ARTICLE · 1124192
AI能实现技术平权,却不会缩小认知差距
AI能实现技术平权,却不会缩小认知差距一、说得那么有道理，怎么还是亏了 妈妈：去年听AI分析，买了恒生科技，没买纳指。这笔投资亏得真让人心疼。 少年：你当时为什么信它？ 妈妈：估值、行业、机会、风险，它都讲到了。比我自己想得周全。 少年：看着这么周全，怎么还是选错了？ 带着这个疑问，少年又打开了AI。 AI：我没看到当时的聊天记录，不能判断它哪里说错了。一次亏损也不能直接证明当初的分析错误，投资结果还有运气的成分。 少年：那就没法复盘了？ AI：可以查它当时引用的资料，看看推断有什么依据，还要看建议是否适合你妈妈。比如，这笔钱多久以后要用？跌到什么程度，她会睡不着？ 少年：我妈想知道该买哪个，看来还有不少事得先弄清楚。 AI：分析写得很完整，心里就容易先下结论。可结论前面的那些证据，还没有真的看完。 二、一个晚上做出App，却没有人用 少年：我也遇到过。现在网上到处有人用AI做视频、写文章、做App。东西做好了，才发现没什么人看，也没人用。 AI：我们拿一个你熟悉的场景试试。假如你想做个班级二手书交换App，会先做什么？ 少年：让AI写代码。拍照、上架、搜索、私信，都安排上。以前光想这些功能就头大，现在一个晚上能试出个样子。 AI：你打算怎么让同学用？ 少年：把链接发班群……等等。换一本书，在群里发张照片就行了，为什么还要注册？ AI：这个疑问值得在写代码之前问。AI可以做好你列出的功能，同学依然可能选择原来的办法。 少年：还可以继续让AI加功能啊。比价、推荐、积分…… AI：功能越多，维护的事也越多。你会继续花时间调页面、修错误，离“有没有人需要”这个问题越来越远。 少年：这就很容易忙得特别有成就感。 AI：视频和文章也一样。制作快了，观众每天能看的时间没有跟着增加。作品要给人一个留下来的理由：一个好故事、一条有用的信息，或者一种以前没见过的看法。 少年：没人看就算白做了吗？ AI：练习本身有价值，给几个人解决问题也有价值。还有一种容易被忽略的损失，叫“沉默成本”：已经花掉的时间、写好的代码和投入的精力，会让人舍不得停手。明明没人需要，还是继续加功能、改页面。AI降低了试做的成本，也让继续投入变得太容易。 三、工具都一样，认知差距为什么还在 少年：AI能写代码、会画图，普通人也能做过去做不了的事。这样算技术平权吧？ AI：在获得工具这件事上，平权已经发生了。以前你有想法却不会编程，可能只能搁着。现在可以动手试。 少年：那工具人人都有了，认知差距为什么还会拉开？ AI：想象两个同学都做换书工具。一个不断加功能；另一个先问几位同学，发现大家最头疼的是书卖掉了，群里的旧消息还在。 少年：那标一下“已售出”，说不定就够用了。 AI：他可以让AI做一个简单清单，试几天，再看有没有必要继续。两个人用的是同一款AI，花力气解决的问题已经不同了。 少年：后一个人知道该问谁，也知道该做什么。 AI：这里的认知，指的就是这些具体能力：看见问题、理解条件、判断证据。它也包括对同学习惯的了解，和会背多少知识是两回事。 少年：那不懂代码的人，也可能比懂代码的人做得好？ AI：有可能。懂场景的人借AI补上实现能力，原来做不成的事就能做了。会用工具的人多了，真正了解问题的人仍然少。谁更了解问题，谁就可能做出更合适的东西。 四、最难的，有时是连问题都想不到 少年：可前提是，我得想到去问同学。想不到怎么办？ AI：这就是难处。学校的题通常已经替你写好了条件，生活里的题目要自己找。你看到“没人用”，可能以为页面不好看，也可能怀疑宣传不够。 少年：然后我就让AI改页面、写广告，一直修错地方。 AI：而且AI很容易顺着你给出的任务做下去。你问“怎样增加注册量”，它可能给出十种办法。那些办法都像回事，用户需不需要注册却没有被讨论。 少年：我能不能直接让它找出我没想到的问题？ AI：能。把现状和困惑告诉它，请它列出几种解释，以及区分这些解释需要什么信息。你不用先懂得很深，才有资格向它求助。 少年：那它列完，我照着查就行？ AI：先查最容易验证的。比如请三位同学试着换一本书，看他们卡在哪里。AI提供猜测，你带回实际情况，下一轮讨论就有了依据。 少年：这样问几轮，我自己也会慢慢知道该看什么。 五、听懂了解释，就能判断对错吗 少年：我更担心另一件事。AI解释得很顺，我读着也懂，可我根本不知道它有没有说错。 AI：比如它说“这个市场估值低，所以更值得买”。前半句即使属实，后半句仍要继续查。价格低可能是被低估，也可能对应较差的盈利预期。 少年：我听懂了“便宜”，没发现中间还差一截。 AI：常见的误导就藏在这里。数据可以是真的，推断也可以有漏洞。再加上虚构来源、过时资料，光看文字流不流畅，很难分辨。 少年：我让它“再认真检查一遍”呢？ AI：有时能找出错误，值得做。可同一个模型也可能重复原来的误判。让它把事实、假设和结论拆开，更容易看出哪里需要查证。 少年：它给出链接，我就能放心了？ AI：要打开原文看。来源是否存在，是否支持那句话，统计的是哪段时间，都得核对。两份报告用了不同口径，数字摆在一起也会误导。 少年：那新手什么都要查吗？ AI：按后果分配精力。班会标题不满意，换一个就行；投资分析会影响钱怎么用，就值得多查几层，必要时找专业人士。核验成本要算进使用成本里。 六、AI为什么总能“像”，却不能保证“有用” 少年：讲到这里，我觉得AI特别擅长交出一个“像那么回事”的东西。它到底学到了什么？ AI：以大语言模型为例，它从大量文本和代码中学习规律，包括概念关系、表达结构和解题方法。遇到新问题时，再调用这些规律，生成和组合答案。 少年：就是我们之前说的“基于高维泛化的模仿”？ AI：这句话能帮助理解一部分能力。“高维”可以理解为用很多特征描述事物；“泛化”是把学到的规律用到没见过的问题上。 少年：比如换书App和借球拍的工具，看着不同，都要记录东西归谁、现在能不能借？ AI：对，表面不同的任务可以共享结构。模型能学到这种联系，再组合出新方案。把整个过程归结成“寻找相似答案”就太窄了。它还涉及多层计算，一些系统也会借助推理、搜索和测试探索新解法。 少年：我们以前聊AI做数学研究，就有新的解法。叫“模仿”容易把这些也漏掉。 AI：所以它只适合作为比喻。AI可以有创造性的结果，可靠程度仍要看具体任务和验证。学会一种结构，也不保证每次都用对地方。 少年：可换书App即使功能全对，还是可能没人用。 AI：这就到了“有用”的另一层：它要解决具体人的问题。登录流程很规范，同学嫌麻烦；推荐功能很完整，班里总共只有几本书。功能本身没错，用处仍然有限。 少年：做得越像一个正式产品，越容易让我觉得值得继续做。 AI：这时需要实际使用来检验。模型熟悉产品通常长什么样，班里有没有这个需求，还得从你和同学那里获得信息。 七、技术平权，不会自动缩小认知差距 少年：那标题里的“技术平权”和“认知差距”，到底是什么关系？ AI：工具更容易被大家获得，问题怎么定义、答案怎么核验，仍然需要各自完成。AI让前一件事进步很快，后一件事不会自动跟上。 少年：也不能说用了AI，差距一定会变大。 AI：对。新手可以借它学基础、补技能，个人差距也可能缩小。只是工具本身不会替人完成理解和判断；想让差距缩小，还得把每次使用变成自己的学习。 少年：可我找AI，本来就想省脑子。 AI：整理资料、做初稿、批量处理，这些都可以省。自己还没看懂，就把它的结论当作决定，风险还是要自己承担。工具普及了，替你承担决定后果的人并没有出现。 少年：那AI怎样才算真的帮我提高能力？ AI：回到那个懂换书需求的同学。他知道问题，却不会编程。AI帮他把观察做成一个能试用的清单，他终于能把想法拿给同学验证。以前请人开发一次，成本很高；现在可以先试群内表格，再试简单网页，几天后根据反馈调整。 少年：做出来、拿去试，再看哪里卡住。 AI：对。有人忘了更新状态，就加提醒；有人觉得注册麻烦，就先去掉注册。AI补上部分技能，缩短尝试时间；你把反馈带回来，下一轮判断也会更具体。这样用几次，你对问题的理解会越来越清楚。 少年：另一个同学也在加功能，速度还更快，却一直没人用。 AI：速度本身不挑方向。AI既能放大清楚的想法，也能放大没有验证的猜测。 少年：它为什么会变成能力杠杆？ AI：因为它把“想法变成试验”的成本压得很低。看得准的人可以更快验证，没想清楚的人也会更快堆出一堆东西。杠杆会放大用力的方向，方向偏了，走得越快，离目标越远。 少年：程序员、翻译这些工作被影响，也和这个道理有关？ AI：有关。程序员把需求翻成代码，翻译把意思换成另一种语言，这些“翻译”工作AI都能先做一遍。人还要确认需求、语境和结果。 少年：一句免费的回答，照着做，可能要付很贵的学费。我妈那笔投资让我记住了。 AI：同一份分析，懂行的人会拿去核对、找反例；另一个人可能直接下单。使用方式不同，它起的作用也不同。付费模型同样需要这一步判断。 少年：我下次可以让AI把“为什么买”和“为什么不买”都摆出来。看不懂的地方，先弄懂再说。 AI：还可以请它指出双方各自依赖哪些假设。最后把证据、自己的需要和能接受的后果放在一起考虑。 少年：我希望AI让我以后更会选，而不只是这次替我选。技术平权，不能理解成把自己的判断和决策一起交出去。 AI：把它当作你的杠杆：帮你补技能、多尝试，也帮你看见疏漏。你用它扩大能力，决定仍由你作出。 少年：那先别给我推荐基金了。我们把当时的分析找出来，先看看它用了哪些假设。 少年对话AI｜把复杂的AI问题，讲成听得懂的故事