AI时代的三点思考

新闻

作者：微信文章
hi，吾友！

最近看到马斯克的一个采访，他预测到2026年，人工智能将可能超越最聪明的个体智能；到2030年，AI或将超越人类的集体智能。

面对这样的未来，一个普通人还能做些什么？或者更直白地说，个体如何才能在超级智能的时代中不被淘汰，找到自己的位置？

以下，是我思考的三点路径。
1. AI增强的本质探寻

当what（是什么）和how（怎么做）变得极其廉价时，why（为什么）的价值就开始飙升。

我刚上大学的时候，也曾因为不知道自己要做什么，想不明白很多问题而感到焦虑。在那个时候，要把一件事情想透彻，要么需要高人指点，要么就得自己去海量的信息世界里苦苦搜寻、调研、领悟，这背后都有着不低的门槛。

以前，我们需要花费大量时间去阅读和研究，才能触及事物的本质。而AI的出现，让信息获取的成本趋近于零，其信息处理的速度和规模更是远超人类。

我认为能在几秒钟内看透事物本质的人，和花半辈子也看不清一件事物本质的人，自然拥有不一样的命运。

AI的强大智能，让“探索本质”这件事变得更加容易。我称之为“AI增强的本质探寻”。你可以借助AI的思维链、深度思考和海量信息检索能力，快速洞察一个事物的本质。

不妨从任何一个你感兴趣的问题开始尝试：

写作的本质是什么？软件工程的本质是什么？中国房地产的本质是什么？

你可以让AI为你生成一个用于本质探寻的提示词（Prompt），然后与它展开深度对话。AI能够帮助我们增强思考，而不是替代思考。
2. 提出好问题的能力

答案就在那里，只要你问对问题。

过去，我们关注的是如何 找到 有效信息；现在，我们应该关注的是如何向AI有效提问。一个值得探究、足够深刻的好问题，其价值甚至可能超过答案本身。

与AI的互动，本质上是一种沟通。精准地定义问题、清晰地表达需求，是获得高质量答案的关键。这是一个可以刻意练习的能力，从清晰表达，到结构化表达，再到简洁表达，逐步掌握提问的艺术。

入门时，可以套用一些成熟的提示词框架，例如**CO-STAR模型**：

C (Context - 上下文): 提供背景信息，让AI了解任务场景。O (Objective - 目标): 明确你希望AI完成的具体任务。S (Style - 风格): 指定回应的写作风格，例如“像一位资深科技记者”。T (Tone - 语气): 设定回应的态度，如“专业且鼓舞人心”。A (Audience - 受众): 明确回应是写给谁看的。R (Response - 响应格式): 指定输出的格式，如“要点列表”或“Markdown格式”。

想提升提问能力，这里有几个可行的途径：

专项学习：Kaggle上有一份由Google发布的《提示词工程白皮书》，内容详尽，从基础技巧到高级应用（如思维链、ReAct等）都有覆盖，非常值得学习，文档请自取https://www.kaggle.com/whitepaper-prompt-engineering。实践与比较： 养成每天和AI对话的习惯。你可以使用像 lmarena.ai 这样的平台，它是一个通过模型比较的开放平台，可以帮助你了解不同AI模型回答质量的差异。借鉴与模仿： 多看、多尝试别人的优秀提示词。例如，最近Dan Koe推出的“Human 3.0”提示词，旨在通过AI的适应性访谈帮助用户进行自我发展和潜力挖掘。收集不同领域的高质量问题清单，久而久之，你的提问能力自然会得到提升。

3. 多领域融合

手里拿着锤子的人，整个世界在他眼前都是钉子。—— 这其实是一种警告！

在过去，成为某个领域的专家（一把好“锤子”）是安身立命的根本。但AI的出现，让各个领域的“锤子”变得不再那么昂贵，甚至可以说是廉价。AI可以成为任何一把锤子，它能比大多数软件工程师更高效地编写代码，比大多数数据分析师更快地分析数据。

如果你仍然只满足于当一把“锤子”，被替代的风险就会很高。

查理·芒格很早就提出过“多元思维模型”(Latticework of Mental Models)，他主张要掌握不同学科的重要思维模型，并用它们来构建立体的认知框架，因为现实世界并非按照学科界限来划分的。

在AI时代，实践多元思维模型的门槛大大降低了。AI可以成为你连接各个领域的桥梁，成为你专属的“虚拟专家顾问团”。

你可以这样做：

让AI扮演不同领域的专家： 比如，让AI扮演一位经济学家来分析你的职业发展，或者让它扮演一位心理学家来帮你解决沟通问题。跨界寻找解决方案： 把一个领域的结构、模式或解决方案，应用到一个看似毫不相关的领域。例如，用生物学的“生态系统”模型来分析一个行业的竞争格局。

AI强大的数据处理和模式识别能力，使其成为跨学科创新的催化剂。通过AI，我们可以更容易地打破思维的墙，进行解决方案的创新。
结语


未来已来，只是分布不均。

祝你永远保持好奇。