过去人们担心 AI 做得不够好。今天一个几乎相反的问题正在出现如果 AI 什么都能做得很好甚至在越来越多的领域接近完美那么“做得好”本身还值多少钱写一篇结构完整的文章生成一张技法成熟的图像编写一段悦耳的音乐整理几十份材料解决一个边界清楚的问题——这些事情过去需要长期训练有时还需要一个团队现在却正在迅速变成随时可以调用的能力。面对这种变化人最自然的反应是寻找 AI 暂时还做不到的事希望在那里为自己保留一块安全区。可是这条边界一直在移动。今天被认为只属于人的能力明天或许就会成为模型更新日志里的一行文字。于是真正值得追问的也许已经不再是“AI 还有什么不会做”而是当 AI 把一种能力从稀缺变成富足以后什么东西会因此变得更加稀缺当答案越来越便宜提出问题会不会变得更加重要当问题也能被批量生成判断哪个问题值得投入十年会不会变得更加重要当技法可以随时调用个人经历、审美与责任会不会反而更加珍贵当高度完成的作品可以被无限复制我们又会为什么感动这些问题看似分别属于教育、科研、艺术和人生背后其实指向同一件事AI 正在重新分配能力的价值。它并没有简单地让人的价值消失而是在把人的价值不断推向更上游的位置。十条创造法则究竟想保护什么最近我读到一本书叫《吾辈如神》。作者彼得·戴曼迪斯和史蒂芬·科特勒长期关注指数型技术、心流与创造力。书中附有一组“AI 增强创造力的十条法则”不可外包你的灵魂为心流而奋斗珍视初稿将 AI 当作磨刀石而不是拐杖保留创造的乐趣为数字影响设定边界不要把效率等同于深度与机器一同训练心智尊重偶然性和混乱以及始终保持主导地位不要沦为机器的附属品。这些原则单独看都很有道理但如果只是逐项念一遍它们很容易成为另一组听起来正确、几天以后却记不清楚的格言。真正有意思的问题是为什么偏偏是这些原则它们共同想保护的究竟是什么答案也许并不是某几项孤立的“人类独有能力”。这些原则共同保护的是一个人如何形成自己的判断他如何从经历中产生关切如何从无数可能中形成品味如何在困难中磨炼判断又如何在偶然的偏航中认出原本没有计划过的可能。换句话说AI 时代真正需要思考的已经不只是应该学习哪一种新技能。更深的问题是我们应该把自己培养成一个什么样的人。信息可以被传递经验只能亲自度过假设你想参观纽约大都会艺术博物馆。今天你完全可以不去现场。网上有高清藏品、虚拟展厅和专家讲解AI 还可以根据你的兴趣为你设计一条效率极高的参观路线。你可以放大作品细节同时调出作者生平、历史背景和艺术评论。从获得信息的角度看这种方式甚至可能比普通游客在博物馆里走马观花得到得更多。可是它仍然无法替你站在一幅真正的巨型画作面前感受到作品与身体之间的比例无法替你在展厅里走了两个小时以后因为疲惫而改变观看速度也无法替你原本冲着一件名作而去却在一个不起眼的角落被一件从未听说过的器物吸引。几天以后你甚至可能发现真正留在记忆里的恰好就是那件不在计划之中的作品。AI 同样可以把两个小时的电影压缩成十分钟告诉你人物关系、情节反转和主题隐喻却不能替你经历这部电影如何在时间中展开。它无法替你等待一段沉默也无法替你感受一个演员的迟疑怎样在几分钟以后才逐渐显出重量。这当然不是反对虚拟博物馆、电影解说或者 AI 摘要。对于无法亲临现场的人数字工具提供了极其珍贵的入口。真正需要警惕的是我们原本把入口当作通往经验的工具后来却逐渐把入口误认为经验本身。鲍德里亚在《拟像与仿真》中提出过一个深刻的担忧模型不一定永远跟在现实之后它也可能走到现实之前反过来塑造我们认识现实的方式。放到今天推荐系统提前告诉我们什么值得看短视频删除等待与无聊AI 摘要把复杂体验压缩成几个结论。时间久了我们甚至会开始嫌弃真实的博物馆太累真实的电影太慢真实世界不够紧凑。模型原本帮助我们理解现场最后却可能开始规定什么样的现场才值得经历。而经历之所以重要并不只是因为它更丰富或者带有某种浪漫色彩。经历会塑造一个人的注意力而注意力最终决定他会被什么问题吸引。知识决定能回答什么经历决定愿意追问什么《枪炮、病菌与钢铁》的起点就是一个很好的例子。贾雷德·戴蒙德长期在新几内亚进行田野研究。在那里一位当地人亚利向他提出了一个看似朴素的问题为什么欧洲人拥有那么多物质产品并把它们带到了新几内亚而新几内亚人拥有的却相对较少戴蒙德后来把整本《枪炮、病菌与钢铁》看作对这个问题的漫长回答。当然这本书并不是由一句话凭空变出来的。在那次谈话以前他已经积累了生理学、演化生物学、生态学和地理学方面的训练也长期生活和工作在新几内亚。亚利的问题所做的是把这些分散的知识和经历集中到一个无法轻易放下的中心问题上人类社会之间如此巨大的物质与权力差异究竟从何而来今天的 AI 完全可以生成这个问题也可以迅速列出一百个相似的问题。然而生成一句疑问与一个问题真正进入某个人的生命并不是同一件事。亚利从自己的历史处境中提出这个问题戴蒙德因为多年的在场理解这个问题背后的分量。所以我很喜欢这样一句话知识决定一个人能够回答什么经历往往决定一个人愿意追问什么。但这里还可以再向前走一步。AI 可以生成问题也可以模拟关切的语言可它不会因为一个问题多年没有答案而付出自己有限的人生不会因为选错方向而失去其他可能也不会因为一个判断造成真实后果而承担一个具体的人需要承担的责任。因此“经历不可外包”的更深一层其实是关切与承担不可外包。一个问题之所以真正属于你并不只因为它曾经出现在你的脑中还因为你愿意为它投入时间承受失败让答案反过来改变自己并为最终的判断负责。这已经不再只是一种能力。它是一种人与世界发生关系的方式。AI 时代稀缺的不是问题而是方向我们经常说AI 越来越擅长回答因此未来最重要的能力是提出问题。这句话很吸引人却已经不够严谨。今天的 AI 同样能够提出问题、生成假设、设计实验甚至帮助研究者进入此前没有想到的方向。人与 AI 之间的区别已经不能简单概括为“AI 回答人类发问”。真正困难的事情是面对无数都可以研究的问题怎样判断哪一个真正值得追问一个学生可以非常擅长解决别人已经给出的题目。题目有清楚的边界目标已经确定答案可以判断训练也能够被系统化。这种能力当然重要甚至是进入真正研究的必要基础。没有扎实的基本功任何关于原创性的赞美都可能只是空话。可数学家、物理学家或者真正的研究者最终必须进入一个没有题目册的世界。那里没有人提前告诉你哪一道题值得做没有标准答案保证方向正确也没有分数立即证明过去几年是否被浪费。研究者必须在开放空间中判断哪个异常值得追踪哪个看似微小的问题可能连接着更大的结构哪个方向值得在答案尚不存在时继续前进因此更准确的表达不是“做题不再重要”而是封闭问题的解决能力正在相对贬值开放问题中的方向判断正在升值。这种方向判断在科学研究中有一个极为贴切的名字taste也就是科学品味。科学品味从无数可能中感觉到什么有生命力杨振宁曾多次强调品味和风格对于科学研究就像它们对于文学、艺术和音乐一样重要。所谓科学品味并不只是科学家主观上喜欢什么也不是把“漂亮”或者“优雅”当成脱离事实的审美装饰。它是一种长期形成的方向判断面对无数未解决的问题哪一个只是技术上的困难哪一个暴露了理论深处的裂缝哪一种数学结构只是形式漂亮哪一种可能成为理解自然的新语言哪一个异常大概率只是噪声哪一个可能迫使整个理论重新组织科研世界从来不缺问题。真正稀缺的是从无数可能的问题中感觉到哪一个问题具有生命力。杨振宁自己的科学品味也并非凭空出现。他在西南联大求学时接触群论、对称性与统计力学这些早期训练持续塑造了他的兴趣与研究风格。后来他对规范不变性产生强烈兴趣希望把这种思想进一步推广。周围很多人当时并没有被这个方向同样吸引而这条由知识结构、理论直觉和研究品味共同选择的道路后来通向了杨—米尔斯理论。面对同样的知识不同科学家看到的并不是同一个世界。有人看到一个已经完成的数学形式有人却感到它背后仍然存在一块尚未展开的空间。差别不只在谁知道得更多也不只在谁计算得更快而在长期训练、个人经验、理论直觉和审美倾向共同塑造了不同的注意力。于是前面的那句话还可以再增加一层知识决定一个人能够回答什么经历决定他愿意追问什么而品味决定他认为其中什么真正值得追问。知识提供可能性经历产生关切品味作出选择。当然我们不应该把科学品味说成某种 AI 永远无法触及的神秘能力。AI 未来很可能不只能够生成问题也能越来越好地筛选问题、比较方向、评估证据甚至学习科学共同体过去留下的偏好和选择。但这反而让问题变得更加尖锐。即使 AI 能够提供极好的方向建议最终由谁选择方向谁决定把有限的时间押在一个尚未得到证明的问题上谁在多年没有结果以后决定继续还是放弃谁为判断失败造成的机会成本负责这些仍然是主体性的问题。所谓“不可外包你的灵魂”并不只是要求人坚持亲手写下每一个字。人的灵魂也不只藏在文风和语气里。它更深地存在于你为什么关心这个问题什么经历使它在你眼里变得重要你的品味为什么把你引向这个方向你又愿意为这次选择承担什么初稿为什么仍然珍贵“珍视初稿”同样不是因为人的初稿天然比 AI 生成的内容高明。很多初稿非常混乱逻辑并不成熟甚至充满偏见、跳跃和错误。它的珍贵之处是还保存着那个问题最初进入头脑时的形状。那些不够严谨的联想、无法完全解释的直觉以及看起来有些奇怪的关注点有时恰恰记录着一个人的经历和品味怎样第一次发生作用。AI 可以帮助扩展、反驳、重写和压缩也可以帮助我们发现最初的判断完全错误。但最早的起心动念以及最后愿意为哪一个方向下注最好仍然掌握在一个真实的人手中。因为一项创造首先需要回答的并不是“怎样做得更好”而是为什么是这个问题又为什么由我来做有些困难应该消除有些困难正在塑造你确定方向以后我们会遇到 AI 的另一种诱惑它可以帮助我们跳过几乎所有困难。写不出开头它马上提供五个版本结构混乱它可以重新安排论证不够有力它可以补充例子一个推导走不下去它可以同时尝试更多路径。单独看每一次帮助都非常合理也是 AI 最真实的价值。可当一个人长期跳过所有卡住、犹豫、推翻和重来的阶段他可能越来越快地得到结果却未必会成为一个更成熟的研究者或者创作者。这有一点像力量训练。假如机器替你举起全部重量杠铃确实从地面移动到了空中。从任务角度看一切已经完成。但你的肌肉并没有因此生长。真正使肌肉发生变化的恰恰是它曾经承受过阻力。思考也有自己的阻力。一个论证走不通时你必须重新检查前提一个实验结果无法支持假设时你需要承认原来的直觉可能有问题一个研究方向走了很久仍然没有成果你必须重新判断它只是暂时困难还是从一开始便选错了道路。这些过程看起来低效有时甚至令人沮丧却在训练一种极其重要的东西判断。因此真正成熟的人机协作不应该只是人提出要求然后等待 AI 交付答案。人可以先形成一个不完整、甚至带有偏见的判断再让 AI 寻找反例先提出一种理论结构让 AI 攻击其中最薄弱的部分先作出方向选择再利用 AI 扩大搜索范围检验自己是否遗漏了其他可能。AI 最有价值的角色有时并不是替人消灭思考而是让人的想法承受过去难以获得的压力。它可以成为一个永不疲倦的反对者、审稿人和陪练却不必成为替你上场比赛的人。因为创造从来有两个结果。一个问题被解决以后世界上多了一个答案与此同时解决问题的过程也可能改变研究者自己。他发现原来的判断站不住脚重新理解了一个领域或者形成了过去没有的理论直觉与科学品味。作品是创作的结果创作者本身也是创作的结果。假如 AI 替我们保留了第一个结果却拿走了第二个结果我们当然获得了效率却不能假装其中没有代价。因此成长过程不能完全外包。有些困难值得被工具消除有些困难却是能力生长的环境。真正需要培养的是分辨二者的能力哪些摩擦只是重复劳动哪些摩擦正在塑造我这也可能是 AI 时代教育最困难的问题。问题已经不只是学生会不会使用 AI而是他们是否仍然会经历足够多能够塑造自己的困难。假如所有阻力都被过早消除一个人也许会迅速获得结果却来不及形成自己的判断、耐心与品味。效率要求回到正轨创造有时要求研究偏航除了方向与成长还有一种东西很容易被效率逻辑清除那就是偶然性。我们通常把创造想象成一个目标明确的过程先知道想要什么再选择最好的方法逐步逼近那个结果。AI 尤其擅长这种模式。我们给出目标它提供越来越精准的执行不满意便重来直到图像、文字、声音或者推导接近预期。然而科学史和艺术史中的许多变化恰恰发生在目标之外。1928 年亚历山大·弗莱明注意到培养细菌的器皿中出现了霉菌而霉菌周围的细菌生长受到抑制。他由此判断霉菌可能产生了某种抗菌物质。这个故事经常被概括为“青霉素是偶然发现的”。但偶然本身并不构成发现。实验室里的污染与失败并不罕见。真正重要的是弗莱明没有立刻把不符合预期的结果清理掉而是停下来判断这个异常是否意味着什么偶然只是把偏差送到面前创造发生在一个经过训练的头脑愿意研究偏差的时候。科学中的偏航可能从一次异常的实验结果开始文学中的偏航有时则来自地点、历史与个人处境之间的一次错位。苏轼被贬黄州以后曾多次游览当地的赤壁矶并写下《念奴娇·赤壁怀古》和前后《赤壁赋》。然而他所游历的黄州赤壁并不是今天通常认定的赤壁之战古战场。苏轼似乎也知道其中存在疑问所以他写的不是“这里就是”而是人道是三国周郎赤壁。人们传说这里是周瑜破曹之地。可正是在这个并不精确的地点上眼前的江水与明月、三国英雄的历史记忆以及苏轼被贬黄州以后对盛衰得失的感受突然重叠在一起。真实的战争也许没有在那里发生一场真实的文学却在那里发生了。更准确的地点并不会自动产生更伟大的艺术。有时候事实、记忆与个人经验之间的一点距离恰恰是想象开始生长的地方。苏轼眼前看到的是黄州江月心中进入的却是三国历史他写曹操、周瑜也是在写自己。他没有把眼前山水还原成一处等待核验的地理坐标而是让山水、历史与个人命运彼此照亮最终创造出一个在精神世界中真实存在的“赤壁”。历史上也许只有一个赤壁之战文化史上却因为苏轼多出了另一个赤壁。这是一种富有生产力的错位。在科学中偏差需要被检验我们必须判断它究竟是噪声还是新现象在艺术中偏差有时会被重新组织成为此前并不存在的意义。两者都需要一种相似的能力当世界没有按照预期出现时不要急着把它修正回去。所以我尤其喜欢这样一句话效率要求我们尽快回到正轨创造却有时要求我们认真研究这次偏航。尊重偶然性和混乱并不意味着鼓励无组织、无纪律也不意味着把低效本身浪漫化。一个没有训练过的头脑面对混乱往往只能得到更多混乱。真正可贵的是在拥有知识、技法和品味以后仍然对目标之外的世界保持开放。偏航本身不是能力。辨认偏航是否具有价值才是能力。当完美不再稀缺艺术的价值会迁移到哪里过去技法本身就是一种稀缺。画得准确、弹得稳定、唱得动听、摄影曝光正确都需要漫长训练。人们欣赏一件作品时也会自然地把这种难度和劳动包含在价值判断中。AI 正在改变这种稀缺性。它可以不断生成、不断修改以极低成本逼近一个清楚的目标。构图不满意可以重来光线不满意可以重来配器不满意也可以重来。当高度完成的图像、音乐和文字能够被大量生产完成度本身便不再足以证明一件作品值得注意。换句话说完美可能意味着不再稀缺。那么艺术的价值会向哪里迁移一个可能的方向是偶然、在场以及真实生命留下的痕迹。一场无法复制的演出一个具体的人在某一天的身体状态一次未被计划的停顿一道真实进入镜头的光甚至像苏轼的黄州赤壁一样一次历史与现实之间并不精确的相遇。但这里仍然存在一个陷阱。AI 同样可以制造随机性也可以学习人们眼中的“不完美”胶片漏光、手持抖动、演唱中的呼吸、文字中的犹豫以及私人日记般的语气。只要“不完美”成为一种受欢迎的风格系统很快就能批量供应看起来并不完美的作品。鲍德里亚或许会提醒我们真实性同样可以被生产成一种外观。因此未来真正稀缺的也许并不是粗糙、错误或者偶然的形式而是作品与一个具体生命之间无法完全消除的关系。是谁经历了这件事为什么是他需要表达这件作品与他的身体、时代和处境发生了怎样的联系当作品进入世界以后又由谁对它承担责任艺术最终仍然由人观看、聆听和感受。人们寻找的可能不只是一组足够愉悦的刺激也包括与另一个生命建立关系的可能。我们读《赤壁赋》并不只是因为它的语言优美也因为我们知道一个在政治上遭受重创、被贬黄州的人曾在一个夜晚面对江水与明月重新思考盛衰、得失、时间与生命。AI 可以模拟经验的语言却不能替一个人真正关心也不能替一个人承担。因此AI 艺术真正带来的挑战也许不是简单终结人类艺术。它会迫使艺术重新回答一个早已被技法遮住的问题这件作品为什么必须存在又为什么值得由这个人带到世界上来保护方向保护成长保护偏航回过头看《吾辈如神》的十条原则其实可以压缩成三个要求。第一保护方向。不要把灵魂、初稿和最终决定权全部交出去因为一项创造首先需要回答为什么是这个问题为什么由我来做第二保护成长。让 AI 成为磨刀石与机器一起训练心智因为问题得到解决以后研究者和创作者自己也应该发生变化。第三保护偏航。不要让效率清除所有偶然和混乱因为世界给予我们的重要东西有时恰好不在原来的目标里。如果把这三个要求再向下压缩它们最终保护的其实是同一种东西判断力。经历塑造判断品味引导判断成长磨炼判断偏航考验判断。所以AI 时代最值得培养的或许并不是某一项孤立的新技能而是一种越来越完整的判断力在知识无限时知道什么值得关注在问题无限时知道什么值得追问在答案唾手可得时知道自己是否真正理解在效率成为默认目标时知道哪些困难值得保留在世界偏离计划时知道何时应该修正何时应该停下来看一看偏航究竟带来了什么。但判断力也不是一门能够单独学习、通过一套课程迅速掌握的技巧。它来自一个人真正经历过什么长期被什么问题吸引读过什么见过什么和什么样的人生活过曾经在哪里失败又曾经为什么选择继续。因此AI 时代我们真正需要培养的也许已经不再只是能力而是成为一个什么样的人。AI 没有让人的价值消失它把人的价值推向了上游当答案变得富足判断什么值得回答会更加重要。当问题可以被批量生成科学品味会更加重要。当执行变得富足方向与责任会更加重要。当完成度变得富足真实经历以及作品与生命之间的关系会更加重要。AI 可以替我们资料生成更多图像完成更多任务。它也许会成为人类拥有过的最强大的认知工具。但工具越强我们越需要知道自己为什么使用它。它可以替我们总结一天却不能替我们真正度过那一天。它可以给出无数问题甚至帮助判断哪些问题更有希望却不能替我们决定愿意把有限的人生押在哪一个问题上。它可以帮助我们找到最准确的赤壁却不能替一个被贬黄州的人在一轮江月之下把那个并不准确的赤壁写成人类共同的精神记忆。当机器终于学会了完美人类也许才会重新发现未来真正升值的并不只是某一种能力。而是一个人如何形成自己的经历、品味与判断如何真正关心一个问题又如何愿意为自己的选择承担责任。视频版本文改写自我的同名视频《AI时代 最值得培养的能力是什么? – 《吾辈如神》作者给出的10点建议》。视频版加入了虚拟博物馆、科学品味、AI 辅助创作、青霉素发现与黄州赤壁等案例的视觉化呈现。如果你更喜欢纪录片式的叙事可以观看完整视频。YouTube 视频视频bilibili 视频视频