在新公司工作的日子里，常常遇到一种场景，一种让我非常自豪的场景。那就是在某些开放的技术讨论时，我会很自然输出涉及多个领域的见解，然后就会有一个瞬间，某个之前不认识的技术专家情不自禁的抓起我的工牌，想看看这个“生人”叫什么名字，又或者被人突然问是不是在“XX”领域工作很久。每当这样的事情发生，我总是既尴尬又骄傲，尴尬是因为自己其实没有XX领域的工作经验，骄傲则是因为自己并不需要长久的经验就可以拥有和领域专家类似的输出。

打开我的简历，最显著的特点就是经历的多样性，我似乎每过几年就会换一个领域，这对于技术研发而言非常罕见。在理工科的世界里，很多人一辈子都待在确定的领域内，转型一般指从研发转向管理。事实上，很多职业规划理论都强调技术研发应该追求深度，像我这样反复跳跃的极少。

我以前以为自己就是创新能力强，即使进入新的领域，也一样可以迅速达到专家的级别。但在年龄见长，摆脱了年轻时的自高自大后，我意识到，这个现象的原因在于自己从来没有建立“领域”的概念，不同学科、不同细分领域的知识在我脑袋里是混杂在一起的。看看自己从大学时期积累下来的学习笔记，所涉及领域五花八门，而且与每个时期实际工作领域相关性不大。不恰当的说，我还生活在大学分专业之前，甚至是高中文理分班之前。

其实，在人类历史上，大多数时间里知识都只是分为简单几类，而且总是存在所谓“全才”，像现在这样把知识分成几十上百种专业十分罕见。我在想，这种知识分类的做法是否“自然”，知识真的天生分为不同的领域吗？

从亲身经历出发，我觉得这个问题的答案显然是否定的。知识没有分类，是社会为了给人分类而强行将知识进行了分类。

想起高三的时候，和书店遇到文理分班之前的同学，她感慨自己的化学很好（确实很好），我感慨自己的历史很好（确实很好）。现实就是这样，人本来有很多种可能，但一个文理分班，强行将人分为两种可能。之后的大学分专业、工作分岗位都是如此，社会打着“知识分类”的旗号做着给人分类的勾当。

今天，人工智能的蓬勃发展已经证明，同样的模型可以适应于各种领域的任务。也许，我们应该反省，GPT不区分领域的原因是领域本来就不存在，知识是不分类的。至于未来，对于人类真正重要的分类只有一种：适合AI做的和适合人做的。