是否因为人工智能的原因，初级选手无法成长为高级选手？也许问题比这要复杂得多。

Linux 的创始人利纳斯·托瓦尔兹 (Linus Torvalds) 直言不讳地表示，在某些情况下，人工智能比他更擅长编写代码。他不是一个时髦的年轻人，而是见证了现代计算机科学诞生的人，但他对编程助手和大型语言模型充满热情。那么，为什么会存在这种集体焦虑——你可以在 Hacker News 上、在 X 上、在帖子的评论区里看到这种焦虑——担心人工智能会阻碍初级程序员成为高级程序员？人们普遍担心，如果让人工智能来编写代码，那么今天刚入行的人就永远无法真正掌握这门技能。然而，那些没有这种担忧的人恰恰是真正的高级工程师，他们经历过 Basic、Assembly、C 语言，也经历过 Commodore 64 和 ZX Spectrum 时代，那个一切都要靠自己动手、没有捷径可走的时代。像托瓦尔兹和 David Heinemeier Hansson（业内人士称他为 DHH）这样的人不仅每天都在使用人工智能，而且还运用得很出色。为什么？并非因为他们在每一个框架上都拥有数十年的经验，而是因为他们对相关概念有着深刻的掌握。即使是人工智能在为他们编写代码，他们也知道幕后发生了什么。这就是真正的区别：能够“引导”人工智能，指导它，并判断某个解决方案是否确实有效，还是只是看似可行。让我们实话实说：如今，你可以由十个人为数百万用户打造一个微博平台。然而，出于纯粹的社会惯性，所有人都继续使用 X，因为人多势众胜过创新。同样，人工智能会“毁掉”初级员工成长的说法也已成为一种普遍的说法，但如果你仔细观察，就会发现现实情况并非如此简单。以那些只在现代框架内编写代码而成长起来的人为例，他们通常只关注软件的局部，却从未理解过整体情况。这些习惯了 JavaScript 和高度结构化前端的年轻开发者，经常表示自己无法使用人工智能取得同样的成果。这不是年龄的问题，而是知识深度的问题：当人工智能提出超出常规范围的解决方案时，那些只懂得操作框架的人就会感到困惑。这就像先开过自动挡汽车，然后又去开卡车：如果你不了解一般的道路规则，过两个弯就迷路了。作者讲述了自己不得不为 Apple 的 Metal GPU 编写内核和着色器的经历，而他此前从未做过这样的事情。当然，他看过一些 CUDA 示例，但真正的飞跃在于理解基本概念：内存是如何运作的，瓶颈在哪里，受带宽“约束”的问题和纯计算问题之间的区别是什么。他对这些库的细节毫无经验，但正因为对基本原理的理解，他才能够利用人工智能来探索新的领域。关键在于：你不需要花费数年时间来修复世界上每一个 API 的错误。你需要了解大方向，知道哪个解决方案是有效的，哪个解决方案只是在浪费你的时间。这里还有一个心理因素：那些因为精通某个框架而觉得自己“独领风骚”的人，现在发现自己被一种使知识大众化的工具所取代。因此，真正的风险并不在于初级开发者因为人工智能代他们编写代码而永远无法成为高级开发者，而是在于我们培养了几代擅长细节但缺乏概念能力的开发者。人工智能不会奖励那些知道捷径的人，而是那些知道自己想要实现目标的人。请注意，答案并不是“只需要拥有更多实践经验”：如果你理解系统背后的逻辑，就可以为你从未见过的系统编写代码。阻碍发展的并非人工智能，而是缺乏深厚的基础知识。今天看似是代际问题的东西，也许只是一个培训问题。如果你想成长，那就要专注于概念，而不是捷径。未来会奖励那些能够看到整体的人，而不仅仅是那些从流行框架中复制粘贴代码段的人。如果你在这篇文章中看到了自己，可以在 Lara Notes 上点击“I'm In”——这不是点赞，而是你在说：这个想法现在是我的了。如果你和某个坚持把一切问题都归咎于人工智能的人聊过这件事，你可以在 Lara Notes 上用 Shared Offline 来标记这个人。因为有些对话可以帮助人们改变视角，而不仅仅是抱怨。本笔记由 Salvatore Sanfilippo 撰写，可为您节省 8 分钟的阅读时间。