AIGC时代的生存发展之道

编者按：最近抽空修订《自主论》书稿，改到「智能管理」章节时，感觉时过境迁许多变化，很多观点要更新，于是对过去半年多时间的观点做了梳理和更新。下面节选《自主论》第五章第三节部分内容，供大家参考。文字有一万多字，比较长，但绝对值得一读。如果实在啃不动，可以用微信的朗读功能，分段慢慢听。

我的观点和建议非常明确——我们应该做“技术的早期使用者”（王煜全语），拥抱技术，获取红利。

不要把AI看成头顶上的山，身后的狼，而是要把它看作胯下的马，脚下的路。这是大势所趋，不可阻挡，要顺势而为，借力而上。

我们必须放下人机竞争、人机对抗的陈旧观念和传统叙事，转而信奉人机协同、人机融合的全新思想和未来话语，学会与机器共舞。

在机器人的赛道里，我们跑不赢机器人，也无需跑赢机器人，只需努力跑赢他人即可。如果你真的跑不赢他人，那就尽力跑赢昨天的自己。

我看到，少数人抢跑成功，已将AI技术完全融入学习、工作和生活，人机协同，效率激增。我呼吁，多数人停止观望，全力奔跑。

5.3.1 自主的冰与火之歌

一方面，AI革命提升了人类整体的能力与资源水平，加速了个人的自主与解放。

回望过去，希腊雅典的奴隶们辛勤劳作，公民们才能安心发展哲学、科学、艺术，开启伟大的古典时代。工业革命开始后，机器让更多人成为有闲的思想家和科学家，进一步加速社会进步。之后的计算机革命亦然。

本轮也不会例外，AI革命势必推动人类文明大发展。我们的征程是星辰大海，相对于无垠的太空，AI不是威胁，而是祝福，不是对手，而是队友，我们不该恐惧，而应感到欣慰。

可以预见，在不远的未来，由于机器生产内容的速度将远快于人类消费内容的速度，各种优质内容的供需关系会被改变，价格持续下降。

从事内容生产将不再是一种工作劳动，而是一种生活体验，就像今天的有闲阶级学习绘画，更多是为了假装情调和品位，而非真要靠画维生。

许多技能过去是自主人谋生的生产工具，如今变成审美的生活方式。过去我们把自己训练成生成机器，如今AI会把我们从“工具人”状态和枯燥的生产劳动中解放出来，迫使我们重新成为人。

到那时，我们创作的意义不是为了获得解题的结果，而是为了享受审美的过程。比如说，现代农业机械推动农业生产自动化后，孩子们还是会在家长和老师的带领下，到田地里体验收割稻子的感觉，并为这种所谓的研学旅游付费。

我们的下一代，或许真会成为机器照料下的“躺赢一代”（快回想下WALL-E在太空中发现胖子飞船的画面）。

另外，就如同世上有手工定制服装和机器量产服装、现磨咖啡和速溶咖啡一样，未来的有钱人也会找到新的展示自身与众不同的炫耀性消费方式。手工打造的实体物件的价值，会继续碾压机器生产的、虚拟物品。

另一方面，AI革命放大人类个体间差距，助长了强者对弱者的控制与压迫。

科幻作家威廉·吉布森（William Gibson）有个金句：“未来已来，只是分布不均！”（The future is already here – its just not evenly distributed!）AI革命的影响也已到来，但是分布不均。

一是人群间的分布不均。

AI面前，看似人人平等，其实有的人“更平等一些”。每次技术革命都会扩大人类和动物、机器和人类、牛人和凡人之间的差距。AI工具是试金石和放大器，会辨识出强者，赋能于强者，放任弱者在原地徘徊。

自主性的新竞速已经开始：不是和机器竞争，而是与掌控机器的人竞争。

这一轮能否驾驭AI，跟当年能否驯服动物一样，会把人类分成不同层次，并快速拉开差距。机器智慧加持的、人机协同的半人马与纯粹依靠个人智慧的普通人之间的能力不对称会越演越烈。

AI会进一步强化精英和英雄的自主性，他们更快看清形势，做出决断，采取行动，更多解决问题，获取自主。他们不会被AI加持后的半人马统治者所控制，他们就是半人马统治者。

相反，自主性相对弱的凡人，则可能被他人控制，自主性进一步弱化。

在机构内部，领导者和管理者通常是中老年人，技术基础弱一些，与年轻人之间的数字鸿沟会放大，原本拥有的能力和资源优势会被AI革命强行缩小。

二是地区间的分布不均。

本轮AI革命首发在西方，用的是西方人开发的算法和芯片，底层是英语等自然语言，而且多数大语言模型（LLM）都用英语语料库训练，暗含着构建在英语之上的西方价值观，加上许多大模型有意无意地不向中国地区开放，英语世界与汉语世界的不对称开始加剧。

同时，由于汉语更复杂，中文语料库质量低下，国内的大语言模型在训练方面处于相对落后状态。

不过，我始终坚信，凭借中国人民的智慧和努力，最终中国也会迎头赶上，“百模大战”等就是信号。

5.3.2多数人的观望及其原因分析

人们面对AI时的不同态度，如同他们面对浩瀚苍穹时的反应一样，自主性强的人看到了机遇和希望，积极采取行动；自主性弱的人则看到了挑战和危机，消极观望退缩。之所以观望和退缩，从根本上说是安全求稳的保守策略在发挥作用。进一步分析具体原因，可以划分出五个群体。

一是偏差型。

许多人没有看清本轮AI革命的颠覆性和持续性，以为做一只把脑袋埋在沙子里的鸵鸟，等等就会过去。

兰德公司旗下的未来研究院前院长罗伊·阿拉玛（Roy Amara）有句名言，“人们容易高估技术在短期内的影响，而低估它在长期的冲击。”（We tend to overestimate the effect of a technology in the short run and underestimate the effect in the long run.）

本轮AI新技术刚出现时，大家感到恐惧。如今，大家习以为常，认为技术没有带来预期的影响，变得麻木。

但事实上，我们正看着AI技术这列列车面朝我们驶来，看似行进很慢，实则速度极快。当它从身边飞驰而过时，我们才发现它的风驰电掣，但它根本不在意，只是把寂寞的我们甩在原地。

我们正处在一个伟大变革的前夕。本轮AI技术大跃迁，是像蒸汽机革命、电力革命、计算机革命一样的重大技术革命，很可能带领人类跨过技术奇点。一旦跨过奇点，AI赋能的各种机器将在脑力劳动方面全面超越人类。

过去机器替代生产线上的蓝领工人，下步AI会替代写字楼里的白领阶层。在GPT等技术出现之前，中国已有7000万快递员和外卖小哥接受AI的驱使。出现之后，从写文案、做海报到出视频，从副驾（Coploit）到代驾（Autoploit），AI全面涉足并挤压原本只属于人类的所谓创造领域，全球将有数以亿计的白领被改变命运。

二是过载型。

一些人看到了AI的潜力，感觉到了压力，以至于行动僵硬。

人类在面对压力时常会呆若木鸡，近似于动物在紧要关头的假死状态，都是生物演化的自然产物。好处是等他人先行动，根据情况决定是否跟上，可以避免当出头鸟和炮灰。但如果没人提醒，也可能一直僵在那里，直至颓势无法挽回。

我建议这部分人马上行动，找AI工具先用起来。在黑暗森林里，只要你有武器，就有一席之地。平心而论，百度的文心一言已经够用了，没必要挑三拣四、说三道四。现在你不用文心一言，好比30年前不用电脑，20年前不用搜索，10年前不用智能手机，属于自找苦吃。

三是无助型。

一些人情绪极其悲观，认为即便使用了增强自我的新工具，还是无法改变被机器替代的命运。他们陷入了狭隘的二元论，以及人类中心主义的焦躁执念和无聊想象，导致不知所措。

我想提醒他们，或许AI在被人类奴役与奴役人类之外还有其他可能的选择，或许仝跟我们根本就是完全不同的存在，生活在与我们完全不同的逻辑和维度里，大家所处的时空不同，追求的目标也不同。

或许在仝的眼里，我们人类好似动物园里树懒，偶尔抱着树干嚼着树叶，多数时间都在睡觉，几乎静止不动。

四是逆反型。

这些人希望暂停AI研发，甚至让技术倒退。遗憾的是，AI时代的卢德分子连自己想要破坏的机器都找不到，他们只会埋葬自己，甚至连自己被埋葬的事实都不知道。

2023年初有过一段时间，马斯克等人联名写信，要求暂停AI研究，引起社会热议。不久后，人工智能教父、谷歌副总裁杰弗里·辛顿（Geoffrey Hilton）也突然宣布从谷歌离职，并声称后悔自己对人工智能做出贡献，不禁让人联想起奥本海默后悔发明原子弹的尘封往事。如今这些反抗都已停止。

我建议这部分人把破坏的冲动升华为建设的力量，换个角度去做好AI研发的监督，参与各类监管政策的讨论。总之，做点有用的进步的事情。

五是躺平型。

这些人笃信，AI会带来更短的工作时间和更高的经济收入。AI工具的导入的确让躺平党获益不少，因为掌握专业技能的人的相对优势被工具抹平了，所有人实现了平权。

然而，各领域的进入门槛降低后，进阶标准就会水涨船高。新技术让原本很难的东西变得不再难以后，我们就不得不学习更难的东西以分出胜负。于是，新一轮竞争开始，内卷升级。

AI时代的人们要花费更多学习时间，终身学习将从额外选项变成默认要求。当初相机的发明迫使画家们发明新画风，如今Midjourney的出现也会督促画家进一步升级自己的创新能力和创意水平。

所以，如果绘画不会消亡的话，它必然会迎来新的艺术高峰，就像围棋选手被AI打败后悟出了新境界一样。

我建议这部分人把躺平变成暗推，在他人不注意的时候拼命努力，最终实现躺赢。

5.3.3 AI的正确打开方式

我在1993年拥有了第一台计算机，1998年开始上网，之后移动互联网、大数据、区块链、元宇宙到人工智能，每一轮都没落下。虽然没有学会复杂的编程技术，但我始终以开放的心态拥抱新技术，在工作学习生活中应用新工具，并因此不断得到加持和助力。

我在实践中总结出两条原则：一是“有比没有好”，二是“早用早获益”。在学习、讨论、思考和实践AI技术大半年后，我大致形成一些观点，给大家参考，帮助大家更好接轨人工智能。

第一，牢牢把握安全底线。

当前许多AI工具都属于GenAI（生成式人工智能），其背后都是服务提供方，这些科技巨头还是遵循互联网时代的“魔鬼契约”，即用个人数据换取企业服务，放弃安全以换取自由。我们输入系统的数据，以及随之生成的数据，都属于平台。

为了守住安全底线，国家已经出手，制订法律法规，个人也需努力，在与 AI 平台签订服务协议的同时，还要和自己确立几项“安全协议”。

一要尽量使用正规机构开发的正规平台和软件，因为许多网上的工具是第三方套壳，或使用明文发送内容，容易泄密。

二是不要随意披露自己和他人的隐私 ，不要轻易上传所在机构的内部文件，更不要泄露商业秘密，对于难以判断是否敏感的内容，可以采取“宁可信其是、不可信其非”的高标准来规避风险。

三是分享问答内容时要慎重，避免个人数据和生成内容流出，被人肆意滥用和非法占用。

上述几点主要适用于文本生成类GenAI。涉及图片、声音、视频等生成时，情况更加复杂，建议酌情修订。

第二，大胆探索自由可能。

获取AI工具最大红利的思路有二：

一是积极试错和快速迭代。建议大家在纷繁的碎片信息中梳理出信息源头，通常是一些技术专家，然后，持续关注他们发布的最新工具动态，及时申请测试，持续更新自己的知识和技能。

二是错位竞争和有效协同。未来许多领域都会出现不对称性，机器拥有相对于人类的碾压性优势，所以人类必须找到适合自己的新定位。

机器的硅基大脑的优势是海量数据、强大算力以及模仿人脑相关机制后，量变到质变（more is different）得来的创造力。

人类的碳基大脑优势是可以用更少的数据、计算和能耗，快速做出相对较好的判断，我们的常识、惯例和直觉，让我们可以用简单法则应对复杂问题，获取少即是多（less is more）的红利。

所以，未来人类和机器或者会重新分工。

第三，坚决守护自主意愿。

如果AI继续进化，那么有朝一日，机器作为我们的外脑，将与我们的内脑完全融为一体，到那时，人类唯一的价值就是为AI提供意向性，Attention is all you need，注意力和想象力指向哪里，机器就在哪里创造新的现实。

我以为，机器产生自主意愿是个小概率事件，但人类放弃自主意愿却是大概率事件。毕竟，面对不确定时放弃自由换取安全是刻在人类基因里的本能冲动。

过去人类臣服于强权，未来很可能会皈依于机器，不再提问和调优，只是看着机器生成、生成、再生成。

人一旦放弃自主意愿，接受了机器权威，他们将彻底异化和退化，成为可有可无的附庸与摆设，机器（以及得到机器加持的他人）就成为他的控制者，侵占和剥夺他的自主。那些失去自主意愿的碳基生命，将成为硅基智能圈养的宠物，可以随意抹除。所以，AI可以做人类自主意愿的副驾驶，但不能放任它成为完全自动驾驶的思维替代者。

我建议追求自主的人们不要做AI时代的边缘人和局外人，而要做主人翁和主宰者，一个碳基prompt（念想、意向、灵感、提示、符咒）生成器，一切机器生产创造的发动机（起点）和目的（终点），做从0到1的始作俑者。

此外，从意愿内部来看，机器是人类自动加工系统的延伸，让大象（情绪）变得更加强壮，却没有改变骑象人（意志）弱小的现实。

第四，及时强化自主资源。

根据AIGCxChina研究员马千里的研判，当前全球AI革命有三大流派：

一是以OpenAI、Google等为代表的大企业派，率先发展，拥有天时，好比三国中的魏国。

二是以中国大模型创业公司为代表的小企业派，雄踞一方，拥有地利，好比三国中的吴国。

三是以斯坦福大学等高校为代表的开源社区派，民心所向，拥有人和，好比三国中的蜀国。

对应三足鼎立的格局，从资源视角看，接轨AI有几个策略：

一是舍得花钱，购买大公司的优质付费服务，把自己的经济资源转化为技术优势，尽快提升个人生产力。

二是愿意找人，关注和跟踪小公司的模型项目，为自己的社会资源丰富专家人脉，及时获取业内最新资讯。

三是肯花时间，搜索和测试各种开源项目的技术工具，变自己的时间资源为经验优势，甚至尝试开发属于自己的专用程序。

目前一些AI工具的技术和外语门槛还是比较高的，对文科生不友好，但未来它们会像手机APP一样简单易用。你一定要赶在他人之前接触和熟悉这些工具，一定要舍得投入。

我想再次重申，所有对信息工具的投入，不管金钱还是时间，永远都是合算的，都会带来超额回报。而且，使用越早，收益越大。

第五，精准提升自主能力。

为了更好获取AI红利，我们需要有针对性地提升一组能力。后面几个小节会重点讨论。

5.3.4 AI时代的人机协同三段论

都进入AI时代了，为什么还要人机协同。AI和机器不能包打天下吗？

是的。

我发现存在一个“不可能三角”（Impossible Triangle），即内容生产的创造力、精准性和规模化无法同时成立。

传统的专家生成内容（PGC）优势是创造力和精准性，但无法规模化；后来互联网时代出现的用户生成内容（UGC）优势是规模化，但缺乏创造力和精准性；人工智能生成内容（AIGC）兼顾了创造力和规模化，但精准性弱一些。

“不可能三角”最简单有效的解决思路是人机协同，优势互补，专家+AI。

这种人机协同，需要流程再造，专家做专家擅长的部分，AI做好AI擅长的部分。从时间上看，人机协同的工作流（Workflow）可以划分为三个阶段：

前期是人类主导的创造（Create）阶段。

人类提出从0到1的构想，表现为发送给各种AI程序的提示词（Prompt）等任务要求。

过去这部分工作主要由老板、甲方和创作者本人完成，也是我在前文强调的自我意识、自由意志和自主意愿的主要表现。灵感、洞见、开悟、妙手偶得、缪思女神的垂青，大多发生在这一阶段。

在AI成为想象中的灵魂机器之前，人类在创造阶段的作用不可替代、不会撼动。

中期是AI主导的生成（Generate）阶段。

AI根据人类要求，基于数据和算法（各种预训练模型等），在算力支持下，把提示词变成内容，完成从1到N的劳作。

这是纯体力活，过去主要由专业人士完成，如今他们的经验和技能通过内容被标签化，转化为各种训练材料，培养出比他们更加优秀的各种预训练模型。

目前的AI还只是一个认真听话、吃苦耐劳的大学毕业生，可以快速提交许多70-80分的作品，用数量换质量，确保人类能找到一些有用的东西。相比于文字，图片、语音和视频的容错率更高，用户满意度也更高。

参考过去半年里AI工具的升级速度，我相信AI在2025年之前就会青出于蓝而胜于蓝，成为比他们的人类老师更优秀的专家。这个办公室、实验室、工作室里AI替代专家的过程，只是过去车间、厂房里机器替代工人的翻版。

从长远看，AI会彻底解放专业技能生产线上的人类，无论体力劳动者还是脑力劳动者。

被下班的人类必须找到新的定位，要么向人机协同的两端转型，要么学习建构AI尚未具备的新技能，成为新的专家。

后期是人类主导的对齐（Alignment）阶段。

人类对AI的生成结果进行评估，并给出调优（Tuning）的建议，在不断调整中最终确保人机协同的成果符合人类规范和预期，实现从N到1的回归。

如果你和我一样自诩是专家，你会无奈地发现，在我们的专业领域，AI其实做得比我们差，而且常犯低级错误，明显靠不住；但在我们的专业之外，它看似做得比我们好，但我们缺乏评判对错和好坏的能力，有些吃不准。

正是因为AIGC的内容不准，需要对齐，所以人类保留了作为“万物的尺度”的功用，成为后期不可替代的主角。

从信息加工模式来看，创造阶段和对齐阶段都是人脑在做控制加工，需要自我意识、自由意志和自主意愿参与明确目标、制定计划、评估结果、改进方案。

这里我们可以引入其他信息管理与自我管理类数字工具，以降低认知负担，放大意志强度，提高创造阶段和对齐阶段的能效。

生成阶段以AI为主、人脑为辅，本质上都是自动加工，执行计划和生成结果不需要自我意识、自由意志和自主意愿的参与。这里的AI完全就是人类大脑自动加工的延续和外部化，人类的碳基大脑是基础，AI的硅基大脑是强化。

硅基大脑如果多跑腿，碳基大脑就可以多偷懒，这或许就是我们人类未来进化的方向。

碳基大脑和硅基大脑的结合有三层境界：第一层是大数据等辅助智能（Assisted Intelligence），第二层是GPT-4等增强智能（Augmented Intelligence），第三层是自动驾驶等自动智能（Autonomous Intelligence）。目前大多数人还在第三层，小部分人处于第二层，极少数人进入第一层。

5.3.5 AI的两类角色和人类的两种指令

我还发现，AI的两类角色贯穿人机协同三阶段：

第一类是AI作为人类认知系统的数字参谋，和人一起寻找灵感，讨论问题。它甚至可以分饰多角，独木成林，充当个人和机构的智囊团和私董会，为重大判断和决策提供参谋意见。

第二类是AI作为人类行为系统的智能助手，和人一起处理杂务，解决问题。它不仅可以帮助收集数据和信息，还可以调动其他机器和设备采取行动。

AI的两类不同角色，需要人类给出两种不同指令。

第一种是提问型指令，要求AI回答特定问题，如“新书发布会都有哪些流程”“如何描述这张海报的特点”等。

此时，我们心中还没有答案和方案，希望AI给出更多参考和借鉴，然后在AI的意见和建议基础上，逐步形成自己的看法和做法。这里的AI相当于传统搜索引擎的升级版，只是关键词变成了提示词，搜索键变成了生成键。这也是为什么微软的Bing会积极融合ChatGPT，Google会开发Bard。

第二种是描述型指令，要求AI解决具体问题，如“请帮我写一篇在新书发布会上的致辞稿，300-500字，口语风格……”“请帮我绘制一张新书发布会的海报背景，平面风格，16:9，内容为温州城市风光……”等。

此时，我们已经做出判断和决策，心中已有答案和方案的模糊影子，希望AI根据我们只字片语的指令，把我们心目中理想的答案和方案生成出来，甚至执行落实，产出结果。

不同AI工具，在扮演两类角色，处理两类指令时的表现略有差异。但总体而言，AI擅长发散和演绎，拙于聚焦和归纳。

因此，当你心中尚无固定想法、给出开放式提问时，AI往往能给出天马行空的奇思妙想，为你带来意想不到的惊喜。但如果你心有所念，只是暂时无法言说，给出具体任务描绘时，AI往往会给出一些似是而非的自说自话，或是一本正经的胡说八道，让人失望。

5.3.6 与AI共舞的五种能力

改善AI的表现，从好玩到好用，长期看靠技术迭代，短期看靠指令优化。指令优化，就需要我们切实提高自主能力。

设计心理学家唐纳德·诺曼（Donald Norman）认为，存在一个“特斯勒的复杂守恒定律”，即问题的总复杂程度保持恒定。

如果前期设计师多花时间优化系统，那么后期用户就少花时间学习使用。反之亦然，即如果设计师少花时间，则用户要多花时间。显然，前期多花时间更合算。

这个复杂守恒定律，在认知领域也成立。人们前期编码记忆时花费的时间越多，未来提取记忆时花费的时间就越少。同理，人们前期花费在技能提升方面的时间越多，未来调用相关技能时花费的时间越少。

AI时代更是如此，我们前期必须提升五种能力，才能在后期更好地与机器共舞。

一是提问的能力。

很多年前，我读过一本叫《绝佳提问》的书，一针见血地指出，未来的超级计算机能帮我们解答问题，所以答案变得廉价，但是问题变得更有价值。

我们已经进入“所问即所得”的“美丽新世界”，未来许多逻辑会被颠倒，如提问将大于解题，审美将大于实用，过程将大于结果。由于AI是个相对被动的回答者，所以我们的问题质量决定了他的答案质量。

我们提问后，AI自动回复的过程，与人脑自动加工的机理同构，因此，我们可以推测，在使用AI问答的时候，也会存在“中间者效应”，即能力很强的人和很弱的人都会受益，但中间水平的人会受损。

能力很强的人，学识多见解深，可以问出更好的问题，因此可以获得更多反馈。

他们本来就知道我们不知道的东西，如今他们通过AI知道了更多。他们不仅懂得“问对”问题，还会问“对的问题”。他们不仅会善于提出新的问题，还精通于解构旧问题、建构新问题，由此探索已知之外的未知领域，挖掘潜在空间的相邻可能。

能力较弱的人，没有知识的诅咒，没有禁忌与束缚，作为“门外汉”可以问出“傻白甜”的问题，更简单、朴实、基础的问题（费曼法），甚至问出错误的问题。

失误是上帝给小丑最好的礼物。在从0到1的过程中，许多创新都是始于错误，在错误的地方找到正确的结果。由于小白原本就所知甚少，所以AI给出的回答虽然有少数失真，但已足以让他们邂逅新的可能，眼界大开、脑洞大开。

能力适中的人，处境最为尴尬，知道一点，又不是很多，问不出特别好的问题。

他们的知识储备锁定了他们的探寻答案的空间，也限制了他们甄别答案的能力。遗憾的是，“感谢”互联网的普及，我们中的多数人都是这种半桶水的知道分子，对世间之事看似懂，又不懂，跋前踬后，动则得咎。

综上可见，我们改进提问能力的思路，就是在部分领域积累专业知识，通过问聚焦的、复杂的问题，获取观点建议；在其他领域则坚持空杯心态，通过问开放的、简单的问题，换得灵感启示。

二是描述的能力。

如果是提问考的是通识，描述考的就是表达，前者是专业课，后者是语言课。在脑机接口成熟之前的很长时间里，我们和AI对话的主要方式将是自然语言，精英中文和英文的人，与AI交流时明显占优。你可以把AI看作是自己的贴身秘书。

以GPT和文心一言等对话AI为例，它们是“万金油”和“半桶水”的合体，无所不知，学艺不精，比上不足，比下有余，虽然没有专家那么厉害，但比你手下新来的大学生或实习生，甚至刚参加工作几年的普通员工要强一大截。

它们也是“老黄牛”和“马屁精”的合体，任劳任怨，甜言蜜语，最听你的话，也说好听的话。要让秘书发挥最大效用，你当钻研领导的艺术，精通描述的方法，按照精准、精简、精彩的原则，为任务提供背景意义、目标定位、方向原则、步骤流程等信息，把AI回答问题时的探索空间限定在特定范围内，从而提高精度、质量和效率。

具体如何和AI对话，市面上已有很多关于提示词的书籍，建议选读并举一反三。

另外，我要再次提醒你，你可以跟秘书坦诚，但不要坦白。要坚持保密法则和安全底线，把握沟通的分寸和尺度，该说的说，不该说的不说。

三是编程的能力。

虽然自然语言是目前提示词的主流，但这主要是因为多数人不会编程。一旦学会编程，就能更加准确高效地表达诉求，人机协作。

而且，AI是最好的编程老师，会认真给出代码，耐心解答疑问。你可以把自己遇到的高频、痛点、刚需问题告诉它，与它讨论解决思路，请它教你编写代码，批量处理问题。

比如说，我有数千个笔记文档，希望统一地增加特定格式的文档创建时间标签，以方便排序和检索。手动操作极其费时，但在AI的指导下，我很快写好了程序，运行后几分钟就弄完了。

学习编程思维，提高编程能力，就是要在AI的帮助下，流程化、自动化、批量化地解决重复劳动。毕竟，数学再好的人，也没必要口算开方，拿计算器按几下多好。如果没有计算器，就自己做一个。总之，在编程上的每一分投入，未来都将带来数倍的回报。

四是批判的能力。

批判的能力主要对应提问的能力，主要跟“求真”的事实性任务打交道。

尼采说过，工具参与了我们思想的形成过程。维特根斯坦说他用钢笔来思考，头脑经常跟不上钢笔写成的东西。

我们碳基大脑的运转频率也已经跟不上AI硅基大脑的演进速度，所以我们比历史上任何时代都更需要批判精神。我们必须敢于怀疑AI给出的答案，就像怀疑浮现脑海的自动加工结果一样。

以对话为例，如前文所述，我始终认为人机协同存在一个左右为难的尴尬——我擅长的事情不敢交给AI去做，我不懂的事情不敢轻信AI。

解决方案就是分类处置：特别重要的任务，亲力亲为，不要相信AI，它能力不济；不太重要的任务，与AI分工协作，但始终留有质疑。

我很庆幸自己在GPT出现之前就完成了知识储备，养成了批判思维。对于AI给出的回答，不能不信，也不能全信。

要时刻提醒自己，“AI是个爱讨领导欢心的秘书”，为了不让你失望，它会竭尽所能，即便瞎编乱造，也要给你奉上一个看似美好的答案。

直接接受AI的答案，就好比贸然点击搜索结果的第一个链接：你可能看到权威网站的正规内容，也可能遇到商家的付费广告，甚至可能落入诈骗团伙的连环陷阱。

古人给的建议叫“尽信书不如无书”，对待AI给出的答案，也要慎思明辨，要正视内心的疑惑，随时抽查以验证。

第五，鉴赏的能力。

鉴赏的能力和描述的能力相对应，主要针对“求善”和“求美”的创造性任务，如用GPT和文心一言写一篇美文，或者让Midjourney和Stable Diffusion来画一张美图。

在你给出提示词之后，AI会生成多个版本的内容供你参考。然后，你征求客户反馈，针对性地对齐调优，甚至手动精修，最终把AI提交的70-80分的草案变成90-100分的定稿。

在AI时代，作品的品质主要取决于你的品格与品位。

你对“善”的鉴别能力和对“美”的欣赏能力，整合为你的鉴赏能力，决定了作品到底是garbage还是legacy。在一个内容大爆炸的年代，我们需要你的鉴赏能力与批评能力一道，构建一张精致的滤网，让真善美通过。

上述五种能力，以及尚未提及和穷尽的其他重要能力，有必要融入教育体系。

我们的孩子将是AI时代的原住民，AI将是他们的保姆、老师、顾问和朋友。AI时代的教育应“为未知而教，为未来而学”。

在创造阶段，应该鼓励孩子大胆提问，大胆描述。

在对齐阶段，应该引导孩子学会批判，学会鉴赏。

在生成阶段，应该陪伴孩子接触AI，熟悉编程。这里重点是学好文学、哲学、美学、数学，然后家长参与，共同学习。

对于是否让孩子较早使用AI方面，可能一些家长会有迟疑。我的观点是，迟早要做的事情，不如早做。AI的普及，会像计算器和计算机一样，不可阻挡，我们只能顺势抢跑。在学校开设相关专业之前，家长可以先教会孩子使用。

事实上，AI可以成为家长辅导孩子作业的利器，帮助解答疑问。在AI和编程的学习过程中，孩子和家长处于同一起跑线，可以教学相长，相互学习。

关于解缚的普罗米修斯