簡歷石沉大海） 2. AI當藉口： 也有人懷疑，AI只是藉口。真相就是經濟不行，主管們拿AI當擋箭牌，瘋狂砍成本、搞離岸外包（例如去印度）。 3. 實習沒轉正？ 有人質疑他3個實習（包括DeepMind）都沒轉正，是不是他自己有問題。但立刻有人反駁：現在大廠實習生轉正名額也凍結了，不是實習生不行，是公司不給人頭了。 作者在結尾也寫下了他的感受： 過去，工作是一架梯子，我們往上爬就行。 現在，梯子底下代表初級崗的幾節橫檔正在被抽走。 我們這一代，正懸在半空，底下是成千上萬個和我們一樣做對了所有事的人。 而公司在做的，就是把梯子中間的標準橫檔，換成AI和機器人。 貼文地址：
