Ethan Mollick 论 AI 能力溢出与人的四项优势

我们仍处在AI发展的指数曲线上。我大约每隔几周就会发一篇Substack文章，但随着节奏加快，这有时显得太慢了。在我上一篇文章之后的几周里，AI破解了数学中最著名的问题之一（伴随着争议），以及关于AI带来的风险和应对措施的广泛讨论（同样伴随着争议）。我认为这些担忧，连同不断增多的其他忧虑，归根结底和我在写文章时遇到的是同一个问题：我们非常人性化的系统和流程在跟上AI发展步伐方面进展得有多缓慢。

我不认为担心这件事的人是错的，但我也认为，只关注未来的AI——尽管这很重要——却忽视了AI现在已经非常强大的事实。事实上，新的GPT-6 Astra和Fable 5.1已经足以对经济的大部分领域产生变革性影响，在得到恰当的引导和利用时，它们能够可靠地完成相当于人类数周的工作量。

这里有几个有趣的例子：我让GPT-6 Astra把1977年的文字冒险游戏Zork变成了一款你可以玩的完整3D动作冒险游戏。Zork没有图形，每个地点都是一段散文，所以AI必须决定白房子长什么样、grue长什么样（原版只告诉你在黑暗中你很可能会被它吃掉），以及如何把“与巨魔战斗”变成一段动作场景。我还让Fable 5.1尝试以3D形式重建意大利作家Umberto Eco的图书馆。Eco在米兰的公寓里收藏了数万本书，AI找不到平面图，于是它转而根据十几个视频、基金会拍摄的每个书架的照片以及两份图书馆目录来工作。它逐帧阅读书脊，推断出房间的布局，并把它能识别出的约5000本书安置在27000个书架格位中。它把每本书标记为确定、猜测或未知，并把摄像机从未拍到的书架画在雾中。这项任务，就像Zork游戏以及我最近让AI做的许多现实世界工作一样，本需要研究人员、程序员和设计师花费数周的人力。但我们现在就做到了。

我的观点是，虽然关于未来模型能做什么存在大量争论，但现有模型的当前能力几乎没被利用，而且往往甚至没有被很好地理解。例如，在GPT-6 Astra做到之前，我并不知道它能操作Blender（一款复杂的3D建模软件）。

我把即将出版的书《Co-Existence》的副本给了它，并要求它从AI的视角为这本书制作一个预告片。在我没有给出明确指示的情况下，它着手使用Blender构建了一个完整的动画3D场景（这并非易事），还配上了带有一些笑话和反转的脚本（我否决了它加的第一个笑话，但第二个相当不错）。然后它想出了如何生成人声、音乐和音效，并在45分钟后把这部影片交给了我。最终成品感觉比我想要的更有不祥之感，但那是AI的决定，不是我的。

为了看看它还能走多远，我提示道：“不错，但我其实想让你基于《共存》制作一部动作电影预告片。玩得开心点。不超过 30 秒。”它再次写出了一个剧本，并在 Blender 中制作了一个 3D 原型。在我要求一个更具电影感的版本后，它把 Blender 动画当作分镜脚本，通过我的浏览器操作了一个视频生成器，并把生成的镜头剪辑成了最终的预告片。我给了一些小的创意反馈，但从未参与任何制作决策，甚至不清楚它究竟是如何完成任务的。你可以在这里看到结果。

这些尝试中有很多你可以发现的缺陷。但它们也是 AI 运用某种判断力和创造力的例子，而这些不久前还被认为是人类独有的特质。而且它们都只用了我付费的 ChatGPT 账户 token 预算的一小部分。我认为这些是有趣的演示，但也有点可怕，因为 AI 在曾经纯粹属于人类的事情上变得越来越好。尽管如此，这些项目没有一个是自行发生的。我选择了它们，我对 Zork、Eco 和我自己的书足够了解，能看出 AI 在哪里出了错，并在第一个版本不对时要求第二个版本。能力过剩（capability overhang），即这些模型能做什么与几乎所有人正在用它们做什么之间的差距，是一个机会，因为大多数人并没有把自己的优势带入 AI，而那些带了的人从中收获更多。

这就是为什么我认为我们需要专注于我们自身那些即使在 AI 能力提升后依然有用的个人特质。你不是要在产出上与 AI 竞争，那是一场必输的游戏。相反，你想利用你的人类优势作为与 AI 合作的基础，去做你们单独都无法完成的事情。在我的书中，我概述了四项重要的个人优势，如果你想以独特且能自我提升的方式使用 AI，它们非常关键：深度知识、广博知识、品味和能动性。

四大优势

前两项优势来自你所知道的。深度知识是这样一种专业能力：你对某个领域或主题理解得足够透彻，以至于围绕它建立起直觉，从而能够快速准确地做出决策。这就是为什么一位经验丰富的会计师扫一眼电子表格就知道出了问题，或者一位高尔夫职业教练看一眼挥杆就能立刻明白球手犯了什么错。这也是为什么我能在几秒钟内判断出第一部预告片比书本身要阴森得多。深度知识是专家的领域，也是真正理解“锯齿状前沿”（Jagged Frontier）形态的唯一途径，因为只有专家才能理解 AI 成功或失败的模式——至少在他们的专业领域内是这样。它还有助于你适应变化，因为深度知识让你更容易从一个做事的人转变为一个管理事情的人。而 Anthropic 最近的研究表明，专业能力也塑造了 AI 回馈内容的质量。专家不仅能从 AI 那里得到更好的工作成果，还能得到更多的工作成果。

但你不仅需要深厚的知识，你还想要广博的知识。大语言模型的训练数据是人类浩瀚产出中的很大一部分。AI 已经学到了一些设计思维、贝叶斯推理、丰田生产方式、罗杰斯式疗法和马克思主义文学批评。但除非你知道该问什么，否则 AI 往往不会主动提及这些模式。

广博的知识正是用在这里。我们举一个例子：AI 处理设计工作的方式。如果你曾让 AI 创建一个网页，它会有某些偏好，包括一个非常恼人的习惯——在你的标题上方再加一行小标题。如果你没有任何设计基础，你可能意识不到需要让 AI 停止在作品上“添加眉题”。这也是我为什么知道用 Blender 动画作为视频生成器的故事板是拍电影的合理方式，而不是 AI 在胡乱发挥。如果你懂得正确的术语，要求修改就很容易。要获得广博的知识，你需要广泛阅读和学习，跨越不同领域、形式和传统。这本身就有价值（博雅教育的回归！），而在 AI 时代更是如此。

现在让我们回到我上面演示的视频和项目……你可能对其中某一个有本能的反应，或者全都讨厌。你可能发现了一个你希望看到更多的主题或想法。在这个过程中，你正在使用 AI 时代人类的第三个差异化因素，品味。在 AI 之前，创作东西既困难又缓慢。写一份草稿要花几个小时。生成二十个产品概念需要一个团队花一周时间。一篇学术论文可能要花数年时间。限制因素始终是产出足够多的东西。而现在，创作既快速又廉价。稀缺的资源是你运用自己的品味在众多作品中进行筛选的能力。同样，在预告片中，我否掉了第一个笑话，保留了第二个。我要求做一个更具电影感的版本。这些就是我在预告片上所做的全部决定，但它们是基于我的品味。

有些人对大众会喜欢的东西有品味，有些人有自己独特的品味，还有些人则对新颖的事物有品味。是的，生成式 AI 主要产出的是垃圾：大量彼此雷同的作品。但垃圾可以被品味打败。用 AI 创作出伟大的作品意味着知道哪些 AI 输出该保留，哪些该丢弃，哪些该用作原材料去创造 AI 自己永远不会生成的东西。

最后一个人类优势，能动性，可能是最重要的，也是最难讨论的，因为它很难定义，且是大量争论的主题。但在 AI 的语境下，我认为它是一种在所有人都同样困惑于 AI 能做什么的时候，去测试可能性边界的意愿。在你的领域，锯齿状的前沿尚未被绘制，所以能动性就是成为一名探索者。这正是等待别人告诉你 AI 现在能做某事，与通过尝试自己发现它之间的区别。这也是我做这么多奇怪 AI 实验的部分原因——比如试图让 AI 玩游戏——这让我学到了很多关于 AI 能做什么。

一段关于我的书的预订特典的插曲

我在 Co-Existence 中讨论了这四大优势以及更多内容，该书将于 10 月 20 日出版。如果你预购该书并告知我 co-existence.ai（预购真的对作者很有帮助），我们将在一两天内向你发送一个链接，让你免费体验一次与 AI 的语音访谈。它会询问你所知道的、喜欢的以及尝试过的内容，然后为你生成一份报告，涵盖你自身的深度知识、广博知识、品味和自主性，以及围绕这些构建的用例和提示词。

这一切将把我们带向何方

目前关于 AI 的大多数焦虑都集中在未来的模型以及我们是否能够控制它们上。各国政府和 AI 实验室争论如何管理发展速度以降低这些风险，这似乎是合理的。但放缓并不能抹去已经存在的事物。如果每个实验室明天都停止训练新模型，这也不会改变 GPT-6 Astra 和 Fable 5.1 已经足以改变大部分经济运作方式的事实。这些模型今天所能做的与大多数人正在用它们做的事情之间的能力落差是巨大的。

因此，无论前沿发展节奏如何，变革终将到来。它不会一蹴而就，也不会均匀分布，但它是不可避免的。然而，不可避免的变革并不意味着变革的类型也是不可避免的。我们作为社会，越来越需要发展并共享 AI 与人类协作的模式，使其增强而非仅仅取代人类劳动。同样重要的是，我们作为个人，要以增强而非仅仅取代我们自身努力的方式使用 AI。我不认为存在我们可以指着说 AI 永远不会越过的明确界线（见上文）。但你的四大优势是一个今天就可以开始的起点。

立即订阅

分享

Zork 项目和 Library 项目都是开源的，如果你想修改它们，尽管动手（Zork 本身就是开源的）。