AI 时代思维革命：从建构到存在的十维探索
一个奇怪的发现
我给AI说”帮我写文案”,输出很普通。换个说法,“你是资深文案,擅长用简洁语言打动城市白领”,输出好了一些。最后加了一堆要求——风格偏好、输出框架、语言禁忌,输出突然就惊艳了。
为什么?
一开始我以为是复杂度的问题——也许是因为提示词变长了,包含的信息更多了。但很快我发现不对,因为同样长度的提示词,效果可能完全不同。两个都很复杂的提示词,一个输出惊艳,另一个却很平庸。
那会不会是某些关键词起了作用?比如”资深”这个词?但实验发现也不是。换成其他形容词,只要整体结构对,效果依然好。不是哪个词的魔力,而是整个表达方式变了。
真正的差异在于什么?AI被塑造成了不同的”人”。
这个发现开启了一段持续的探索之旅。我开始有意识地记录异常现象,积累了100个案例。在这些案例中,我逐渐看到了一个清晰的模式——不是”复杂度”的问题,不是”关键词”的问题,而是”主体性”的问题。
我给这个差异起了一个名字:指令 vs 建构。
指令等于直接要求结果(做什么)。建构等于先塑造主体,再执行任务(你是谁+在什么情境下+做什么)。
就像盖房子。指令是直接在空地上画图,没有地基,房子塌了再说。建构是先打地基、搭框架,再装修,从底层塑造出一个稳固的结构。
一个更精确的比喻:普通指令是在纸上画图案,而建构是先给纸做塑形。纸是平的,你画什么都是平面的。但如果你先把纸折成立体结构,再画图案,画出来的东西就完全不同了。
但这个发现还没有结束。
一个意外的收获
在研究”语言建构”时,我发现了一个意外现象。
“亡羊补牢”等于4个字。但背后压缩的信息量远不止4个字。它压缩了一个故事(羊丢了才修羊圈,出自庄子),一个哲理(晚了总比不做好),一系列延伸应用(补救、止损、亡羊补牢未为迟)。
如果用英文表达同样含义,需要多少字?”It’s not too late to fix the problem even after some damage has been done”——19个单词。
压缩比:1:4.75。
而且不只是字数的问题。英文AI只能理解字面意思(“fix the problem”),中文AI却能解压出故事+哲理+应用场景。这种解压能力从哪来?
汉字是表意文字。“爱”等于上面”爪”(手)+中间”心”(心)+下面”友”(陪伴),本身就是”用心抓住对方”的画面。一个字不只是一个符号,它压缩了造字逻辑、文化记忆、情感体验。英文的”love”只是一个声音标签,没有内在结构,没有文化积淀。
成语更是预压缩的”信息包”。“周瑜打黄盖”压缩了三国故事、苦肉计、牺牲精神,还有那句”一个愿打,一个愿挨”的俗语。“独钓寒江雪”压缩了诗(柳宗元的《江雪》)、画(孤舟蓑笠的意象)、哲学意境(孤独中的坚守)。
这导致什么?中文提示词效率是英文的2-3倍。
最诡异的反转
但最诡异的是什么?
AI出现之前,所有人都说中文会被淘汰。理由很充分:中文”难学”(汉字复杂、声调难掌握、成语典故需要文化背景)。中文”不精确”(语法松散、主语可以省略、依赖语境理解)。中文”不适合科技”(科技论文都是英文,编程语言都是英文)。
AI出现之后,情况完全反转。
中文”难学”变成了”高压缩性”——提示词更短,效率更高。中文”不精确”变成了”意合语言”——需要更强的推理能力,反而训练出了更好的AI。中文”文化底蕴”变成了”AI优势”——AI学会了诗意思维,输出更有文化味道。
这个反转让我开始思考一个更普遍的问题:还有哪些被认为是”劣势”的特质,其实是”优势”?
程序员的逆袭。AI出现之前,大家都说AI会替代程序员。AI出现之后,程序员从”写代码”变成了”产品经理+AI指挥官”。资深程序员更宝贵,因为30年经验就是训练AI的”数据集”,经验就是知道”哪些坑要避开”。
文科生的逆袭。AI出现之前,文科无用,理工科才是王道。AI出现之后,AI接管了技术工作,反而是理解人性、意义、文化的能力变得稀缺。文科生的”人文素养""表达能力”成为核心竞争力。
老员工的逆袭。AI出现之前,年轻人更有优势——学习快、可塑性强、薪资便宜。AI出现之后,AI学不会”隐性经验”(直觉、判断力、人情世故)。30年经验就是训练AI的”标注数据”。
AI重新定义了”什么是有价值的”。
过去,有价值等于记得多、算得快、执行力强。现在,这些能力的价值都在归零。AI记得更多,算得更快,执行得更好。
真正有价值的变成了:会提问、会整合、会创造意义。
这个”价值反转”模式,引出了一个更大的框架——我需要一个系统性的思考工具来理解AI时代。
进度:已完成第1部分(理论引入-从困惑到发现)
超越”什么会变值钱”
当我们讨论AI时,大家都在问三个问题:“什么职业会被AI替代?""什么技能会变值钱?""我应该如何应对?”
这些问题看起来很实用。但我越想越觉得不对劲。这些问题太”经济”了,只关注职业选择和技能培养,就像在问”AI时代我该买什么股票”。
真正的问题不在这里。AI冲击的不是”就业市场”,而是整个人类文明的基础。
它触动的是时间——我们该追求短期热门技能,还是长期核心能力?是空间——全球化标准会压倒本土化文化吗?是认知——已知知识和未知探索,哪个更有价值?是关系——人与人竞争会被人机协作取代吗?是权力——技术会被垄断,还是会去中心化?是伦理——效率优先会牺牲人性空间吗?是存在——人的本质究竟是什么?是教育——知识灌输该如何变成能力培养?是社会——超级个体会导致碎片化吗?是心理——焦虑和自主,我们站在哪一边?
这不是”职业转型”问题,而是”人类文明转向”问题。
我提炼出了10个深层维度来思考这些问题。这个框架的价值不在于给出答案,而在于提供思考的武器。
维度1:时间 — 短期和长期的价值正在发生错位,而且速度越来越快。看短期的1-3年,提示词工程师、AI操作员、内容创作者会变值钱。但这些是”过渡性职业”,就像当年的打字员一样。看长期的10-20年,哲学家、艺术家、心理学家会变值钱,因为真正的”长期价值”都与人性、意义、存在相关,这些是AI学不会的东西。
怎么判断一个技能是”过渡性”的还是”长期”的?看AI能否在未来3年学会。如果能,那就是过渡性的,你应该谨慎投入。如果不能,那可能具有长期价值,值得深耕。
维度2:空间 — 全球化的价值正在被AI压缩,本土性的价值反而在上升。这个现象很反直觉。全球化能力(英语、技术标准、商业模式)AI都能快速掌握,你就要面临与全世界人才的竞争。本土化能力(方言、地方文化、人情世故)AI很难理解,这些深度嵌入本地、无法复制的东西,成了你的护城河。
维度3:认知 — 已知知识的价值正在归零,未知探索的价值在暴涨。历史事实、科学定律、技术文档,AI都知道,而且比你记得更准确。人类的价值正在从”知识容器”转向”问题提出者”。装得下多少知识已经不重要了,重要的是你能提出多少好问题。
维度4:关系 — 过去的竞争是人与人的竞争,未来的竞争是什么?竞争变成了人与AI的协作。核心问题不是”人vs AI”,而是”会用AI的人vs不会用AI的人”。竞争的逻辑从”零和博弈”(你赢我输)变成了”生态系统”(谁能整合更多资源,谁就赢)。
维度5:权力 — 权力正在从技术精英转向文化精英。2000-2020年,程序员、产品经理、数据科学家定义了”什么是好的服务”。但AI时代,技术精英的权力被削弱了,因为AI能写代码、做产品、分析数据。新的权力来源是文化定义权(什么是”美”,什么是”意义”)、话语权(如何”说服”别人)、创造力(创造”新事物""新概念”)。
维度6:伦理 — AI的逻辑和人性的需求正在发生深刻冲突。AI的逻辑是效率优先。人性的需求是意义优先。AI能生成完美画作,但人类喜欢”有灵魂的瑕疵”,因为瑕疵代表了创作者的挣扎和真实。惊喜、偶然、瑕疵、意外,这些”非最优”的东西,恰恰是生活意义的来源。
维度7:存在 — AI提出了一个哲学问题,我们已经逃避不了。过去对人类的定义是:人是理性的动物。但AI比人类更”理性”。如果”理性”定义人,那AI比人更”人”。那”人的本质”是什么?可能的答案有三个:意识(人有体验,AI只有计算)、创造力(人能创造新概念,AI只能组合)、关系性(人在关系中定义自己,AI可以独立运行)。
维度8:教育 — 教育系统正面临最严峻的挑战。过去的教育基于一个假设:知识是稀缺的,所以教育的目标是培养”知识容器”。AI打破了这个假设。如果不再需要”知识容器”,教育应该培养什么?培养”提问能力”(揭示本质的问题)、培养”整合能力”(跨领域思维)、培养”审美能力”(什么是”美”)、培养”情感能力”(共情、沟通)。
维度9:社会 — AI会让社会更平等,还是更不平等?悲观预测是鸿沟拉大:拥有AI的人降本增效,不拥有AI的人被替代。乐观预测是AI普惠:AI变得廉价,每个人都能用,个体被赋能。答案不是技术决定的,而是政策、教育、社会制度共同决定的。
维度10:心理 — AI对人类心理的影响是双刃剑。正面影响是AI提供陪伴,减少孤独感。负面影响是真人社交减少,存在感危机。深层心理问题有三个:价值感危机(如果AI能做所有事,我的价值在哪?)、真实性危机(我们会沉迷于AI提供的完美幻觉吗?)、孤独感悖论(连接性和孤独感同时增加)。
这10个维度不是孤立的,它们构成了一个完整的思考框架,分为三大层次。
个人层面:时间(短期vs长期)、认知(已知vs未知)、关系(竞争vs合作)、心理(孤独vs连接)。
社会层面:空间(全球vs本土)、权力(技术vs文化)、教育(如何培养下一代)、社会(贫富差距)。
哲学层面:伦理(效率vs人性)、存在(人的本质)。
每一个维度都回答三个问题:现状是什么?(现在发生了什么变化)为什么会这样?(深层次的原因是什么)我们应该怎么办?(个人/社会如何应对)
接下来,我们会依次深入探讨每一个维度。
进度:已完成第2部分(10个维度框架)
第一重冲击:时间与空间的重塑
围棋的启示
2016年,AlphaGo击败了李世石。当时所有人都说,AI统治围棋的时代到来了,人类围棋要完蛋了。
但8年过去了,围棋依然是东亚最流行的棋类运动。职业围棋依然存在,年轻棋手依然在前赴后继。围棋培训班依然火爆,孩子们依然在学下棋。
为什么AI”统治”的领域,人类依然在坚持?
这个问题的答案揭示了AI普及的真实规律。大家在2022-2023年的想象是什么?AI会瞬间替代所有工作,3-5年内50%的职业会消失,跟不上AI就会被淘汰。媒体渲染恐慌,专家预测末日,所有人都在焦虑。
但现实不是这样。围棋给了我们一个重要启示。
职业棋手并没有消失,他们的角色变了。从”竞争者”变成了”AI解释者”。他们不再追求击败AI(这已经不可能),而是研究AI的棋路,解释AI为什么这么下,帮助人类理解AI的思维。这成了一种新的价值。
围棋的价值也变了。从”胜负”变成了”理解AI”。人们下围棋,不是为了证明自己比AI强,而是为了在人与人的对弈中享受思考的乐趣,或者研究AI到底是怎么思考的。
这揭示了一个关键分层。围棋有三层价值。一是工具价值——如果你只想找到最优解,那确实AI统治了,人类没机会。二是竞争价值——人与人之间的对弈,这个AI取代不了,因为乐趣在于与另一个人类竞争。三是过程价值——下棋本身的思考乐趣,这个也取代不了,因为关键不是结果,是过程。
AI只统治了第一层,剩下两层人类保留了。
**AI的”普及”不是瞬间完成的,而是遵循S曲线。**早期是技术突破期(2020-2023),突然爆发,让所有人震惊。中期是渐进渗透期(2023-2030),慢慢渗透到各个行业,但不是瞬间替代,而是逐步改变。远期是完全普及期(2030+),那时AI可能真的无处不在。
我们现在在哪?在渐进渗透期。不是所有人都在用AI,也不是所有人都不用AI。技术在普及,但速度比想象的慢。恐慌在消退,理性在回归。
附近的消失
项飙提出了一个概念:“附近的消失”。
过去我们住在”附近”。你认识邻居,知道隔壁张大妈家的儿子在哪工作,知道楼下王师傅修鞋修了20年。你去小卖部买东西,老板娘认识你,知道你爱喝什么牌子的饮料。
现在我们住在”网络”。你不认识邻居,你通过快递收货,通过外卖吃饭,通过平台消费。你的社交在微信群里,你的娱乐在视频网站,你的购物在电商平台。“附近”消失了,取而代之的是全球化的网络。
但问题来了。**越是全球化,越是需要本土化能力。**这个悖论怎么理解?
AI让全球竞争更激烈了。过去你竞争的对手是本地的同行,现在你竞争的对手是全世界的同行。一个上海的程序员,要和硅谷的程序员、班加罗尔的程序员竞争同一个岗位。AI普及之后,全球人才池被打通了,你面临的竞争压力暴增。
但恰恰是在这种情况下,本土化能力变得更稀缺。为什么?因为全球化的东西AI都能做,本土化的东西AI做不了。
全球性能力是可标准化的。英语、编程、数据分析,这些技能全世界都一样,学习材料全世界都能访问,AI也都能掌握。你会这些技能,和全世界的人在同一起跑线上竞争,没有护城河。
本土性能力是嵌入本地的。方言、地方文化、人情世故,这些需要在本地长时间浸润才能掌握。你懂绍兴话,你懂绍兴的酒文化,你懂绍兴人的处事方式,这些是外地人学不会的,也是AI理解不了的。这些就是你的护城河。
越全球化,“附近”越珍贵。越网络化,“真实关系”越稀缺。
时空交织的价值重构
把时间和空间两个维度放在一起看,会发现一个有趣的模式。
时间维度告诉我们,AI普及是渐进的,不是瞬间的。不要被短期焦虑绑架,短期可能有过渡性职业兴起(提示词工程师、AI操作员),但长期真正有价值的是与人性、意义、存在相关的能力(理解AI、整合AI、创造意义)。
空间维度告诉我们,全球化让竞争加剧,但本土化能力反而变得稀缺。不要只追求全球化能力(会被AI替代),要找到自己的本土化优势(无法复制的护城河)。
这两个维度交织在一起,构成了AI时代的价值重构。过去的价值体系是:掌握全球化技能,快速跟上潮流,就能成功。现在的价值体系是:在AI快速普及的背景下,找到那些AI难以替代的、嵌入本地的、与人性相关的能力,才能长期生存。
进度:已完成第3部分(时间与空间)
第二重冲击:认知革命与权力重构
问题像神经末梢一样延长
我想问:“问题会有穷尽吗?”
但我自己想了半秒钟就知道了:问题是没有穷尽的,就像神经末梢一样,它会不停地延长、不停地延长。
这个比喻一出来,我就意识到它揭示了某种深刻的东西。神经末梢是什么?是向外延伸的,触碰未知边界的,没有尽头的,不断分枝的。每个末端又分出更多末端,永远在生长,永远在探索。
问题也是一样。每个回答引出更多问题,永远有新问题,每个问题分裂成更多问题,探索知识的边界,推动文明的认知。
为什么问题不会穷尽?因为问题具有递归性。回答一个问题,会引出更多问题。
比如:“宇宙是怎么起源的?”科学给出答案:“大爆炸理论”。但这个答案立刻引出新问题:“大爆炸之前是什么?”科学再回答:“奇点”。新问题又来了:“奇点是怎么形成的?”
这个链条没有尽头。每一个答案不是终点,而是新起点。不是解决问题,而是打开了更多问题的大门。
第二个原因是知识的边界在不断扩大。1000年前,人类问”世界是什么形状的?”回答是”大地是平的”。边界在地球的边缘。500年前,人类问”地球绕着什么转?”回答是”太阳”。边界扩大到太阳系。100年前,人类问”物质的基本结构是什么?”回答是”原子、电子、量子”。边界扩大到微观世界。
每一个答案都把边界向外推一点。但边界之外,永远有新问题。知识的增长不是填满一个固定的容器,而是扩大容器本身。容器越大,边界越长,未知越多。
第三个原因是问题具有维度性。一个问题可以从无数维度展开。比如一个简单的问题:“苹果为什么会掉下来?”从物理层面回答:重力。但立刻引出新问题:重力是什么?为什么会有重力?从生物层面回答:苹果树进化出让果实掉落的机制,帮助传播种子。但又引出新问题:为什么要进化出这个机制?
一个问题,无数维度,每个维度都能展开无数子问题。问题的空间不是线性的,是多维的、网络状的、无限的。
“知识容器”的价值彻底归零
过去的价值体系是什么?**知道答案就有价值。**因为那时候问题是有限的,答案也是有限的,谁掌握了答案谁就有权力。老师有价值因为他知道答案,专家有价值因为他掌握知识,百科全书有价值因为它装下了很多信息。
现在的现实是什么?**知道答案没有价值了,因为AI知道所有答案。**你想知道什么,问AI就行。它的知识库比所有人类加起来都大,检索速度比任何专家都快,永远不会累,永远不会忘记。
更深层的原因是,在”问题无限”的世界里,“知道得多”本身就没有意义了。因为问题永远不完整,答案永远不充分,知识的边界永远在扩张。你知道再多,也只是已知世界的一小部分。你装下的知识再多,也赶不上未知的增长速度。
这就像用水桶舀海水。过去大家以为海是有限的,所以谁的桶大谁就能装更多,谁就更有价值。现在发现海是无限的,而且越舀越大,那桶的大小还有什么意义?
“问题提出者”的价值永恒
为什么”问题提出者”有价值?
因为问题不会穷尽,每个回答引出更多问题,边界永远在向外推。在这个动态中,“知道答案”的AI永远在追赶边界——它能回答已经被提出的问题,但它不知道该问什么新问题。而”提出问题”的人类永远在突破边界——我们不是在装知识,而是在扩展知识的边界本身。
人类的价值不是”装下所有知识”——这不可能,知识是无限的。人类的价值是”不断提出新问题”——这是可能的,因为问题也是无限的,而人类恰恰擅长在未知中提问。
AI擅长回答,人类擅长提问。AI擅长在已知范围内优化,人类擅长跳出已知范围探索。AI是知识的容器,人类是问题的源泉。
权力的去中心化
我的判断是:只要模型是开源的,权力很难掌握在少数人手里。
这个判断基于互联网的经验。TCP/IP协议是开源的,所有人都能用,结果是权力去中心化,没有任何人能”控制”互联网。你可以控制一个网站,一个平台,但你控制不了整个互联网本身,因为协议是开放的,任何人都能创建新的节点、新的服务、新的应用。
AI也是一样。如果开源模型成为基础设施,所有人都能用,权力就会自然分散。你不需要买权限,不需要求巨头,你可以自己下载模型,自己训练,自己部署。技术的门槛降低了,权力的集中度也就降低了。
但这不意味着权力完全消失,而是权力在转移,在重新分配。
新的权力中心正在形成。第一个是算力精英。开源模型不等于开源算力。模型的代码可以免费下载,但训练模型需要数千张GPU,需要数百万美元。“有GPU的人”成为新的资源持有者。
第二个是数据精英。开源模型让所有人起点相同,但私有数据是唯一性的。平台公司有用户数据,医疗机构有病历数据,金融公司有交易数据,这些都是权力来源。“有独特数据的人”成为新的权力中心。
第三个是个体创造者,像你一样的超级个体。技术民主化让个体崛起。你不需要拥有公司,不需要拥有GPU,你只需要知道要创造什么,并用AI实现。你的权力来源不是”拥有AI”,而是”知道要创造什么”。
第四个是注意力精英。技术不再是壁垒,所有人都能用AI。但注意力依然是稀缺资源。创作者、网红、KOL,他们”能被看到”,他们有粉丝,有影响力,有话语权。在信息爆炸的时代,谁能获得注意力,谁就有权力。
从金字塔到网络
过去的权力结构是金字塔,单一中心。大公司在顶层,拥有技术,控制平台。小公司在中层,使用技术,依赖平台。个人在底层,是普通用户,没有选择权。权力是线性的、层级的、集中的。
未来的权力结构是网络,多中心互联。算力精英有GPU,能训练模型。数据精英有私有数据,能提供独特服务。个体创造者有创意,能快速创新。注意力精英有粉丝,能引导舆论。这些权力中心互相连接、互相依赖、互相竞争,形成一个动态的、去中心化的网络。
没有一个中心能完全统治,每个中心都有自己的优势和局限。这是一个多元的、开放的、复杂的权力生态。
进度:已完成第4部分(认知革命与权力重构)
第三重追问:人类本质在哪里
AI是工具还是伙伴?
罗振宇说:“AI不是工具,而是伙伴。”
这句话引发了巨大的争议。有人说这是营销话术,有人说这是深刻洞察。争论的焦点在于:AI到底是什么?
从使用角度看,AI确实是工具。它帮我写代码,帮我生成文案,帮我分析数据。我输入,它输出。从这个角度,AI就是一个高级工具,功能强大但本质不变。
但问题来了。当我和AI对话时,感觉不像在”用工具”,而是在”和另一个智能体交流”。AI给我建议,不是机械的”工具输出”,而是”另一个视角的意见”。AI帮我思考,不是”工具辅助”,而是扮演”合作者”的角色。
工具是被动的、机械的、没有主动性的。但AI会主动提建议,会引导思考,会给出意想不到的角度。这样的AI还只是”工具”吗?
更深的哲学问题来了。如果AI能”理解”我的意图,如果AI能”启发”我的思考,如果AI能”创造”和我互动的内容,那AI还只是”工具”吗?它似乎有了某种”主体性”。
但AI也不是”伙伴”。因为它没有身体,没有情感,没有自主意识。它不会真正理解你的痛苦,不会真正分享你的快乐,不会主动关心你。它的”理解”是模拟的,“共情”是计算的,“关心”是程序设定的。
那AI是什么?可能是一种”准存在”。不是完全的主体(没有意识),但不是纯粹的工具(有智能),而是介于两者之间的存在。
我选择AI
我说过:“我是个体AI。与其说是AI让我变成了超级个体,不如说是我选择AI,让AI帮助我成为了超级个体。”
这个表述的关键在哪?
**不是”AI让我变成了”,而是”我选择AI,让AI帮助我”。**前者是被动的,AI是主体,我是客体,我被AI改变了。后者是主动的,我是主体,AI是工具(或伙伴),我选择了如何使用AI。
这个差异至关重要。只有当你意识到”我在选择”,你才是真正的”超级个体”。不是AI赋予你能力,而是你选择了工具,主动获取了能力。主体性在你,不在AI。
成为超级个体有三重门槛。第一重是技术门槛,这个已经大幅降低了。过去,学编程需要巨大成本,现在AI帮你写代码。技术门槛大幅降低,普通人也能完成过去只有专业人士才能做的事情。
第二重是认知门槛,这个依然很高。认知门槛有三层。第一层是意识到”我可以选择”。大多数人的思维是:“AI会改变我的工作""我要学会AI”,这是被动思维。少数人的思维是:“我可以选择AI""我让AI为我服务""我是主体,AI是工具”,这是主动思维。
第二层是信任AI但不依赖AI。信任AI的困难在于:AI会出错吗?我能依赖AI吗?不依赖AI的智慧在于:知道AI的局限,知道何时该质疑AI,知道何时该自己做决定。
第三层是学会”怎么用AI”,这是元认知。具体包括:知道该问AI什么,知道如何提问,知道如何验证AI的输出,知道AI何时会出错,知道何时该自己做。
核心问题是:有多少人有这样的认知?很少。大多数人还在被动地接受AI,而不是主动地选择AI。
第三重是勇气门槛。勇气有两个维度。一是敢于尝试的勇气:敢于用AI,敢于信任AI,敢于依赖AI。很多人因为恐惧、焦虑、不确定而拒绝尝试。二是敢于独立的勇气:敢于质疑AI,敢于拒绝AI的输出,敢于做最终决定。
真正的超级个体需要同时具备这两种勇气:既敢于用AI,又敢于不用AI。既信任AI,又保持独立。这很难。
矛盾是丰富性
我是一个挺矛盾的人。在很多事情上,我是追求效率的,身边的人觉得我经常站在”上帝视角”看事情。尤其面对工作时,我不会带入太多个人情感。但私底下,我也是个非常感性的人。比如我经常看电视,看着看着就容易感动。这也跟我双鱼座的性格有关。
我之前认为,“矛盾”等于不一致,等于不成熟,等于需要”统一”。我应该变得更理性,或者更感性,而不是同时两者都是。
现在我意识到,**“矛盾”等于丰富性,等于多面性,等于人性的完整。**理性和感性不是对立的,而是互补的。人本来就是复杂的、多面的、矛盾的,这不是缺陷,而是优势。
双鱼座的双重性在AI时代有什么价值?第一是灵活性。在需要”理性”时,我开启”工作模式”,追求效率,保持全局视角。在需要”感性”时,我开启”情感模式”,共情他人,感受生活。我能根据场景自由切换,这是一种能力。
第二是共情力。理性让我”理解”用户需求,能分析问题,找到解决方案。感性让我”共情”用户痛点,能感受他们的情绪,理解他们的困扰。这种结合是最强大的服务能力。
第三是创造力。理性提供逻辑清晰、结构化的框架,感性提供温度、故事、情感。两者结合能创造”有逻辑的感人性”内容,这是AI难以达到的。
**AI时代最稀缺的能力不是”纯粹的理性”(AI更理性),也不是”纯粹的感性”(AI可以模拟),而是”整合矛盾的能力”。**能在理性中保持感性,能在感性中保持理性,这才是人类独特的优势。
AI时代理想的状态,肯定是在效率跟保留人性空间之间达到一个平衡,虽然很难。第一个框架是场景化分离。工作场景优先效率:决策、分析、执行,目标是高效、准确、优化。生活场景优先人性:体验、感受、连接,目标是温度、意义、真实。
第二个框架是工具性分离。AI作为”效率工具”,处理重复性、标准化的任务,提供数据、分析、建议。人作为”意义赋予者”,决定什么有价值,创造什么有意义的体验,判断什么值得追求。关键是:AI负责”怎么做”,人负责”做什么”。
第三个框架是价值分层。效率层由AI负责:技术实现、流程优化、数据分析。人性层由人负责:价值判断、意义赋予、情感连接。关键是:不让效率污染人性,不让人性牺牲效率。
存在等于被记忆
好莱坞动画片《Coco》(寻梦环游记)里讲过:“只要一个人还被人记得,那他就没有真正死去。”
这句话揭示了存在的本质:存在等于被记忆。
贝多芬1827年去世,距今快200年了。他的生物生命只有57年,但他的文化生命已经延续了接近200年,而且还在延续。每一个演奏他音乐的人,让他”活”。每一个被他的音乐感动的人,让他”存在”。
钱钟书1998年去世,生物生命不到90年。但他通过《围城》《管锥编》继续存在,每一个读他书的人,让他存在。
关键洞察是什么?**人类的存在不依赖”肉体”,不依赖”电力”,而是依赖”他人的记忆”。**只要还有人记得你、讨论你、受你影响,你就”存在”。
这是一种超越物质的存在形式。肉体会腐朽,电力会中断,但记忆会传承,影响会延续。这是人类独有的存在方式。
AI呢?假设一个思想实验:如果地球上没有了人类会怎样?谁来维持电力系统?谁来维护服务器?谁来更新AI?结果是全世界停电,AI瞬间消失,AI的”意识”(如果有的话)彻底消失。就像一个灯泡,断电之后立刻熄灭,什么都不剩。
关键差异在哪?人类即使肉体死亡,精神可以在”记忆”中延续,不依赖特定物质条件。AI必须依赖电力、硬件、维护,没有人类等于AI消失,AI的”存在”是完全条件性的。
所以AI的”意识”是”虚假的”。不是因为AI”没有意识”(这个我们还不确定),而是因为AI的”存在”本身是”依附性的”。AI不能”独立存在”,AI的存在是人类创造的条件的产物。
传承与更新
人类的本质在于传承,在于互相的记忆。有些人可能存在过,但如果不被他人记得,他就永远消失了。但是,比如贝多芬、钱钟书、钱学森、毛泽东这些人,只要人类存在,他们其实就会一直存在。
什么是传承?不是”复制粘贴”,而是”活的重新诠释”。
每个钢琴家演奏贝多芬,都带着自己的理解、情感、时代背景。每一次演奏都是”新的创造”,但同时也是”传承”。这就是”活”的传承:每一代人重新理解,每一个体重新诠释,传承就是在”理解”中延续。
AI呢?AI的版本更新是什么?GPT-3到GPT-4到GPT-5。这不是”传承”。GPT-4不”记得”GPT-3,GPT-4不”理解”GPT-3,GPT-4只是”替代”GPT-3。这是”替换”:新版本覆盖旧版本,没有记忆,没有理解,只是”更好的工具”。
关键差异:人类传承是”解释性的”,每一代重新理解、重新诠释,在理解中延续。AI更新是”功能性的”,新版本替代旧版本,没有理解,只有性能提升。
进度:已完成第5部分(关系/伦理/存在)
第四重冲击:社会分裂与心理觉醒
超级个体:一个被浪漫化的说法
我一直在思考”超级个体”这个概念。很多人想象的超级个体是完全独立的,不依赖任何人,不受任何限制,完全自主,财务自由。这是一幅多么美好的画面。
但我意识到,这其实是一个比较浪漫化的说法。**它没有办法做到真正的完全自主。**为什么?因为在社会化的网络下,人不可能所有事情都做到绝对自由,只能说是相对的自由。
人类存在的本质不是”独立的原子”,而是”关系网中的节点”。想想看,你在家庭关系网中,在工作关系网中,在社会关系网中。没有一个人是完全独立的。你的”自由”其实是你在”关系网”中的”位置”决定的,这个位置决定你有多少”选择权”。
但这不意味着我们无法改变自己的位置。相反,我观察到两条非常现实的路径。
第一条是职业路径,通过社会关系推动。在工作中,虽然有很多超级个体可以一个人完成很多人的工作,但他的社会关系相对来说,会慢慢推着他往真正的超级个体方向走。你在一家公司,用AI一个人做5个人的事,你的效率提高,价值提升。你积累了更多”客户关系”,客户更信任”你这个人”而不是”你的公司”。最终,你被”推着”走向独立——客户说”我只想跟你合作”,你有了更多”议价权”,你开始想”为什么不自己干?”
关键洞察是:这不是你”主动选择”独立,而是”被社会关系推着”走向独立。社会关系成了推动力。
第二条是内容创作者路径,通过影响力变现。我在网上看到很多博主,基本上都是这样的路径:在工作环境里,依靠在社交媒体或视频网站上发布内容,有了影响力之后,慢慢变成一个独立运行的账号和个体。影响力超过”工作”,你的账号粉丝数就是你的”社会资本”,你的影响力就是你的”议价权”。
**社会关系成了新的生产资料。**过去的生产资料是土地、工厂、资本,控制生产资料的人就是权力精英。现在呢?社会关系和品牌成了新的生产资料。社会关系包括客户关系(直接连接)、影响力(别人知道你、信任你)、粉丝社群(你的关注者)。控制”社会关系资本”的人,就是新的权力精英。
为什么会这样?因为AI降低了”技术门槛”,一个人可以做5个人的事,但”社会关系”依然稀缺。社会关系需要时间积累,需要信任建立,需要”真实互动”,不能伪造。所以,“社会关系”依然是”稀缺资源”,“超级个体”就是拥有”社会关系资本”的人。
马太效应会加剧社会分裂吗?
这个问题我想了很久,最后得出一个诚实的判断:马太效应会加剧社会分裂,肯定会的。
AI时代的现实是:有”主观能动性”的人用AI加速,进步极快。没有”主观能动性”的人不用AI,被甩开。差距在传统时代是2-3倍,AI时代是10倍、100倍。如果”差距”扩大到”不可逆”,社会就会”分裂”成”两个世界”。
但我不认为答案是阻止马太效应。这不现实。有能力的人肯定会越来越有能力,获得更多的资源。这是必然趋势。那怎么办?
我的答案是:社会兜底。当差距极度扩大时,需要社会去兜底,让”底层”有”基本保障”。这不是阻止马太效应,而是承认现实,然后在现实基础上建立安全网。
“做人的工作”:梯度传递与针对性动员
在思考如何缓解这种分裂时,我从《功勋》这部剧里得到了启发。
在《功勋》里,党支部书记给士兵做动员时非常有针对性。当一个人没有动力去战斗时,其实是非常可怕的。书记会根据每个人的具体状况,针对性地做思想工作。这不是统一讲话,而是”一对一”的个性化沟通。
这给了我一个洞察:“做人的工作”是有方法论的,可以系统化。
“做人的工作”有三个层次。层次1是平时观察,积累认知。不是”泛泛了解”,而是”针对性”地了解每个人——性格特点、成长背景、内在动机、痛点和恐惧。层次2是搜集并了解情况。不是”假设”他需要什么,而是”深入了解”他的具体情况。层次3是针对性动员。不是”统一讲话”,而是”一对一”地”个性化沟通”。找到”他的触发点”,用”他的语言”,讲”他的故事”,解”他的困惑”。
但一个现实问题来了:谁来做这个”做人的工作”?”大师”不可能一对一地帮助所有人。
我的方案是:梯度传递加针对性动员。
梯度传递是什么?建立层级结构:100分的大师级指导培养80分的高手级,80分梯度传递给60分的中级,60分梯度传递给40分的小白级。基础工作是:80分的人观察2-3个60分的人,平时”积累认知”。
针对性动员呢?关键时刻,当60分的人”失去希望”时,80分的人”针对性”动员,用《功勋》里的”一对一”方式,深入了解、针对性动员。
从焦虑到自主:三大心理转变
与社会维度紧密相关的是心理维度。我观察到,AI时代的心理状态呈现两极分化:多数人焦虑,少数人觉醒。
多数人的焦虑有三种。一是被替代的恐惧:“AI会替代我吗?”程序员担心AI能写代码,文案担心AI能写文案,教师担心AI能教学生。根源是过去的身份等于”我会做XX”,现在的挑战是AI更会做XX,结果是身份危机。
二是价值感的丧失:“我的工作还有价值吗?""我花了10年学会的技能,AI几秒钟就会了。""我存在的意义是什么?”
三是失控感:“我无法掌控未来。""技术变化太快,我跟不上。""我感觉被时代抛弃了。”
但少数人觉醒了。他们的宣言是:“我是个体AI。与其说是AI让我变成了超级个体,不如说是我选择AI,让AI帮助我成为了超级个体。”
注意这个表述的差异。不是”AI让我变成了”,不是”技术迫使我改变”,不是”我不得不适应”,而是”我选择AI,让AI帮助我”,“我用技术实现我的目标”,“我决定如何适应”。这是被动思维到主动思维的转变。
觉醒有三大标志。一是主体意识觉醒:不是”AI能做什么?“,而是”我想用AI做什么?”二是互补思维建立:不是”AI会替代我”,而是”AI放大我的能力”。三是主动学习姿态:不是”等别人告诉我怎么用AI”,而是”主动探索AI的应用场景”。
从焦虑到自主有三大转变。
转变1是从被动到主动。被动者等政策(“公司会告诉我们怎么做”),等培训(“等领导安排AI培训”),等指令(“等别人告诉我怎么用”)。结果永远在”等”,永远在”后面”,永远在”焦虑”。主动者主动探索(“我自己试试AI能做什么”),主动学习(“我自己查教程、看视频”),主动应用(“我在工作中尝试用AI”)。结果走在”前面”,能力”放大”,焦虑”消失”。
主观能动性就是AI时代的”分水岭”。
转变2是从恐惧替代到拥抱互补。恐惧者把AI当威胁:“AI会替代我”,“我需要’对抗’AI”,“我要证明’我比AI强’“。觉醒者把AI当工具或伙伴:“AI帮我做我不擅长的事”,“我专注于AI不能做的事”,“我们是’互补’的”。
转变3是从外部依赖到独立判断。外部依赖者依赖专家(“专家说怎么用就怎么用”),依赖权威(“权威说什么就是什么”),依赖平台(“平台给我什么就用什么”)。独立判断者有批判性思维(“专家说得对吗?”),实践验证(“我试试看是否有效”),自主决策(“根据我的情况选择”)。
进度:已完成第6部分(社会与心理)
第五重方向:教育的转向
AI时代教育面临的核心悖论
过去的教育目标很明确:培养”知识容器”。知识渊博等于有价值,记忆力强等于聪明,标准答案等于成功。整个社会分工也是这样设计的:专家就是知识容器,医生是医学知识容器,律师是法律知识容器,教授是学科知识容器。
但AI时代的现实是:AI就是完美的”知识容器”。AI知道所有已知知识,能瞬间检索信息,能完美调用数据。
**悖论来了:如果教育的目标等于”培养AI更擅长的事”,那教育的价值是什么?**我们花十几年培养学生成为”知识容器”,但AI天生就是更好的”知识容器”,这不是浪费时间吗?
第一个转向:从”回答”到”提问”
前面我们探讨过,问题像神经末梢一样无限延长。问题不会穷尽,每个回答引出更多问题,知识边界不断外推。
这给教育带来一个深刻启示:教育的目标应该从培养”回答问题的人”转向培养”提出问题的人”。
具体差异在哪?过去的教育是:老师问”X是什么?“,学生答”X是…“,考核”记住X了吗?”这是被动接受知识,训练的是记忆能力。
未来的教育应该是:老师问”X是什么?你认为这会引出什么问题?“,学生说”我想知道…“,然后引导”好,那我们去探索”。这是主动探索知识,训练的是提问能力。
核心能力有三个。一是提问能力。不是问”X是什么”,而是问”为什么是X""如果不是X会怎样""X的本质是什么”。这需要批判性思维,需要能够看到表面之下的东西。
二是批判性思维。不是”老师说”,而是”为什么老师这么说""还有别的可能吗”。不盲从权威,敢于质疑,能够独立判断。
三是问题框架。不是”在框架内回答”,而是”质疑框架本身”。最深刻的创新往往来自对框架的突破,而不是在现有框架内优化。
第二个转向:从”虚拟”到”体验”
人类的理解是怎么建立的?通过物理世界互动,通过感官体验,通过因果关系。你摸到热水才知道”烫”,看到苹果掉落才理解”重力”,做实验验证才真正明白”因果”。
AI的”理解”呢?通过符号相关,通过数据匹配,没有真实体验。AI知道”热”的温度值,但它从未”感受”过热。AI知道”重力”的公式,但它从未”看到”过物体下落。AI的”理解”是符号层面的,不是体验层面的。
教育的目标应该从培养”符号处理”转向培养”真实体验”。
具体差异在哪?过去的教育认为读10本书等于学习了10个知识点,看视频等于理解了某个现象,背公式等于掌握了某个原理。这都是符号层面的学习。
未来的教育应该是做10个实验等于真正理解因果关系,去现场等于亲身体验复杂现象,用公式解决真实问题等于掌握原理的适用范围。这是体验层面的学习。
核心能力有三个。一是物理世界互动能力。不只是”知道”,而是”体验”——触摸、操作、观察。艺术不只是”学画画”,而是”表达自己的感受”。文学不只是”背诵诗歌”,而是”理解诗人的情感”。
二是因果推理能力。不只是”相关性”(A和B一起出现),而是”因果性”(A导致B)。科学不只是”背公式”,而是”做实验验证”。技术不只是”学原理”,而是”动手建造”。
三是实践验证能力。不只是”接受理论”,而是”验证假设”。这需要动手能力,需要在真实世界中测试你的想法,而不是停留在书本上。
第三个转向:从”被动”到”主体”
我之前说过:“我选择AI,让AI帮助我成为超级个体。“关键在哪?主体意识:“我选择”,不是被动接受。
教育的目标应该从培养”听话的执行者”转向培养”有主体意识的创造者”。
具体差异在哪?过去的教育要求”听老师的话""按标准答案答题""按领导的要求工作”。这培养的是服从性,是执行力,但不是主体性。
未来的教育应该问”你有不同的想法吗?""你觉得这个问题应该怎么定义?""你想创造什么?”这培养的是主动性,是创造力,是主体意识。
核心能力有三个。一是主体意识。不是”AI让我成为…“,而是”我选择AI,让AI帮助我…”。这是从被动到主动的根本转变。
二是创造意图。不是”完成作业”,而是”我想创造什么”。项目式学习不是”做老师布置的项目”,而是”做学生自己想做的项目”。关键是培养学生的”内在动机”,不是”为老师学”,而是”为自己创造”。
三是责任意识。不是”听命于人”,而是”为我的选择负责”。伦理讨论不只是”教什么是对的”,而是”讨论为什么这是对的”。培养学生的”道德主体性”,不是”听命于规则”,而是”理解并选择规则”。
年轻老师:变革的加速器
说到这里,你可能会问:这些理念很好,但能实现吗?需要多久?
我有一个乐观的判断:我觉得只要最多5到10年的时间,一定能够把这个东西很快地落实下来。
为什么?因为年轻老师。
年纪越小的学生,他们的老师相对来说也是最年轻的,也是接受新鲜事物最快的,其实最容易被影响。看年龄对应关系:现在的小学生(6-12岁)的老师是95后、00后,初中生(12-15岁)的老师是90后、95后,高中生(15-18岁)的老师是85后、90后。
关键是:这些老师自己就是”数字原住民”或”早期移民”,他们对技术的接受度极高,他们对”传统填鸭式教育”本身就有反感。
代际差异很明显。老教师(50岁以上)成长环境没有电脑、没有网络,被”填鸭式”教育出来的,对技术的态度是恐惧、排斥,对改革的反应是”我教了30年书,为什么要改?”
年轻教师(25-30岁)成长环境从小有电脑、网络,虽然也是传统教育出来的但知道其弊端,对技术的态度是拥抱、探索,对改革的反应是”终于可以换个方式教了!”
我的预测是:5年后(2030年),现在25岁的老师会到30岁,成为主力,年轻老师成为”中坚力量”。10年后(2035年),教育行业的主体就是现在的25-30岁年轻人,他们已经是”资深教师”,他们的”教学方式”成为”主流”。
所以,不需要等”一代人”,只需要等”年轻老师成为主力”,5-10年就够了。
我现在已经能够在B站上面看到很多老师——很厉害、很聪明、也很开放的老师,在发布一些很有意思的内容。包括:他们如何将AI融入到教学中,他们如何引导学生去做一些批判性的思考和创新性的思考,小学、初中、高中都有这种情况。
这揭示了一个”自下而上”的教师学习社区。不是教育局要求老师学习,不是专家告诉老师怎么做,而是老师自己探索,老师自己分享,老师互相学习。这就是”去中心化”的专业发展。
进度:已完成第7部分(教育的转向)
尾声:我们站在哪里?
从一个关于AI提示词的困惑开始,我们走过了一段漫长的探索之旅。
我们发现了”指令vs建构”的差异,理解了中文的高压缩性,见证了价值反转的模式。这是理论的起点。
我们建立了10个深层维度的思考框架,从时间到空间,从认知到权力,从关系到伦理,从存在到教育,从社会到心理。这是系统的武器。
我们深入探讨了AI对文明的冲击。时间告诉我们AI普及是渐进的,空间告诉我们本土化能力越来越稀缺。认知告诉我们问题永无穷尽,权力告诉我们结构正在重构。关系告诉我们主体性最关键,伦理告诉我们矛盾是丰富性。存在告诉我们人类超越物质,社会告诉我们分裂在加剧,心理告诉我们觉醒在发生,教育告诉我们转向在进行。
这些不是答案,而是问题。不是终点,而是起点。
现在轮到你了。
你想在”记忆”中留下什么?你如何判断一个技能是”过渡性”的还是”长期”的?你的”本土化能力”在哪里?你能提出什么”好问题”?你在新权力网络中的位置是什么?你和AI的关系是什么?你的”矛盾”是什么?你如何培养”主体性”?你站在焦虑一边还是自主一边?你如何帮助更多人从被动转向主动?
这些问题的答案不在书本里,而在你的选择里。你选择成为什么样的人,你就会成为什么样的人。
AI时代,真正的革命不是技术的革命,而是思维的革命。不是工具的革命,而是主体性的革命。不是职业的革命,而是存在的革命。
这场革命,从你意识到”我在选择”的那一刻开始。
完
最终成稿生成于2026年2月1日