Open AI將通用大模型訓(xùn)練的結(jié)果通過ChatGPT的應(yīng)用形式帶到大家面前，意味著發(fā)展了大半個(gè)世紀(jì)的人工智能領(lǐng)域正式步入了廣泛意義生產(chǎn)力提升的新紀(jì)元?？深A(yù)見的未來，大模型的時(shí)代會(huì)逐漸拉開序幕。那么，大模型的出現(xiàn)會(huì)對(duì)未來產(chǎn)生什么影響呢？一起來看一下吧。

隨著Open AI將通用大模型訓(xùn)練的結(jié)果通過ChatGPT的應(yīng)用形式帶到大家面前，我們可以認(rèn)為，發(fā)展了大半個(gè)世紀(jì)的人工智能領(lǐng)域正式步入了廣泛意義生產(chǎn)力提升的新紀(jì)元。

雖然在此之前，AI 算法已經(jīng)在各行各業(yè)（通過大數(shù)據(jù)或充分的訓(xùn)練數(shù)據(jù)）悄悄開啟了生產(chǎn)力的變革——從推薦算法到千人千面，從更好用的機(jī)械臂到車輛自動(dòng)巡航。但在GPT之前，大部分算法的開展方向都更多傾向于小模型，通過在某一特定領(lǐng)域的固定場景的有限但大量數(shù)據(jù)，訓(xùn)練出以服務(wù)于指定場景操作的輔助模型，以提高在對(duì)應(yīng)場景下的生產(chǎn)效率。

GPT 作為大模型的出現(xiàn)，更多意義上是將足夠多的“日常小模型”整合到一起，從而誕生了普通人可以使用的 AI 模型工具。我們也太久困于“人工智障”，大模型的表現(xiàn)讓我們感覺離著“自然語言交互”更近了一步。

國內(nèi)常見小模型，而GPT出現(xiàn)在海外，雖然國內(nèi)大廠也有自己的大模型，但GPT之前卻不見經(jīng)傳?，F(xiàn)在相對(duì)更可接受的說法是，國內(nèi)公司一般需要更多面向業(yè)績壓力，即，他們需要更多地考量我當(dāng)前完成這個(gè)模型所需要的開發(fā)和訓(xùn)練的成本，對(duì)應(yīng)到收益是否合適。

在此之前，小模型的收益通常確定并已知，基本就是開卷考試，而大模型則更多是面向市場的未知。而 Open AI 則保持著相對(duì)的“獨(dú)立性”以及對(duì)于“正確”的堅(jiān)持，畢竟相當(dāng)一段時(shí)間內(nèi)不太需要考慮賺錢的問題（微軟爸爸的 10 億支持），從而針對(duì)于大模型這種“正確”但模糊的東西會(huì)更有優(yōu)勢。

不過隨著市場收益的確定性被探索，戰(zhàn)爭迷霧的散開，國內(nèi)廠商趕英超美的氣勢就又會(huì)熊熊燃起。當(dāng)然，身為大廠不能用別人家大模型的驕傲（以及數(shù)據(jù)不能漏出去等的考量），也迫使各大公司都需要對(duì)大模型有所動(dòng)作?？深A(yù)見的未來，大模型的時(shí)代會(huì)逐漸拉開序幕。那么大模型的出現(xiàn)會(huì)對(duì)未來產(chǎn)生什么影響呢？

一、新的交互

我們上一次生產(chǎn)力的革命性飛躍的標(biāo)志，其實(shí)可以理解為電子設(shè)備（計(jì)算機(jī)）的交互模式從 CLI(command-line interface) 到 GUI(graphic user interface) 的轉(zhuǎn)化。命令行是對(duì)于電子設(shè)備（計(jì)算機(jī)）更底層的控制形式，但是需要巨大的理解成本。這也就導(dǎo)致在一段時(shí)間內(nèi)，電子設(shè)備只能由理解命令行工作原理的人來完成操作。而 GUI 的出現(xiàn)，將命令行的邏輯轉(zhuǎn)化成了所有人類都更容易理解的圖形化表達(dá)中，使得所有人都有了在較低成本下使用電子設(shè)備的可能。同樣，我們?cè)谑謾C(jī)上可以看到的卡片化和圖標(biāo)化設(shè)計(jì)，同樣也脫胎于 GUI。

而說起 GUI，我們跑不了比爾蓋茨和喬布斯，喬布斯首先通過麥金塔將 GUI 宣揚(yáng)到市場中，比爾蓋茨將攜帶著 GUI 的 windows 系統(tǒng)，裝到了這個(gè)世界上幾乎全部的 PC 上，再之后，隨著智能手機(jī)時(shí)代的到來，喬布斯的 iPhone4 中初步引入了 NUI(natural user interface)，使得 GUI 與人類的自然交互更加貼近（即，人與物體與他人交互），也更符合所有人類的自然預(yù)期。

越貼近于人類的自然預(yù)期，也就意味著越低的學(xué)習(xí)和使用成本。所以當(dāng)初的 iPhone4 可以號(hào)稱，沒見過其他電子設(shè)備的小孩子拿來都能直接玩兒起來的存在。

更低的學(xué)習(xí)和使用成本意味著可以有更多的人，可以更便捷地使用計(jì)算效率更高的設(shè)備和其上的應(yīng)用，來在對(duì)應(yīng)的場景中，通過計(jì)算設(shè)備的輔助完成信息的收集、分析與整理。隨著更多的個(gè)體有著更高的信息處理效率，整個(gè)社會(huì)的信息處理效率也會(huì)提升，而整個(gè)社會(huì)信息處理效率的提升，即代表著更高的信息生產(chǎn)效率和更高的信息消費(fèi)效率，也就可以推進(jìn)所有產(chǎn)業(yè)的快速發(fā)展。

因此，新的交互方式，其實(shí)代表著新的生產(chǎn)力場景。我們稱大模型的存在為新的交互，也代表了新的交互邏輯變化。要梳理清楚大模型作為自然語言交互的新交互的價(jià)值，我們要先確認(rèn)一下 CLI 到 GUI 的演進(jìn)。我們先對(duì)交互的流程產(chǎn)生共識(shí)。我認(rèn)為，交互的流程，本質(zhì)上其實(shí)分為 5 步：

1. 人類根據(jù)自己的目的，通過對(duì)智能設(shè)備系統(tǒng)的理解，將自己的所需要完成的目的拆解成對(duì)應(yīng)的步驟
2. 人類通過命令或圖形交互的模式，將自己要完成的動(dòng)作告知計(jì)算設(shè)備
3. 計(jì)算設(shè)備根據(jù)輸入的信息完成計(jì)算
4. 計(jì)算設(shè)備將已完成的計(jì)算結(jié)果，通過系統(tǒng)的設(shè)計(jì)，通過對(duì)外輸出（展示/音頻等）的方式將結(jié)果告知使用的人類
5. 人類評(píng)估結(jié)果是否與自己的目的相符

我們觀察從 CLI 到 GUI 的變化，其實(shí)可以發(fā)現(xiàn)從命令行到圖形交互在交互邏輯中的變化主要產(chǎn)生在步驟 2 與步驟 4 中，也就是人類如何告知計(jì)算設(shè)備自己所需要完成的動(dòng)作，以及計(jì)算設(shè)備如何將計(jì)算結(jié)果反饋給人類上面。

通過提高所交付的信息量的方式（從單一的命令行，到各種花樣的圖標(biāo)/按鈕/交互反饋等），使得更多的人可以更容易地理解“要干啥”以及“有啥結(jié)果”。但其實(shí)本質(zhì)上并沒有對(duì)交互本身的邏輯產(chǎn)生更改。

而我生生在標(biāo)準(zhǔn)的 2-4 的交互邏輯上再扯出 1 和 5 兩個(gè)點(diǎn)的原因也在于，CLI 和 GUI 的交互邏輯本身都一直存在一個(gè)問題，也就是至今“如何使用電子產(chǎn)品”依然是需要學(xué)習(xí)的這件事情的根源在于——我們依然需要將我們的目標(biāo)，按照系統(tǒng)的邏輯拆解成不同的動(dòng)作，而這一點(diǎn)其實(shí)也成了現(xiàn)在生產(chǎn)力的制約。大家困于 Excel、ps 等執(zhí)行類軟件的緣由，大多也是因?yàn)檫@個(gè)原因。

且，在上述的過程中，除了計(jì)算過程不需要人類參與意外，其他過程都需要人類使用自己的腦子參與在交互過程中。這也就使得，某種意義上，生產(chǎn)力的制約在于人類本體。在任何一個(gè)節(jié)點(diǎn)上，如果人們沒有辦法完成對(duì)應(yīng)的拆解和判斷，我們就無法快速達(dá)成我們的目標(biāo)。

比方說我不知道怎么用 Excel，那么我就無法很好的完成數(shù)據(jù)分析和梳理工作。大模型 AI 的出現(xiàn)，其實(shí)動(dòng)搖了原先的交互邏輯，大模型可以通過自然語義理解，在人的自然表達(dá)和計(jì)算機(jī)的命令之間建立橋梁，我們甚至可以理解為未來會(huì)變成：

1. 人類表述自己的目的
2. 計(jì)算設(shè)備通過識(shí)別完成語義理解，將理解的結(jié)果拆解為所需要完成的動(dòng)作，計(jì)算機(jī)完成計(jì)算，并將計(jì)算結(jié)果輸出
3. 人類評(píng)估結(jié)果

新的交互邏輯，會(huì)極大幅地提升生產(chǎn)效率。生產(chǎn)效率的提升建立在：

1. 人類并不再需要根據(jù)自己的目的，對(duì)應(yīng)到系統(tǒng)邏輯中拆解動(dòng)作，也不需要去具體得完成那些動(dòng)作，從而使得智能應(yīng)用和設(shè)備使用成本更加降低。
2. 交互邏輯變得更符合人類的自然預(yù)期，即——與另一個(gè)人類交互。

建立在這種交互基礎(chǔ)上，會(huì)讓更多人以更低的學(xué)習(xí)和使用成本觸及并處理更多的數(shù)據(jù)，生產(chǎn)力的革命指日可待。（在大模型訓(xùn)練的像個(gè)人樣以后……）

而顯然在當(dāng)前大模型的發(fā)展進(jìn)程下，距離上述推斷還有一定的距離，那么這些相差的距離，可能就是此后新產(chǎn)品出現(xiàn)的地方，也是新的市場機(jī)會(huì)。一如 AutoGPT 和 AgentGPT 為代表的一些GPT輔助模型，已經(jīng)在幫助用戶們更好的使用 GPT，使得交互的方式更加貼近上述流程。

二、生產(chǎn)力革命

生產(chǎn)力如何提升，就不再贅述。生產(chǎn)力革命所帶來的是，原有生產(chǎn)關(guān)系的動(dòng)蕩。也就是……很多人擔(dān)心的事業(yè)問題。

好消息是，機(jī)器替代人類使得人類失業(yè)這件事并不是剛出現(xiàn)，而有著足夠悠久的歷史，所以對(duì)于社會(huì)整體來說，生產(chǎn)力的躍升利遠(yuǎn)大于弊。畢竟東西會(huì)變便宜。

壞消息是，必然會(huì)有一部分人從原來的生產(chǎn)崗位上解放出來，畢竟他們所掌握的生產(chǎn)技能性價(jià)比隨著機(jī)器的出現(xiàn)大幅降低，無論是不是從資本角度上考慮這個(gè)問題，最終依然會(huì)有一批人因此而失業(yè)。

好消息是，雖然失業(yè)了但是他們所擁有的崗位知識(shí)和崗位技能其實(shí)在新的，由大模型 AI 構(gòu)建的新生產(chǎn)關(guān)系中依然有著至關(guān)重要的用途。

壞消息是，這一點(diǎn)可能他們自己和老板都意 識(shí)不到，且需要個(gè)人有著較強(qiáng)的思維能力與總結(jié)習(xí)慣。

Why？按照上文的交互方式推斷，人類在交互過程中起作用的階段主要有二：

1. 表述自己的目的，aim。
2. 評(píng)估輸出的結(jié)果，select。

因此，對(duì)比而言，僅掌握著充分的拆解動(dòng)作、執(zhí)行動(dòng)作以及理解輸出結(jié)果的人類，生產(chǎn)的性價(jià)比顯然是低于大模型的。因此，除了在少數(shù)特殊的崗位，社會(huì)層面上這種人類將會(huì)被逐步替代。而解放出來的生產(chǎn)力，將會(huì)被投入到更加“人類”的生產(chǎn)中去——aim and select。

我們扒拉扒拉具體的產(chǎn)業(yè)來看看變化：

1）先從內(nèi)容產(chǎn)業(yè)，被認(rèn)為是第一波及范圍的內(nèi)容說起

在 Aim and Select 逐漸占據(jù)主流的過程中，會(huì)使得“個(gè)人/個(gè)性”在生產(chǎn)關(guān)系中的比重開始增加，因?yàn)?aim 動(dòng)作和 select 動(dòng)作本身都更加直接基于動(dòng)作發(fā)起人的主觀意志，而非像當(dāng)前一樣需要更多局限于實(shí)現(xiàn)方式的考量。因此不夠“特殊”的 AS 都將被大模型逐漸絞殺，畢竟平庸的和直接用GPT隨便設(shè)定一個(gè) aim 和 select一樣，也沒啥特別存在的必要。

生產(chǎn)關(guān)系中，那些無法有自己 Aim 和 Select 方法論的人，會(huì)被淹沒在大模型的汪洋大海中。雖然，最終人們依然會(huì)在 personal 的基礎(chǔ)上沉淀出另一套類似于當(dāng)今 UGC 的新的評(píng)估體系，導(dǎo)致現(xiàn)在 60 分及格的普通的作品變成 30 分不及格的作品，現(xiàn)在 75-80 分的相對(duì)優(yōu)秀作品變成 60 分及格的作品，而 90 分以上的穩(wěn)定優(yōu)秀的作品會(huì)在其中凸顯得更加優(yōu)秀，使得馬太效應(yīng)會(huì)越加嚴(yán)重。這樣造成的結(jié)果本質(zhì)上是社會(huì)整體的審美的提升。

同時(shí)，在娛樂參考系保持不變的基礎(chǔ)上，低中高紡錘形的分布模式會(huì)逐漸向正三角形演進(jìn)，在任何條件下都差的很標(biāo)準(zhǔn)的內(nèi)容將逐漸消失。一如我們現(xiàn)在很難在 Excel 里面寫出真正很丑的表格了，在基礎(chǔ)設(shè)施已經(jīng)抬高了地板的前提下，再想往差里做還是很耗費(fèi)成本的事情。因此，在應(yīng)用層來說，如何抬高內(nèi)容創(chuàng)作基礎(chǔ)設(shè)施的地板和基礎(chǔ)設(shè)施的運(yùn)行效率，就成了接下來有可能會(huì)努力的方向。

2）此外，代碼行業(yè)，是另一個(gè)備受關(guān)注的波及范圍

我愿稱之為產(chǎn)品經(jīng)理消亡的第一步2333（當(dāng)然其實(shí)不太可能，產(chǎn)品的崗位職能會(huì)隨著生產(chǎn)方式和工具的變化而變化）。因?yàn)槌Ｒ姷漠a(chǎn)品的基礎(chǔ)工作的主要部分，一般是理解并抽象來自業(yè)務(wù)方的需求，然后再具象成解決方案，并將解決方案通過各種方式告知技術(shù)開發(fā)需要干點(diǎn)啥。

而語義大模型的出現(xiàn)，在某種角度上其實(shí)已經(jīng)可以完成，在業(yè)務(wù)方表達(dá)清晰自己的目的和訴求之后，大模型通過語義理解與翻譯，將目的通過特定方式轉(zhuǎn)化成開發(fā)項(xiàng)目，并給出開發(fā)項(xiàng)目計(jì)劃，剩下的只需要 PM 去做項(xiàng)目推進(jìn)就好了。雖然在這個(gè)過程中假設(shè)了太多現(xiàn)實(shí)中出現(xiàn)可能性極低的條件，但至少還是實(shí)現(xiàn)有望。

此外，寫代碼的過程，在已知某系統(tǒng)結(jié)構(gòu)下，需要通過 X 方法來在 Y 部分實(shí)現(xiàn) Z 功能，并前后端同步完成構(gòu)建，并最后通過嘗試在虛擬環(huán)境下運(yùn)行代碼，并根據(jù)反饋?zhàn)约盒薷淖约旱?bug，這件事，似乎也不是必須由人類完成的。雖然客觀來說開發(fā)去“寫代碼”這件事本質(zhì)上和產(chǎn)品去“寫 PRD”是一個(gè)類型的事情，都是在把事基本捋明白之后，最終落實(shí)到具體實(shí)現(xiàn)的過程。只是寫 PRD 大概只需要打字和畫圖，而寫代碼需要了解更多代碼實(shí)現(xiàn)的邏輯與方式。

大模型的出現(xiàn)，使得“寫代碼”這件事情，在使用代碼完成功能構(gòu)建這件事情上變得更加便宜。大模型在信息整合和使用領(lǐng)域的優(yōu)勢幾乎無可匹敵，此前程序員們戲稱的 ctrl+c/v 代碼復(fù)制類型的工作將會(huì)以更高的效率以成體系的形式輸出。

因此，大多純執(zhí)行類的程序員會(huì)因此而變得性價(jià)比較低（指工資不能大于 20 刀/月），但是與此同時(shí)也要求著原先的執(zhí)行者們更多地向著非執(zhí)行類工作的方向前行。更深入理解業(yè)務(wù)需求，更好地完成代碼邏輯建構(gòu)，更多地嘗試不同的方法和 prompt。

大模型在這一領(lǐng)域中，發(fā)揮的作用其實(shí)與內(nèi)容行業(yè)類似，本質(zhì)上都是抬升了地板（當(dāng)然現(xiàn)在還沒抬完）。而在抬升變化的過程中，完全低于地板的人，自然會(huì)被市場認(rèn)為是性價(jià)比較低的存在。而隨著地板的抬升，自然會(huì)將更多人從原先純粹執(zhí)行的工作中解放出來，去更充分地發(fā)揮“人”這一因素在過程中應(yīng)有的作用——Aim and select。

3）落到應(yīng)用范圍，我們可以大膽假設(shè)——在未來，單獨(dú)的工具類 app 還會(huì)有存在的必要嗎？

我們構(gòu)建一個(gè)假設(shè)，即我們大多數(shù)人，在大多數(shù)日常場景下的需求都是類似的，且不需要特別特殊方法或功能去完成它。如果這個(gè)假設(shè)為真的話，那么大多數(shù)人，在大多數(shù)場景下，通過一個(gè)可以基本滿足各類需求的功能去滿足自己的日常訴求，就變得自然而然了。

由此可見，未來，有可能只需要一個(gè)GPT對(duì)話框，我們可能便不再需要——Todolist、calendar、weather、alarm clock、美圖、美團(tuán)、餓了嗎、keep 等這類主要以在特定場景中提供固定工具屬性功能的 app。

只要告訴大模型，把這張圖磨個(gè)皮，腿拉長點(diǎn)，他就可以自動(dòng)完成基礎(chǔ)操作。甚至在釘釘和Notion AI 中，已經(jīng)在探索通過類似的方式完成任務(wù)和低代碼應(yīng)用的搭建，以滿足不同人的個(gè)性化需求（而不是功能化需求）。

那么工具類產(chǎn)品面臨的挑戰(zhàn)將是——他們的壁壘將何在？未來有哪些應(yīng)用會(huì)真的消失？又有哪些會(huì)逐漸變成幕后工具？大家又會(huì)在大模型時(shí)代來臨后做出怎樣的應(yīng)對(duì)？大概還是需要那些比我更聰明的人去尋思了。

上述的小想法，只是在我們已知的日常工作范疇內(nèi)，而真正的先行者，則會(huì)去創(chuàng)造和探索新的執(zhí)行方式，他們的存在依然會(huì)不朽。如今的大模型僅能通過已知信息應(yīng)答被提出的問題，但是無法創(chuàng)造和說明當(dāng)前還沒有的信息。我們依然需要人們?nèi)プR(shí)別和拓展新的邊界，去拓展大模型所在地板的邊界。

大模型的出現(xiàn)一如此前從純手工制作到工業(yè)化的轉(zhuǎn)變，并不意味著純手工制作的消失，也并不意味著所有此前手工制作經(jīng)驗(yàn)變得無意義。那些愿意去探索更優(yōu)質(zhì)的手工制作方式，探索更有效的工業(yè)化生產(chǎn)方式的先行者，依然是整個(gè)行業(yè)前進(jìn)的動(dòng)力。

三、下一步的大模型

現(xiàn)在的大模型并不完善，他依然有一些我們希望他能做得更好的事情?，F(xiàn)在的大模型，一如一個(gè)執(zhí)行力很強(qiáng)但是眼里沒什么活兒的下屬，當(dāng)你問他什么事情或者安排他去做什么的時(shí)候，他可以手腳麻利地完成。雖然現(xiàn)在還有一些小問題，需要你去盯一下最后的結(jié)果，但是大體來說，說什么干什么還是沒什么問題的。如果放到我們熟悉的工作場景中，這種類型的員工我們其實(shí)能覺察出來，距離“優(yōu)秀員工”，他沒有足夠的主動(dòng)性，說白了就是眼里沒活兒。

當(dāng)前的大模型是以響應(yīng)為主的，而非主動(dòng)建議。一如阿里的通義千問，“是一個(gè)專門響應(yīng)人類指令的大模型”（十分嚴(yán)謹(jǐn)）。同時(shí)，在輸出方案時(shí)，大模型會(huì)根據(jù)訓(xùn)練集中多數(shù)出現(xiàn)的場景，去將我們每一個(gè)場景不明確的問題賦予一個(gè)出現(xiàn)概率更高的場景，正因如此，才需要我們更多的執(zhí)行 select 的過程，或者更多 prompt 的過程。

同時(shí)，大模型也無法獲知人類是否需要在哪個(gè)節(jié)點(diǎn)完成判斷，以約束可能輸出的解決方案。導(dǎo)致我們只有在輸出完解決方案之后，才可以提供方案的改進(jìn)意見，而這個(gè)意見實(shí)際可以在方案完全產(chǎn)出之前就可以提供。

由此：

1. 主動(dòng)
2. 判斷節(jié)點(diǎn)

這兩點(diǎn)會(huì)變成大模型未來變得更好用的契機(jī)。換句話說，讓這個(gè)只知道執(zhí)行的員工變得眼里有活兒，且不會(huì)替你瞎做判斷。如果這個(gè)餅可以實(shí)現(xiàn)的話，那么距離成熟的“AI 私人秘書”，就近在咫尺了。

當(dāng)然這個(gè)故事可能就有點(diǎn)遠(yuǎn)了。

四、大模型下的我們

那么聊點(diǎn)近的。

我們?nèi)祟惖呐袛嘣诖蠖鄶?shù)時(shí)候都是依賴于直覺，而非理性。同時(shí)，大多數(shù)人一般有的是“理性感”。由此，會(huì)產(chǎn)生的小影響是，大模型的 bias 會(huì)對(duì)人們的判斷產(chǎn)生影響。有實(shí)驗(yàn)表明，在大模型的影響下，人們對(duì)于電車難題這種道德倫理的問題判斷傾向會(huì)與大模型的建議趨同。

我們由此做一點(diǎn)點(diǎn)引申。大模型當(dāng)前是以響應(yīng)為主的，并且是基于已有的信息完成響應(yīng)。在訓(xùn)練的過程中，大模型會(huì)持有比較中性的偏見，同時(shí)，一般比較常見的偏見，例如性別、膚色、國籍等，在大模型輸出的時(shí)候會(huì)特別完成管控。雖然這本身就已經(jīng)是一種偏見了。

人們?cè)趯?duì)話中，通常會(huì)包含“觀點(diǎn)”和“事實(shí)”，但是有些人其實(shí)不太善于分別“觀點(diǎn)”和“事實(shí)”，同時(shí)，大模型自己其實(shí)也不知道自己輸出的到底是“觀點(diǎn)”還是“事實(shí)”，對(duì)于他來說其實(shí)都是事實(shí)。由此包含的風(fēng)險(xiǎn)是，不擅長分辨“觀點(diǎn)”和“事實(shí)”的人，可能會(huì)把大模型自以為“事實(shí)”的“觀點(diǎn)”認(rèn)為是“事實(shí)”。

引發(fā)的問題是，我們可能從一個(gè)信息繭房脫離，進(jìn)入到另一個(gè)更堅(jiān)固的信息繭房。從推薦算法中脫離，跳到一個(gè)，始終會(huì)理你而且秒回，知道你想要什么和喜歡什么，并且一直能記住你不吃辣，召之即來揮之即去，也不會(huì)對(duì)你埋怨也不會(huì)對(duì)你有要求，只想著怎么能滿足你的需求和愿望的，信息繭房里。畢竟，每個(gè)人都更喜歡自己，和自己的觀點(diǎn)。

顯然，離完美男友就只差一個(gè)什么功能了，是更危險(xiǎn)的開放式囹圄（論年輕人不結(jié)婚的新理由）。這種理論上可以滿足我們大多數(shù)信息訴求，甚至可以提供不少情感訴求的存在，也會(huì)在不經(jīng)意間影響著我們的決策。

可能有朝一日我們?cè)儆媒?gòu)主義分析人們的心智模型和心智構(gòu)成的時(shí)候，就需要考慮到 2023 年作為大模型元年，不同的大模型有著不同的特性和傾向分別在不同的場景下對(duì)不同的人產(chǎn)生了不同的影響的問題……未來的大模型，甚至有可能成為文化和社會(huì)的一部分。

那么在大模型時(shí)代下，我們能做些什么呢？有啥法子不被淘汰，有啥法子可以乘上地板抬升的順風(fēng)車，能力大概有五項(xiàng)要求：

1. 能提出好的問題
2. 有好的價(jià)值判斷邏輯與方法，以及，好的審美
3. 知道如何清晰地表述自己的想法和目標(biāo)，并確認(rèn)對(duì)方理解的和你表達(dá)的誤差不大
4. 意識(shí)到自己是否處于信息繭房中，并時(shí)刻去探索新的領(lǐng)域
5. 有意愿與能力去創(chuàng)造和選擇新的東西

（未完待續(xù)……）

寫半截兒發(fā)現(xiàn)這五項(xiàng)要求……坑還是很深的，所以計(jì)劃放到下集來寫……其實(shí)還順便意識(shí)到，無論在什么時(shí)代，對(duì)于優(yōu)秀人才的要求都是雷同的。我的野心自然想畫好邊界，建好軌道，但不是件容易的事情啊。