为什么 AI 越聪明，通才的优势反而越大

这就是我向尚未在工作中使用 AI 的人解释 AI 的方式。这也是我在 GPT-3 问世时第一次接触 LLM 时的第一个想法。

每一次对话都是一次全新的开始，你可以与一个敏锐的头脑讨论和交流，只不过他们并不真正知道这一点，也不记得它。

有了最新的 SOTA 模型，这一点更加令人震撼：GPT-3 时代那个大约 10 岁的天才，如今已是一位菲尔兹奖得主／诺贝尔奖得主、拥有多个博士学位的 30 岁左右的天才，而他们并不真正知道这一点，直到你提醒他们，或向他们提出具体的问题。

我发现这种拟人化的说法很有用，因为它帮助我把 AI 引入人们的工作流程，并指导人们更好地使用 AI。

这种框架也有助于认识到一切都关乎上下文：在合适的时机提醒 AI 合适的事情，并通过到处放置虚拟便利贴来帮助它们导航工作：“这里可以找到 X，这里可以找到 Y”。

而美妙之处在于，你可以利用这位天才糟糕的记忆力：进行对抗性评审，把你交给别人（一个 AI）完成的工作交给这位新出炉的天才，询问他们的意见：他们初来乍到，对现有工作没有依附，也不了解其历史，你一定能获得有趣的洞见。

或者用这样的提示词：“你是一位屡获殊荣的动态设计师，厌恶使用 AI，并且一眼就能看出 AI 的痕迹”，来调整你用 Opus 5.5 制作的、在你看来 AI 味有点太浓的视频。

有了这种随取随用的智能，任何冷僻或深奥的知识都可以通过提醒这位天才来获取（他们可能会自己做一些研究），显而易见，见多识广、有文化修养、善于表达就成了一种显著的优势。

有时一个词（一个概念、一个文化梗）就足以唤起一整套知识。我称之为上下文捷径。

在设计系统时提到 poka-yoke，你就引入了一整套防错哲学。

让这位天才表现得像《办公室》里的 Dwight，你就有了一个迂腐的同事，会对你说的一切吹毛求疵。

要求以 Dieter Rams 的风格重新设计你的办公室、UI 或房子，就能唤起功能性的简约。

让这位天才扮演 red team 来审计你的工作，你就有了一个积极寻找你系统中弱点的评审者。

让这位天才尊重 Chesterton's fence，迫使它在提出改变之前先理解某事物为何存在。

于是就有了这样一个非常有趣的悖论：AI 越聪明，作为博学者／有求知欲的通才的优势就越大。

激动人心的时代。答案越来越触手可及：你只需要知道如何提问。当然，还有如何处理这些答案。