























要理解“人类为什么总是喜欢看新闻”,得从一个生理现象说起:我们的身体天生就倾向于“能不动就不动”,以节省能量。在这样的本能下,为了用最小的能量达到最好的效果,“合理的预测”就成了一种必需品。而新闻,恰恰就是对未来趋势的一种预判。
我是一个很高程度的信息成瘾症患者,甚至有些“信息暴饮暴食”。这也不完全是我自己的问题。因为现在的算法,就是朝着越来越让我们的大脑喜欢、越来越容易上瘾的方向发展的,整个互联网本身都在向“香烟”或者“毒品”看齐。
尤其是在对待信息“干货”的态度上,症状进一步的加剧了:我们总想找到真正有用的信息,但真正的干货往往需要花费很长时间去消化学习,而且学完也未必能百分之百马上用得到。
这就导致了两种典型的症状:第一,是把干货放进收藏夹,就像网友说的,“躲去收藏夹里吃灰”吧;第二,是当找不到真正的干货时,我们就会更频繁地刷手机,正餐没吃饱,就想不停地吃零食。
为了摆脱这个症状,我尝试了各种方式,比如删软件、限制使用时间,但效果都像戒毒后的“复吸”,很快就会被打回原形。
随着人工智能时代的到来,这个问题只会变得更加严重,因为AI可以快速制造海量的信息。
解决问题的最好方式,往往不是绕着问题走,而是跳出问题本身。
只有魔法才能打败魔法。
最好的解法是把整个流程“倒过来”:不是看了信息之后,才知道自己想做什么;而是先明确自己想要做什么,再反过来去找达成目标所需要的信息。
用自己的“实践”,去反过来安排自己的“信息流”。
可能很多人会说,他们缺少“先干起来”的方向。我的建议是:每个人都应该去玩一玩人工智能。过去,从思考、学习到最终落实,每一步都是高耗能的。但现在有了AI,很多内容它可以帮我们生成,我们只需要有一个点子,就能进行很多“不那么费力”的探索。这个过程更像打游戏,充满了即时快感。
我不再需要去看海量的资料,只用找那些必要的、最适合我的内容——那些能马上提高我水平、马上就能用、并且符合我当下程度的知识。
只为手头的任务寻找信息,会不会陷入新的“信息茧房”?恰恰不会,我们应该携带着人工智能这个“超级外挂”,去主动探索全新的领域。
在一个规则尚未固化的新世界里,探索本身就是新的,实践也是新的,我们做的每一件事都可能成为“意外的惊喜”。
那些需要长期积累、无法立竿见影的沉思式领域,也正是靠着一步步解决实实在在的问题才最终走出来的。
这就是AI时代“创新者的套利”:它既减少了我们无效信息输入的损耗,又最大限度地提高了我们输出的强度和效率,形成了一个“极简反馈飞轮”。
当然,我说的“每一步都问人工智能”并非是无脑地寻找答案。
实践的过程,最终还是由我们人类自己来完成的。更关键的是,向AI提问的过程本身,也是一种探索的过程。因为面对的是全新的领域,我们的目的不是为了偷懒,而是要用它来解决一个个实实在在的问题。
而且,当你在探索新领域时,你所有的谈话内容都天然具备了新鲜感,这就转化为了可以和大家交流的“社交货币”。
指望算法本身变得“健康”是很难的,因为它终究是为商业目的服务的。
我设想未来,是一种新的信息形态:我们每个人都会有一个AI代理人。
这个AI助理的核心,是把信息筛选的起点,从过去算法基于“快感”的推荐,转换到了基于“人生目标”或“有用性”的考量。当然,这里的“有用”并非狭隘的实用主义,它同样包含对“好奇心”和“探索欲”的满足。
一个完美的AI助理,肯定要具备“忠诚的反对者”的角色。
我最近在帮不同人整理人生传记,我发现,人生的很多主要课题都是类似的,在不同阶段总会遇到相似的“人生课题”,我们也会面对共同的“时代主题”。正是因为人生的这些变量有其共通性,所以AI助理可以从中总结出相似的方法论,为我们提供“忠诚的反对”和“有效的建议”。
这个AI助理更像一个极致的“个人助理”,一个“复合型”的角色。它有时是秘书,有时甚至是导师。“灵魂层面”的目标本身就是动态的,需要和AI一起不断校对和调整。它学习我们长期愿景的方式,就是通过日常的交流。如果我们每天都能和它好好聊天,把这些信息“沉淀”下来,我们的个人助理就会越来越懂我们。
未来衡量AI工具好坏的标准,也必然会发生改变。现在的工具像一个“信息超市”,商业模式是靠“用户粘性”和“使用时长”。而未来的AI助理,更像一个“信息的快递员”,我们未来会为它的“效果”、“有用性”和“准确度”付费。
这种模式的普及,可能会让社会分化出一群与普通人拉开更远差距的“少数派”创造者。同时,现在的公司制度可能只是一种中间形态,未来当每个人的创造力都被AI释放时,一定会出现新的生产关系和组织形态。
至于不同人的AI助理之间如何互动,它们会彼此协作还是会彼此博弈,它们的互动方式是不是人类社会的真实投影,这是一个非常有趣和好玩的话题。
这可能是下一代人工智能或下一代社交网络所特有的景象,未来一定会到来。
此内容由惯性聚合(RSS阅读器)自动聚合整理,仅供阅读参考。 原文来自 — 版权归原作者所有。