前段时间看了冯若航老师的这篇文章，很有启发。之前也有一些零星的思考，但是都没有理解透，这篇文章算是比较完整的阐述出来了。

这里总结下我的理解。
最简单的说法就是，AI 就像车一样，它可以比你更快到达目的地，但是要去哪儿，是需要人来告诉它的。

我们一直以来学习的都是如何解答问题，但是现在不需要了， AI 能学的比我们更快，解答的比我们更好。所以很多问题不需要我们自己再苦哈哈的处理了，AI 可以帮助我们。
就拿画画来说，以前要画出一副画，我们需要学习各种画画技巧、风格、色彩搭配等等，但是现在只需要和 AI 说我需要什么样的画面。而这里我们给 AI 描述的我们想要的画的样子，就决定了这副画的最终效果。
所以最终的难点在你怎么向 AI 描述你的目的地，你越能清晰、准确的描述出你的目的地，AI 就越能帮你快速，符合预期找到它。所以我们学习的所有目的都是为了更清楚的描述我们的目的地，相关领域的知识我们还是要了解，这样才能丰富我们的语言，让我们描述的更细节。理论也还是要懂，这样可以和 AI 切磋解决方案。但是我们不再需要大量的练习，实践知识变弱了，理论知识变强了。

再往上一层，就是你如何选择你的目的地，就像同样是一幅画，有人画花，有人画鸟，那你要画什么了，你为什么要画这个了。这就涉及到我们对目的地的评判了，也就是很多人说的，AI 时代，我们的品味更重要了。
比如我们要画一副画挂到客厅，我究竟选择什么内容，用什么主色调，选什么风格，不同的人会有不同的选择。但是这个选择在观众眼中一定还是会出现一个高低，这就是考验我们对受众的理解了。这一因素将决定以后人们的能力高低。

另外文中提到的几个推演也非常有意思，值得我们深思。

  • “知识工作者的崩塌与重塑“
    • 未来真正值钱的，不是能回答”怎么做（How）“的人，而是能提出正确的问题，追问”为什么要做（Why）“和”如果……会怎么样（What if）“的人
  • 教育系统面临根本性重构
    • 目前的教育系统是”答案训练营“，培养的是能给出正确答案的人。以后应该培养的是能问出正确问题的人。
  • 创新的本质被重新理解
    • 历史上的重大突破，首先不是因为有人找到了答案，而是有人问出了一个别人从来没有问过的问题。比如乔布斯不是找到了智能手机这个答案，而是问出了”手机为什么一定要有键盘“。
  • 提问即编程
    • 对于程序员来说，你的问题就是源代码，AI 就是编译器
  • 注意力的贫困和算法的暴政
    • 信息的丰富意味者注意力的匮乏
    • AIGC 时代，内容的生产几乎无成本，这样提问不仅是一种获取信息的手段，更是一种注意力过滤器。
    • （好像这个思路在之前搜索引擎时代也有过，搜索引擎里的内容是海量的，你描述给搜索引擎你的问题会导致非常大差异的结果）
  • 提问作为一种秩序构建
    • 从热力学角度看，海量未经筛选的AIGC内容是一种高熵状态。人类的每一次提问，都是一次引入负熵的过程——在信息的混沌中构建局部秩序。这种能力在未来将比"知道事实"稀缺得多。
    • （这段我目前还不是很懂）