AI很强大,但有件事目前只有人类在做

侯世达（Douglas R. Hofstadter）一种量子力学中的分形能谱结构的创造者，其著作之一《哥德尔、艾舍尔、巴赫：集异璧之大成》获普利策非小说奖著作，出生于纽约的学术世家，父亲是诺贝尔物理学奖得主。

1985年，侯世达给一个程序出了道题——

桌上放着一个红球，另一个红球在旁边。它们和桌上那个红球，有什么共同点？

程序答：它们都是红色的。

听起来没毛病。但侯世达知道，这个程序什么都不懂。它只是搜索到了”红色”这个属性，然后拼了一句完整的话。

通过考试，和真正理解，是两件事

人类理解一个概念，意味着能在全新场景里应用它，知道它为什么成立，也知道它什么时候会失效。

一个医学生靠背书通过了医师资格考试，但从来没有真正理解过人体的运作逻辑——这叫”知其然”。

一个AI系统通过了医师资格考试，每个答案都写得比医学生更工整、更全面。但它从未见过病人，从未感受过抢救时手的颤抖，从未在凌晨三点被值班电话惊醒的那种心跳。

它只是在计算——下一个词，最可能是什么。

区别在于：医学生在重复一万次”知其然”之后，有一天会突然说”我好像明白了”。AI在重复十亿次之后，依然稳定地不知道自己在做什么。

类比：人类最后的护城河

侯世达把这个问题叫做**”类比”的缺失**。

人类能做到这件事：看到两个表面上毫无关联的事物，然后说”它们是一回事”——因为我们理解的是深层结构，不是表面特征。

爱因斯坦把引力类比成时空的弯曲。达芬奇把流体力学画进了蒙娜丽莎的发丝。乔布斯把书法的美感塞进了第一台Mac的字体里。

这不是知识迁移。这是看到了表象背后的本质，然后把它放回另一个场景。

当前的大语言模型，做不到这件事。它们能在所有表层相似的场景里给出流畅的回答，却不知道自己回答的是什么。它们没有”本质”这个概念，只有”分布”。

设计思维视角：

问题比答案更重要。

定义问题这件事，只有人类在做

AI擅长给出答案，但在定义问题上，从来都需要人来引导。因为定义问题，需要的是看到本质。

这件事，目前只有人类在做。