AI时代人类能力迁移的七大方向：危机与价值重构

近日，读了万维钢老师的文章《Deepseek高级心法：怎样用，和不用AI》产生了一些想法，并用人类能力向上迁移完成人机协作为思路，和人工智能进行了沟通，完成了这篇文章。

以DeepSeek为代表的AI推理模型正快速替代人类传统的结构化思维能力，这既是一场前所未有的机遇。过去，人类通过模式推演、举例子、套模型等方式来学习和转化知识，这种能力被视为一个人有灵气的体现。然而，如今人工智能在结构化延伸方面的能力已经超越了人类，这迫使我们必须重新定义和应用智能的价值，思考人类能力的向上迁移方向。

一、定边界：约束AI的泛化推演

人工智能的泛化推演功能虽然强大，但有时可能会过于发散和抽象，导致延展至过于底层而失去实际价值。这时，人类的作用就凸显出来，我们需要通过人工反馈来建立限制，筛选出有价值的信息。例如，在医疗领域，AI可以快速分析大量病例数据，但可能会因为过于泛化而忽略一些特定患者的特殊病情。此时，医生需要根据患者的具体情况，对AI的诊断结果进行限制和调整，以确保诊断的准确性和有效性。

二、找矛盾：挖掘优化的关键机会

并非所有的AI模型都能够顺利迁移，人工智能可能会为了得出一个“正确”的答案而回避矛盾。然而，这些矛盾往往是优化模型的关键机会，也是我们理解现实的核心信息。人类需要敏锐地发现这些矛盾，从而推动AI模型的改进。例如，在法律领域，不同的法律条文之间可能存在矛盾，AI在处理相关案件时可能会回避这些矛盾以得出一个看似合理的判决。但人类律师能够发现这些矛盾，并通过深入分析和论证，找到更加合理的解决方案，从而优化AI的法律推理模型。

三、做细化：发现有价值的细节

泛化推理需要有方向，而方向往往在于细节。只有人类能够发现有价值的细节，因为我们可以将体感和不可压缩的信息进行组合判断。通过提示这些细节，我们可以进一步促成AI的发散和推理，找到更加细致的解释。例如，在艺术创作领域，AI可以生成各种风格的画作，但往往缺乏人类艺术家对细节的把握和情感的表达。人类艺术家能够通过观察和体验，发现生活中的细微之处，并将其融入到作品中，使作品更加生动和富有感染力。

四、提压力：启动算力的要求

压力在这里指的是启动算力的要求。我们不能对AI进行平均化的要求，而是需要对某个问题进行颗粒度要求，或者进行广阔度的规定，让AI更加努力地提高质量。例如，在科学研究中，对于一些复杂的实验数据，我们需要AI进行高精度的分析和预测。这时，我们可以通过设定严格的质量标准和时间限制，给AI施加一定的压力，促使其更加努力地提高分析和预测的准确性。

五、作比较：建立纠正的认知

对于AI多次生成的不同答案，它会有自己的解释，但我们作为使用者对其解释有体验，能够建立纠正其自我认知的机制。例如，在金融投资领域，AI可能会根据不同的市场数据生成多种投资策略。投资者可以根据自己的经验和市场判断，对这些策略进行比较和筛选，选择最适合自己的投资方案。同时，投资者还可以将实际的投资结果反馈给AI，帮助其纠正和改进投资策略。

六、做融合：构建全面的解释

AI的泛化毕竟只是一种推演，缺乏跨越性的视野。而人类能够建立更加全面的解释，构建更大宽阔的价值判断，从而要求AI提供更有价值的答案。例如，在城市规划中，AI可以提供各种关于交通、环境、经济等方面的数据分析和预测。但人类规划师能够将这些数据与城市的历史、文化、社会等因素进行融合，构建一个更加全面和长远的城市规划方案。

七、再反馈：建立个性化的反馈机制

对AI的表现进行反馈，不是具体地指出某个错误，而是要定义其全部表现，建立更加个性化的要求。例如，在教育领域，AI可以根据学生的学习数据提供个性化的学习建议。但教师可以根据学生的实际情况和学习需求，对AI的建议进行反馈和调整，使其更加符合学生的学习特点和目标。

总之，在AI时代，人类的能力需要向上迁移，从传统的结构化思维转向更加高层次的能力。通过定边界、找矛盾、做细化、提压力、作比较、做融合和再反馈等方式，我们可以更好地与AI协作，发挥各自的优势，共同推动社会的进步和发展。