AI 给答案的成本越来越低,但我们判断答案的能力,反而越来越贵。
早上开车上班听了一期播客,里面在聊「AI 到底会不会让人焦虑」。听完之后我想了挺多。
我是个挺深度的 AI 使用者,工作、学新东西、甚至生活里的事都会大量地试。但要问我焦不焦虑,答案是不会——在软件研发测试这个我熟的领域里,AI 写代码是快,可真正值钱的是怎么做设计,而它给的设计方案,到今天都还在我的认知之下。
一离开这个领域就不一样了。最近在学运维,我习惯性地先让 AI 出个学习大纲,结果总觉得哪里不对:它给的东西像,但不完全是。后来才想明白,我自己都没把「我到底要什么」说清楚,凭什么指望它给对。
这期就从这儿聊开:和 AI 争论「知识能不能拆成最小单位」为什么没争出结果;一个真实的测试案例里,业务只给了七八条规则、谁都说不清什么算对,我们是怎么靠三个 AI 互相推演,把场景扩到 160 多条的;以及为什么我觉得「知识平权」这个词其实有点误导。
最后落在一句我自己也没完全想明白的话上:AI 最可怕的地方,不是比我们聪明,是它可能让我们在没有真正理解一个问题的时候,就误以为自己已经理解了。
你会听到
- 为什么在熟的领域里我不慌,出了这个领域反而要警惕
- 「先让 AI 出大纲」为什么容易走偏,换个顺序是什么
- AI 能一直给你方案,但不代表它真的解决了你提出的问题
- 一个真实测试案例:从七八条业务规则到 160+ 测试场景
- 答案变便宜之后,真正变贵的是什么
时间轴
00:00 通勤路上听到的问题:AI 到底会不会让人焦虑
00:21 专业领域内为什么不慌:值钱的是设计,AI 的方案还在我的认知之下
01:15 离开熟悉领域:AI 给的学习大纲不对劲,换个顺序才走通
02:47 和 AI 争论「知识的最小单位」:它一直给方案,却没解决我的问题
05:02 真实案例:七八条业务规则,测试却无从下手
05:59 人工穷举三四十条,再让三个 AI 互相推演,扩到 160+ 场景
06:44 不焦虑,但警惕:AI 更该帮我们提出问题,而不是替我们判断
08:40 答案越来越便宜,判断力越来越贵;「知识平权」差在哪一层
10:00 总结:别让 AI 让你误以为自己已经懂了
本期金句
「AI 其实可以不断地给你解决方案,但不代表它真的就解决了你提出的问题。」
「AI 给你的东西,其实它永远看起来像是对的。如果你没有判断能力,指望 AI 去无中生有,那其实跟你自己去烧香拜佛没有区别。」
「AI 最可怕的地方,不是比我们聪明,而是它可能会让我们在没有真正理解一个问题的时候,就误以为自己已经理解它了。」
聊两句
你有没有过那种「AI 答得挺像样,但就是说不出哪里不对」的时刻?评论区聊聊,我想看看别人是怎么发现不对劲的。