别和AI拼认知,去和它比未知

我有个习惯，每读完一本书一个章节，都会输出一篇千字文。但《通用人工智能》第六章给我的感觉是，至少能完成五、六篇千字文。

为什么？

因为它讲的是人工智能的进化过程，而这套进化逻辑，对学习和成长有极强的借鉴意义。更难得的是，在章节末尾，作者刘嘉老师给出人类超越人工智能的路径，给所有因AI强大感到焦虑的现代人提供了合理的解法。

先说如何像AI一样进化，再谈如何超越它。

人工智能这个被人类发明的天才机器，靠大模型这个核心“基因”，加上海量数据的喂养和人工反馈的调教，掌握了人类文明积累至今的大部分知识，因此能够轻松碾压任何人类个体。这不难理解，没有哪个人能像 AI 一样装下那么多知识，即使脑容量足够，人也无法不眠不休地学习更新。学海无涯，成为某个领域的专家，是个体自我发展最靠谱的路径。

起初，科学家试图将AI做成“全知全能”的通用模型，什么问题都让它处理，结果效率很低。后来有了模块化思路，给人工智能装上中央协调系统，相当于给大脑进行分区，不同任务调用不同模块，不再每次调动全部算力。这是一次关键的结构升级。

再往后，人工智能又迎来一次重要跃迁，灵感很大程度来自丹尼尔·卡尼曼的《思考，快与慢》。

早期大模型回答问题常常“张口就来”，缺乏深思，容易出现“幻觉”，一本正经地胡说八道。受快思考、慢思考的启发，工程师给AI区分快慢两种反应模式。比如使用DeepSeek，你可以选择快速、深度思考或专家模式，模型根据你的需求主动调整思考深度与时长。这背后的技术核心就是思维链的引入，让模型在给出答案前，先展示推理步骤，像人一样“想一想再说”。于是，AI 逐渐拥有了可媲美人类的逻辑推理能力，并在越来越多的领域超越人类本身。

抛开被替代的焦虑，我们能从 AI 的进化过程中学到什么？

第一，宏大的目标。A一开始就不只是要做回答问题的工具，科学家的野心是创造能够模拟人类所有行为的全新物种，所以有了“通用人工智能”方向，才有AI替代人类工作的可能性。如果我们每天还只盯着眼前的小目标，应付差事地做事，和AI的宏大目标一比，格局就小了。

第二，在错误中学习。AI不怕失误，不怕犯错，一次次从错误反馈中自我改进和纠错。它不维护面子，也不固守已有参数不放。而人天生怕犯错，会顾及面子，死守已有的经验和身份，因此很难自我突破。对 AI 来说，成功毫无意义，错误才是迭代的信号。正是从这些信号中，AI持续进化并超越人类。

第三，主动走出舒适区，去做更难、更不想做的事。这是 AI 进化给我们的直观启示。每一次升级，都是让自己面对更复杂、更开放的问题。

第四，专注地使用注意力。把时间花在关键的地方，像对待金子一样使用自己的注意力，主动筛选值得消耗时间的人和事。学会做减法，清空噪音，让自己像大模型一样持续进化。

最后的提醒最重要。

刘嘉老师在书中提供了一套清晰的思考和行动框架。他认为，认知领域至少分成四个象限：已知的已知、已知的未知、未知的已知、未知的未知。第一类是人类已有知识，已被 AI 掌握；第二类，人类正在探索，借助AI努力攻克；第三类是小众的、未被广泛传播的知识，即未知的已知，AI正在覆盖。而真正能让人类胜出的，是第四类——未知的未知，也就是连人类自己都还不知道的知识。这一部分，需要人类自己去创造。

在前两个象限里和AI比聪明是无效的，因为它会做得比我们更好。人类真正的用武之地，是去探索未知的未知，在AI尚未涉及的领域去发明、去创造。

人工智能正在倒逼人类，从知识的学习者和储存者，转变为认知世界的创造者。那条充满不确定、只能由人去踏出的路，是人类无法被AI取代的唯一道路。

重复的事交给机器，创造的事留给人类。阅读本书第6章，你可能对自己当下的焦虑，有根本性的转变。如果你愿意多读几遍，这个转变会更清晰，也更彻底。