“众所周知，人类对社会的价值，和他创造的使用价值几乎毫无关系，只和他技能、资源的稀缺性有关系。
人人都需要吃饭，但农民的地位依然卑微，这就是因为农民太多，他们没法干掉所有和自己技能树重叠的个体，从而制造自己的稀缺性。
所以，我们讨论专才和通才在未来社会哪个更重要、更吃得开时，不光要从人类社会自身看，还要从‘哪一类人更容易被机器消灭和替代’来看。
目前来看，随着深度学习的诞生，那些‘用50个学时就能把一门课学到90分，用100个学时就能把两门课都学到90分，但哪怕300个学时也不能把任何一门课学到98分的博而不精者’，在未来会远远比那些‘用50个小时只能学到75分，但是砸300个小时能磨到98分的单一目标专精者’更吃香。
因为如果靠比努力，靠磨，血肉之躯的人类，怎么可能比机器努力？曾经的机器，只能‘执行’，不能‘学习’，所以人类中的‘只有努力一项优势’的人还有活着的价值。而一旦机器也学会了‘学习’，人类当中的‘只懂努力’的人，就败给了机器。
这也是为什么现在的创新型科技公司招聘研发人才时，越来越看重学习能力、学习速度而非知识存量。就算一个专才可以用3年磨一剑的时间，把一项技能磨砺到98分，又如何？知识更新换代太快，还没磨到90分，前面学的都已经过时淘汰了。
科技创新公司只需要一个月就能上手一门新技能、并且在及格分线上跑起来，然后快速迭代就行了。至于专精的工匠精神者，你们就继续去做寿司或者炸天妇罗好了。
那么，深度学习型人工智能和人类相比，它们的劣势在哪儿呢？就在于每一项人工智能只能被设定一个奋斗目标。比如谷歌公司目前立项做的一个名叫‘阿尔法狗’的机器人下围棋项目，它只能被设定‘赢得围棋’这一个目标，然后一切进化以实现这个目标为准。每自己下一盘，胜率高了就统计学习，胜率低了就回避。你要他同时把围棋下得漂亮美观有观赏性，它是做不到的。
而人类和机器相比，最后一道底线，就在于人类有多重价值观，有多重兴趣，人类而已去做那些看上去漫无目标、或者对实现当前主目标毫无效率的‘不划算’的事情。这时候，我们才能看到多重目标之间跨圈权衡带来的思想碰撞、价值创新。这也是为什么如今创业界的机会大量在跨圈节点出现”
作为正方，冯见雄的总结陈词是在苏勤之后发表的。