文 | IMS 李檬
今天，你可以向 AI 提出任何问题，并迅速得到答案，回答水平超过了 95% 的专家，而这是 AI 通过技术优势快速“ 剥削” 人类知识财富实现的。正如 《人类简史》 作者尤瓦尔・赫拉利所说：“ 只需几年时间，AI 可能会吞噬整个人类文化数千年来产生的一切，进行消化，并开始涌出大量新的文化产物。”
很多时候，AI 甚至都看不上人类那点知识，因为在很多情况下 AI 生成的知识质量更好。比如，人类医生一周能看 200 个患者，AI 医生一天就能看 200 个患者，两者的最大差别在哪里？同样时间，AI 医生看过的病人要多得多，也就有更多机会接触各种疑难杂症，熟悉大量罕见病的病程进展，而且还能从这些进展中发现规律。相比之下，人类医生除了在知识量上远远不及 AI，更重要是，AI 还能领悟透我们人类触及不到的知识结构。
时至今日，人类有史以来所有知识经验，都能被 AI 统筹起来，建立一个大数据库，供每一个人随时随地免费取用，包括最顶尖的创作、法律、医疗、教育等核心资源。
AI 让知识的获取与生成变得如此简单，我们是否还能保持对深度理解的渴望和探索？未来还会有人类的学术成就吗？对这些问题，我并不感到悲观。
AI 吸收生成知识，人类升级思维模型
基督教会有一项“ 查经” 活动，就是逐字逐句读 《圣经》，一晚上只读一小段，然后大家自己体会，自己领悟，这件事做了几千年。同样的 《圣经》 经文，不同时代的人，不同社会阶层的人，以及不同年龄、不同见识的人，会有各自不同的理解。比如，耶稣说“ 爱你的仇敌”，马丁· 路德· 金的理解是“ 非暴力抗争的力量”，尼采则认为是“ 弱者的道德”。
《圣经》 经文几千年没有变，但人们头脑中的思维模型一直在变，不断删掉旧的程序，形成新的程序，涌现新的知识输出。知识是什么？无非就是人脑中不断变化的思维模型，对新的环境信息做出各种加工，然后实现输出。
如果 AI 快速筛选、整合信息并生成新的知识，被认为是剥削人类知识财富，那么，人类也能快速更新思维模型，或者创造新的思维模型。人类思维模型的核心是判断：
第一个是“ 真伪判断”，这是真的吗？
下一个是“ 是非判断”，这对不对？
然后是“ 价值判断”，这个重要吗？
最后是“ 道德判断”，这事我该褒奖，还是谴责？
这四个判断的次序是不能错的，不能连基本的事实都没搞清楚，就搞道德判断，点赞或者吐槽。但时至今日，AI 的正常使用越来越需要由人来把控，AI 胡编滥造、传播谣言的事情已不少见。
AI 吸收、创造、储存知识，有无与伦比的优势，但不能偏离我们人类的思维模型。纵观人类的知识进化史，其实就是知识储备和思维模型的“ 交互迭代”—— 知识储备迈出一步，思维模型便旋转一圈，两者相互推动、螺旋上升，每一次迭代升级，都是对旧有边界的突破，也是对未知领域的拓展。
工业时代之前
工业时代之前，知识掌握在少数精英手中。尤其在中国，读书跟做官、获得社会地位是挂钩的。那时，书写昂贵、教育门槛很高，知识与权力 （社会地位） 相互巩固，导致了“ 寒门难出贵子” 的普遍现实。古人读书有多贵？蔡伦改进造纸术前，寒门学子为 （使用帛书） 抄录一本 《论语》，往往需要变卖家产或借贷度日。即使在印刷术发达的宋朝，要购买一套 《资治通鉴》 也需花费一个普通家庭 2 年的生活费用。
仅仅获取一些存量知识，就这样困难和昂贵，导致古人头脑中的思维模型进化缓慢，比如中国“ 天圆地方” 的观念，欧洲人“ 地球是宇宙中心” 的执念，都可以延续千年。
工业时代
进入工业时代，大多数人都被动接受标准化教育，生产线式学习知识。我们几乎都是在“ 普鲁士教育制度” 下完成的学业阶段。什么意思呢？就是学校教的知识被分割成为不同科目，学生早出晚归，听课、做笔记和参加不同学科的考试，最好不要偏科。上了大学，专业更加细分，绝对是隔行如隔山。比如，同样是眼科医生，研究晶状体的专家与研究视网膜的专家，手术技能、设备使用几乎没有交集，就像来自不同专业。
“ 垂直化分科” 在工业化初期起到很大作用，与工厂的流水线几乎是无缝对接的。但接受这种教育是有代价的，导致我们的思维模型难以对不同学科知识融会贯通，丧失跨界思考能力。
互联网和决策 AI 时代
互联网时代渐渐形成了“ 平台吞食世界” 的趋势。也不是说，互联网就一定会塑造强势的平台，但互联网强化了“ 内容受制于渠道” 的现实。
哪怕在好莱坞的黄金时代，电影编剧、导演也是受制于制片人，制片人则受制于发行公司，很多时候发行公司又受制于院线，因为院线负责排片，决定了哪部电影可以被更多人看到。日本漫画界一贯以“ 尊重作者” 著称，也难以避免“ 渠道为王”，漫画家受制于杂志编辑，杂志编辑受制于杂志出品人，杂志出品人又受制于报刊零售渠道。这种层层递进的制约，让知识创造者很难不去讨好外行。
互联网让渠道变得更加集中，也更加昂贵和强势，加上决策式 AI（比如智能推荐） 影响，平台公司垄断了信息分发，推荐算法操控了人们的注意力。苹果 CEO 蒂姆· 库克曾说过:“ 我并不担心机器像人一样思考，却担心人像机器一样思考。” 现今的知识创造者，最大的问题就是“ 像机器一样思考”。他们总会隔着 AI 分发算法，去猜测用户究竟想要什么样的内容。或者说，知识创造者们大多是在配合互联网平台的算法规则，猜测哪些内容会被机器筛选出来，推荐给用户。
此时，我们的思维模型长期受制于 AI 推荐算法，逐渐失去了独立思考和多元视角的能力。推荐算法的可怕之处，在于 AI 并非被动迎合你的需求，而是主动引导你的选择。比如，TikTok 和 Instagram 的推荐机制就利用“ 多巴胺效应”：算法会在短时间内不断呈现让你感到愉悦、刺激的视频内容，使你持续刷屏，渐渐“ 培养” 了我们大脑短视化的行为模式。
生成式 AI 时代
生成式 AI 时代的知识定价变得十分精确，以 OpenAI 的 GPT-4 为例，用户按 token 数量支付费用 （Token 是 AI 模型理解和生成语言的基本单元），1 个 token 约等于 0.75 个英文单词，或者 1 个汉字，比如生成大约 750 个英文单词或 1000 个汉字 （即 1000 个 token） 就需要支付相应费用。token 计费的最大好处，在于知识创造者 （加工者） 可以绕过平台直接变现。
英伟达 CEO 黄仁勋就认为：“ 就像 19 世纪末交流发电机给人类带来了源源不断的电，而现在的 AI 正在源源不断产生各种 token，这确实是一场新的工业革命。” 黄仁勋还直言：“ 生成式 AI 会逐个生成 token，这些 token 可以是单词、图像、图表、表格，甚至是歌曲、文字、语音和视频，可以代表任何具有明确意义的事物。不管是化学物质、蛋白质，还是基因都可以。我们可以通过生成的方式探索无限可能，为任何有价值的事物生成 token，无论是控制汽车的方向盘，还是让机械臂的关节运动，抑或是我们目前能够学习的任何知识。” 数据被彻底改变，我们突然发现万事万物都可以被 token 化。
“ 万物皆可 token 化” 的趋势下，我们人类的思维模型也悄然转变，知识正在变成动态的、流动的过程。我们头脑中的关注点已经从“ 拥有什么” 转向“ 如何生成”，从“ 记忆知识” 转向“ 驾驭算法”。
如此看来，哪怕 AI 在快速剥削人类知识财富，但我们的思维模型也随之升级，依然把控着 AI 的进化方向。比如，你可以借助 AI 创作工具灵感岛生成爆款文章，AI 能够深度洞察爆文逻辑，一键优化文案，但是判断哪些部分最有价值，精准提炼核心亮点，确保内容有吸引力，又符合你的内心需求，还是要由人来把关。
未来，知识财富的生成机制可能是“AI 吸收生成知识，人类升级思维模型”。
你该如何驯化 AI
纵观人类发展历史，在我们的知识储备、思维模型的“ 交互迭代” 中，AI 只是一个变量而已。AI 快速剥削人类知识财富的情况，也只是暂时的。不同层次的知识创造者，包括创意孵化层 （广大内容创作者）、主体应用层 （企业）、前沿探索层 （科研工作者、技术开发者） 等，都会找到新的知识生成和管理模式。
创意孵化层：广大内容创作者为 AI 的智能进化持续提供语料数据
2021 年的一部电影 《芬奇》，很有意思，背景设定在一个末日世界，地球因辐射污染而变得不宜居住。男主角是一个工程师，担心自己快要死了，自家的狗没人照顾。他就想通过训练一个 AI 机器人，来帮忙照顾自家的狗。他是怎么训练 AI 的？就是把图书馆里所有与狗相关的材料全撕下来、扫描 （变成数据），喂给这个 AI 机器人，使之形成一个知识框架...... 故事有好的结局，这个 AI 机器人逐渐由一个工具变成一个有情感、有责任的伙伴。
可是，AI 模型的训练远没有这么简单，不是把书扫描下来就能够进行训练的，况且图书馆里也远不能提供足够多的材料供 AI 训练。真实的情况是，除了需要更大规模材料 （数据） 的野蛮轰炸，也需要与应用场景相匹配的算法、算力支持。
AI 真正超越人类之处，在于 AI 每一分每一秒都在疯狂学习，都在持续进步。而驱动 AI 疯狂学习和快速进步的，主要是算力、算法和数据。
可以将 AI 的大脑想象成为一座房子，数据就是砖块 （学习材料），算法就是图纸 （学习能力）、算力就是钢筋 （学习强度）。DeepSeek 的出现彻底改变了 AI 中数据、算法、算力三足鼎立的格局，DeepSeek 是开源的 （相当于完全公开了这个房子的设计图纸），而且大幅降低对算力的需求 （就像盖房子用上了榫卯结构，一根钉子都不用，对钢筋的需求大幅下降），最后只剩下拼数据了。
在 ChatGPT 诞生之初，我就有过一个基本观点：AI 所有创作的“ 原料 （数据）”，都来源于人类创作者们的已有成果，AI 拥有超高的信息筛选、整合能力，将会在效率上“ 打败” 大多数人类知识创造者，或者说，AI 已构成某种程度上的技术压榨或剥削？
在 DeepSeek 出现之后，“ 知识蒸馏” 成为科技界的一个关注点，AI 大模型自己也会面临技术剥削。什么是“ 知识蒸馏” 呢？就是通用大模型被当作一个橙子，总会被“ 榨汁” 给专业 （行业） 小模型喝，知识就是橙汁，AI 大模型自己也可能被“ 榨干” 知识，成为被压榨的“ 打工人”。
现今，任何人或 AI 模型创造出来的知识财富，都摆脱不了被采集、被蒸馏的宿命，最后都是你中有我，我中有你，迭代前进。
数据是 AI 的心跳，也是构成一切知识骨架的钙质。未来的人类知识库，一定是人类和 AI 共建的，但是，我们要真正掌握主导权，就需要做好核心数据管控。在这方面，好莱坞的编剧和演员群体跟 AI 已经有了新的共处模式。
2023 年，好莱坞的演员和编剧们进行了一场长达 5 个月的大罢工。诸多电影、剧集拍摄停摆，新片发布会、走红毯仪式和访谈暂停，那期间举办的威尼斯电影节上，好莱坞演员持续缺席，连艾美奖和奥斯卡奖的颁奖仪式也受到冲击。这次争议的主要焦点是如何应对 AI 在影视行业中的使用。罢工结束后，编剧和演员们与制片方达成了一些协议，明确了 AI 在创作、表演中的角色限制。编剧们同意将 AI 视为辅助工具，用于生成创意或初稿，但最终创作权仍归人类编剧所有。AI 生成的内容不能被视为原创作品，编剧的署名权和薪酬不受影响。
做好核心数据 （语料） 的源头管控，是广大内容创作者应对 AI 技术剥削的主要策略。
主体应用层：应用层面的经验数据被企业用于升级 AI 智能体
企业是 AI 的主体应用层，企业要训练 AI，有一个很重要的中间件，就是 SOP，即“ 标准作业程序”。
AI 工具已经能将很多复杂的知识萃取出来，做成 SOP。比如，你让 AI 干客服，它能从成千上万条历史对话中学习，总结出最有效的回答套路。比如，你让 AI 做质检，它能迅速识别、分析过去出现过的各种瑕疵，快速判断产品是不是有问题。
很多企业在深度构建知识型组织，比如华为有近 20 万员工，本质上是由 20 万个分布式“ 知识存储装置” 组成的庞大网络。但问题在于，这些分散在每个人头脑中的经验，如何转化为企业的核心资产？
华为有句名言：“ 企业最大的浪费，是经验的浪费。” 辛辛苦苦培养了一名优秀员工，哪一天这个人离职或被挖走，就意味着企业失去了一笔宝贵的知识财富。
借助 AI，用员工的知识和经验，对企业的 SOP 进行升级，是不错的办法。通过将员工的聪明才智注入企业的 SOP，相当于每个员工头脑中的知识资产，可以被提取出来，实现积累、运营、保值乃至增值。
有了好的 SOP，看着飞机的使用说明书，就能把飞机开起来。真正的困难，是很难把操作的卡点和 SOP 规范要求连接起来，不理解要求的真实含义和做到位的关键。
有科技公司开始鼓励员工搞自己的“ 个人操作系统”，以前只是将这个岗位的工作流程告诉程序，现在人机交互可以用自然语言了，这个工作岗位上那些最好的员工，可以用自己的思维方式升级 AI 智能体。
AI 在企业层面的很多进展，可能会让很多人失去“ 职场竞争力”。但换个角度，在 AI 面前，你的老板可以炒了你，雇 AI，但你也可以炒了你的老板，然后成立自己的 AI 公司。未来，每一个人都可以拥有一个自己的 AI 团队，里面有各个领域的虚拟专家，随时供你调遣，帮你开创各种新的财富机会。
前沿探索层：AI 引出旧答案，倒逼科学家、开发者创造增量价值
AI 让生成新的知识变得极其简单，那么，这会不会让我们失去前沿探索的热情，导致追求科技进步、学术成就的动力减弱？我认为，人们普遍对知识财富存在误解，消除这个误解，自然就有了答案。
郭朝晖 （宝钢中研院首席研究员） 曾大胆指出：“ 很多科研院所搞学术研究，很像辛弃疾说的那样，为赋新词强说愁。没有问题，也要变出一个问题，想办法改一下，然后去发表论文。相比之下，具体应用中的很多实际问题，特别难搞，往往是付出长期努力却没有丝毫进展，简直把人逼疯，这反而能给人带来实质性的能力增长。”
什么是知识财富？知识的本质不是概念，而是方案，有了好的解决方案，才能使知识成为财富。
比如，人工智能这四个字，是不是知识？过去，我们研究人工智能，是为了用计算机等工具模拟人的大脑，所以，在长达半个世纪的时间里，研究人工智能的人要么是计算机科学家，要么是脑科学家。现在，我们发现，即使我们还是不知道大脑是如何工作的，并不影响我们开发越来越好的 AI 大模型和 AI 智能体。现在研究人工智能的人，更多是算法工程师。
那么，人工智能是不是知识？要看基于什么目的，得到什么解决方案。问题和答案连到了一起，才知道一个知识的真相是什么。让知识真正成为财富，至少需要经历三个阶段：
一：确定解决什么问题，是不是有价值的好问题？
二：充分掌握问题过往，最可靠的旧答案是什么？
三：对该问题，你能提出哪些更好的新解决方案？
好问题+更好的新解决方案，才能构成新的知识财富。而 AI 只是引出旧答案，倒逼科学家、开发者创造更多增量价值。
现有的 AI 模型和算法，都是被经验驯化出来的。它的能力局限在人类以往的知识经验的范围内，没法应对从未出现过的新问题。我们面对 AI 最好的态度就是做好自己的事。AI 的进化不会使未来变成人和机器的竞争，而是进一步加速人和人之间的分化。AI 必将使平庸的人失去很多，同时也会让真正具有洞察力、想象力和创造力的人拥有更好的实施工具。你会在新的生产力水平上创造更多新的知识财富。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
