亚当·斯密：人们天赋才能的差异比我们意识到的要小很多
亚当·斯密：人们天赋才能的差异比我们意识到的要小很多
"打天下一个县的人才就足够了。" 这句话引发了对亚当·斯密在《国富论》中关于天赋才能差异观点的思考。斯密认为，人们天赋才能的差异比我们意识到的要小很多，造成人与人之间差距变大的"罪魁祸首"不是天赋，而是劳动分工。
天赋的祛魅化
过分强调天赋，容易让人陷入宿命论，忽略了后天努力和环境的影响。一个哲学家和一个街道搬运工的天资差异，远远不及猛犬之于猎犬。
关键是劳动分工，也就是说有针对性的培养。几乎每个人都有自己的才能倾向，也就是相对比较擅长的事情。
动物也一样。比如，同样方法养大的一母同胞的几只猫咪。有的喜欢攀爬，有的喜欢奔跑。有的亲人，理解人类的能力很强，放在人类社会就是高情商、社交能力强；有的则脸上写着"人类离我远一点"的表情……
如果猫咪们有劳动分工，那么每只猫的某项特点一定会被放大，根据用进废退原则，它们的其他方面则会弱化。久而久之，差距就会变得特别明显。擅长跳跃的猫可能会是跳高运动员，而喜欢社交的猫可能会是某公司的销冠。
狗的品种越来越多、不同品种之间的差距越来越大——尤其是体型号和相貌，就是个很好的例子——差距主要是后天的选择性培养。
社会生产力水平越高、职责分工越细、教育水平越高，就越能发现每个人的才能倾向。比如，曲棍球没有发现之前，即便天赋异禀，很可能也没有发挥的余地；短跑分类后，擅长跨栏的运动员更容易脱颖而出。
如果你仔细的了解过孩子，你会很容易发现，有些孩子运算能力好，有些孩子语言能力好，有些孩子嗓子好、有些是社交小能手……，如果你足够认真去挖掘，很难找出一个完全"一无是处"的孩子。
而如果没有及时发现，或者没有有效开发（才能倾向只是一个起点，而不是终点），这些才能就无法呈现，自然，这些人最终显得"平庸"。
当你觉得一部电影很精彩的时候，然后会发现网络不起眼的角落里，有个普通人有着更为精彩的故事，如果以合适的方式包装，会得到更多的票房。
当你觉得一个哲学观点颠覆三观的时候，一个摆地摊的大爷，可能用乡野俗语说出了类似的看法。
在罗曼·罗兰的代表作《约翰·克利斯朵夫》中，克利斯朵夫那走乡串巷卖杂货的舅舅，比当时很多知名的音乐家更懂得音乐——"心灵美重于技巧美，内容重于形式"。
美国行为主义心理学家华生在《行为主义》一书中写道：
给我一打健康的婴儿，一个由我支配的特殊的环境，让我在这个环境里养育他们，我可担保，任意选择一个，不论他父母的才干、倾向、爱好如何，他父母的职业及种族如何，我都可以按照我的意愿把他们训练成为任何一种人物——医生、律师、艺术家、大商人，甚至乞丐或强盗。
神经科学研究佐证了这一观点：伦敦出租车司机的海马体因空间记忆训练显著增大，说明专业技能更多来自实践塑造而非先天禀赋。
现代教育体系中的刻意练习理论进一步证明，系统性训练可突破所谓的"天赋天花板"。
这启示我们，别太在意先天天赋，更要注重后天的塑造。
警惕劳动分工的自我强化机制
专业化分工创造了独特的技能培养环境，也带来了"路径依赖"和"刻板认知"。
以IT行业为例，程序员与产品经理的职能分化并非源于初始能力差异，而是分工体系下的路径依赖：前者在代码实践中发展技术思维，后者在用户研究中培养市场洞察。
这种职业差异反过来又强化了社会对"技术型"与"商业型"人才的刻板认知，形成循环论证。
这造成人们被困在特定的职业路径中，很难突破。这就需要我们为自己设计反脆弱的职业路径、构建动态能力系统。
反脆弱的职业路径：
- 杠铃策略应用：70%精力深耕核心领域，30%投入探索性学习。跨界组合能提升职业抗风险能力。
- 数字游民启示：《自然·神经科学》中提到，远程工作者通过同时参与3-4个项目，在数据分析和内容创作间切换，神经突触连接密度提升19%。
动态能力系统：
- T型人才模型升级：传统T型结构（1项专长+多领域常识）正演变为π型（双专长+动态扩展）。例如：程序员+心理学背景，在用户体验设计领域形成独特优势。
- 技能组合策略：参照Gartner未来技能预测框架，将硬技能（如Python）、软技能（设计思维）、元技能（系统思考）按7:2:1比例配置。
注意劳动分工的隐性成本
分工带来的效率提升伴随机会成本的隐性支付。技术的专精，本质是放弃全面发展可能性的补偿。
芝加哥大学研究显示，职业专业化程度每提高10%，跨领域创新能力下降7%。这解释了为何颠覆性创新常来自行业边缘人或跨界者。比如，国内外知名的导演只有很少一部分是科班出身的。
很多颠覆性创新，都来自于不同领域的知识碰撞。例如，生物学和计算机科学的结合，催生了生物信息学。
这为我们自己的发展，提供了一条新思路——跨界尝试各种可能性，创造能力增强回路。有两种不错的方法可以尝试：
- 学习迁移：刻意在不同领域间建立知识联结。如将围棋中概念迁移至商业战略，用生物学共生理论重构团队管理。
- 环境塑造：加入"不舒适圈"社群（如，做金融管理的加入生物工程社群），神经科学研究显示，陌生环境刺激使脑源性神经营养因子分泌增加40%。
数字时代劳动分工的变革
人工智能的发展正在解构传统分工模式。通用模型的出现，证明单一系统可通过海量数据学习获得跨领域能力，劳动分工带来的专业提升的优势正在被AI取代。
这种技术突破倒逼人类重新审视能力发展方向。人类的核心竞争力从流水线带来的专业技能，正在回归到基础认知——批判性思维、情感共鸣、跨情境学习。
这就要求我们对自己的提升从单一专业转向通识融合，职业发展从路径依赖转向动态适应。这对我们的个人成长具有颠覆性启示：
其一，重点发展AI的"盲区能力"——情感共鸣、伦理判断、审美创造、社会互动。
AI对它自己的总结很有意思：
AI就像个超级学霸——背得快、算得准，但没情商、缺常识，更不懂什么叫将心比心；
能背诵《民法典》却看不懂人的眼色；
能生成法律文书但无法模拟调解邻里纠纷时"各退一步"的人情智慧；
能混合多种情绪朗读文本，但无法体会"乡愁"背后的生命记忆。
其二，用AI工具将知识获取效率提升10倍后，聚焦高价值认知活动。如用AI处理信息检索，节省时间用于批判性思考。
AI是我们的工具和助手，别把它当成竞争对手。
综上所述：人和人之间差异产生的根源"不是预设的天赋，而是分工轨迹的沉淀"。
在大模型时代，我们需要以动态适应和跨界整合重塑竞争力，积极构建自己的动态能力系统，把握AI时代的进化窗口，将自己打造成一个具备批判性思维、情感共鸣和跨情境学习能力的终身学习者，去很好的拥抱不断变化的社会。
PS：如果你在农村生活过，不难发现，老一代农村人的心智发展程度普遍比较低，也就说心理年龄比较小，不少人的思维简直还停留在婴儿期。
可见，他们并不是天生底层，而是后天的不当教育，让他们的心智发展停滞了，失去了往上走的机会，他们甚至无法理解什么是"向上"。
他们中的一些人确实很讨厌，虚假猥琐，损人不利己。可他们的背后，是非常深刻的、我们无法想象的不幸——那是代际和时代创伤双重作用下对人类自由精神和自我的灭绝性摧残。
有些人一辈子在治疗童年创伤，而有些人从小就开始积极发展自我了。而还有一些更不幸的人，一辈子都在混乱中度过。
就像罗曼·罗兰所说，"人生而无知，但是并不愚蠢，是教育使人愚蠢！"
个人觉得，他说得这个教育，指的是广义上的教育，即外界任何可能对这个孩子造成影响的事情，也可以说是广泛意义上的社会分工。
本文原文来自网易新闻