賓夕法尼亞大學 Ethan Mollick：AI 越來越強 我們該如何借力？

導言

AI越來越強，我們怎樣才能把它用得更好？賓夕法尼亞大學沃頓商學院管理學副教授、沃頓生成式AI實驗室聯席主任伊桑·莫利克（Ethan Mollick）長期研究AI對工作、創業和教育的影響，曾入選《時代》雜誌「最具影響力的人工智慧人物」名單。在《尚未充分利用的AI能力》（The Overhang）一文中，他提醒我們：現有大模型所能實現的能力，已經遠超大多數人當下對它的實際運用。

為了摸清AI的能力，莫利克讓它改編遊戲、製作影片，發現它已經能完成一些原本需要多人協作、耗時數周才能落地的任務。不過，從選擇任務、發現問題到決定哪些成果值得保留，人的判斷始終不可或缺。他由此提出四項人類優勢：深度知識、廣度知識、品味和能動性。我們對某件事的了解、積累的見識、自己的喜好，以及動手嘗試的意願，都能幫助我們更好地與AI合作。

國慶假期里，不妨和AI一起做件感興趣的小事：把一個故事變成畫面，或把擱置已久的點子做出個雛形。希望這篇文章能為你帶來一點靈感，也帶來一些動手嘗試的樂趣。

尚未充分利用的 AI 能力

The Overhang

Ethan Mollick

01 AI 已經能做什麼

AI仍在以指數級速度發展。我儘量每隔兩周左右在Substack上發一篇文章，但有時連這樣的更新頻率也顯得跟不上。上一篇文章發布後不過幾周，AI似乎就破解了數學界最著名的難題之一，引發不少爭議。與此同時，人們也在廣泛討論AI帶來的風險以及該如何應對，爭議同樣不少。

在我看來，這些不斷累積的擔憂，都指向同一個問題：AI發展得太快，而人類的制度與工作流程很難跟上它的腳步。關於這點，我自己在寫文章時也深有體會。

人們有這些擔憂是有道理的。關注未來的AI固然重要，但如果只把目光放在未來，就容易忽略一個事實：眼下的AI已經具備驚人的能力。新的GPT-6 Astra和Fable 5.1已經足以給許多經濟領域帶來變革性影響。只要引導得當、使用得法，它們就能穩定地完成相當於人類數周的工作量。

舉兩個有趣的例子。我讓GPT-6 Astra把1977年的文字冒險遊戲《Zork》改造成一款可以遊玩的3D動作冒險遊戲1。原作沒有畫面，每個地點都只用一段文字描述。因此，那棟白房子是什麼樣、名為「grue」的怪物長什麼模樣，以及如何把「與巨魔戰鬥」變成一段動作場面，都需要AI自己構想。

我還讓Fable 5.1嘗試以3D形式重建義大利作家翁貝托·埃科（Umberto Eco）的私人藏書室2。埃科在米蘭的住所里收藏了數萬冊圖書。AI找不到房屋平面圖，便轉而參考十幾段影音、基金會為各個書架拍攝的照片，以及兩份藏書目錄。它逐幀辨認書脊上的文字，推斷房間布局，再將識別出的約5000本書放入總計約2.7萬個書位中。它還為每本書標註「確定」「推測」或「未知」，並把鏡頭未拍到的書架隱在霧中。

無論是改編《Zork》、重建埃科的藏書室，還是我最近交給AI的許多實際任務，如果由研究人員、程序員和設計師來做，都可能需要數周。而現在，AI已經做到了。

我想說的是，當人們還在爭論未來的AI能做什麼時，眼下的AI已經有哪些本領，我們卻未必清楚，更談不上充分利用。比如，看到GPT-6 Astra用Blender製作3D動畫時，我才知道，原來它連這款功能強大的3D建模軟體也會用。

我把即將出版的新書 Co-Existence（暫譯《共存》）交給AI，請它從AI的視角為這本書製作一支預告片。我沒有給出明確的製作指令，它卻自行使用Blender搭建了完整的3D動畫場景，還寫出一份帶有笑點和意外情節的腳本。這可不是件容易的事。第一個笑話被我否決了，第二個倒是相當不錯。隨後，它又想辦法生成配音、音樂和音效，45分鐘後便把成片交給了我。成片的氣氛比我想要的更陰鬱點，不過那畢竟是AI自己的選擇。

為了看看它還能做到什麼程度，我又輸入一條提示詞：「不錯，但我真正想要的是一支根據 Co-Existence 製作的動作電影預告片。放手去做吧，時長不要超過30秒。」它再次寫出腳本，並在Blender中製作了3D原型。我提出希望畫面更有電影感後，它便以Blender動畫為分鏡，通過我的瀏覽器操作影音生成器，再將生成的鏡頭剪輯成最終預告片。整個過程中，我只給過少量創意反饋，沒有參與任何製作決策，甚至沒完全搞清楚它具體是怎麼做的（成片可在原文中查看）。

這些作品當然有不少看得出的缺陷。但它們也表明，AI已經展現出某種判斷力和創造力，而就在不久前，人們還認為這些是人類獨有的能力。完成所有這些項目，消耗的也只是我付費ChatGPT帳戶中一小部分可用的token額度。

這些演示很有趣，也讓人有些不安：AI越來越擅長做那些過去只有人類能做的事。不過，這些項目並不是AI自行發起的。AI做什麼，是由我決定的；也正因為我了解《Zork》、埃科和自己的書，才能發現AI哪裡做得不對，並在第一版不合意時要求它重做。

模型已經能做的事，與絕大多數人目前用它做的事之間，存在巨大的「能力落差」（capability overhang）。許多能力已經存在，卻仍未得到充分利用；而這種落差也意味著機會。許多人還沒有把自身的優勢帶入與AI的合作；那些這樣做的人，往往能從AI那裡獲得更多。

因此，即使AI的能力不斷提升，我們仍需要關注自身有哪些特質，能夠幫助我們更好地與AI合作。在我看來，如果只是在產出上與AI較量，人很難贏；更值得做的是發揮自身優勢，與AI一起完成雙方單獨都做不到的事。我在新書中提出了四項尤其重要的個人優勢：深度知識、廣度知識、品味和能動性。它們能幫助我們找到適合自己的AI使用方式，讓自身的想法和能力得到更充分的發揮。

02 四項人類優勢

前兩項優勢都來自你所掌握的知識。

1. 深度知識

首先是深度知識。當你對一個領域了解得足夠深入，就會逐漸形成專業直覺，從而又快又准地作出判斷。經驗豐富的會計師掃一眼電子表格，就能察覺哪裡不對；高爾夫教練看一次揮杆，就能立刻指出問題所在。同樣，我只用了幾秒鐘，就看出第一版預告片的氣氛比書中呈現的更陰鬱。

深度知識是專業人士的優勢，也是我們真正看清AI「鋸齒狀前沿」（Jagged Frontier）的唯一途徑。所謂「鋸齒狀前沿」，是指AI在不同任務上的能力邊界參差不齊：有些複雜任務它能完成，有些看似簡單的任務卻可能做不好。只有熟悉某個領域的人，才能看出AI在這個領域裡通常擅長什麼、又容易在哪裡出錯。

深度知識還能幫助我們適應工作方式的變化：當AI開始承擔具體任務，懂行的人更容易從親自完成工作，轉向指導和管理工作。Anthropic近期的研究3也表明，專業知識會影響AI交出的成果。專家不僅能從AI那裡獲得質量更高的成果，還能讓它完成更多工作。

圖1：專業程度越高，Claude每輪對話完成的工作越多。 圖中顯示，隨著用戶專業程度提高，Claude每輪採取的行動次數和輸出詞數均呈上升趨勢。兩項趨勢在統計上均顯著（p 0.001）；回歸分析在控制工作模式、任務價值、月份、職業和模型系列等因素後發現，專業程度每提高一級，行動次數平均增加約9%，輸出詞數平均增加約13%。

2. 廣度知識

僅有深度知識還不夠，你也需要廣度知識。大語言模型的訓練數據涵蓋了人類創造的大量內容，因此AI對設計思維、貝葉斯推理、豐田生產方式、羅傑斯心理療法和馬克思主義文學批評等都有所了解。但如果你不知道該問些什麼，AI通常不會主動把這些知識運用到你的任務中。

網頁設計就是一個例子。請AI製作網頁時，你可能會發現它有個很煩人的習慣：總愛在主標題上方再加一行小字。設計領域把這類文字稱為「眉題」（eyebrow）。如果你不熟悉設計，或許會覺得哪裡不對，卻不知道該怎樣準確地告訴AI：「不要再加眉題了。」

同樣，正因為我了解一些影視製作方法，才知道先用Blender動畫呈現分鏡，再藉助影音生成器製作影片，是一種合理的製作流程。AI並沒有偏離任務。知道該用什麼術語，向AI提出修改要求也就容易多了。如果想要積累廣度知識，就得廣泛閱讀和學習，接觸不同領域、不同形式和不同思想傳統的內容。這件事本身就很有價值——人文通識教育又回來了！——到了AI時代，價值就更大了。

3. 品味

現在，讓我們回頭看看前面展示的那些作品。你可能對其中某個作品特別感興趣，也可能一個都不喜歡；或許還會發現某個值得進一步展開的主題或想法。當你作出這些判斷時，就已經在運用AI時代的第三項人類優勢：品味。

在AI出現之前，創造一件作品並不容易，也很費時間。寫一份初稿需要幾個小時；提出20個產品概念，可能要一個團隊忙上一周；完成一篇學術論文，甚至可能耗費數年。當時的難點是產出足夠多的內容。如今，製作內容變得又快又便宜，真正稀缺的是你憑藉自己的品味，從大量結果中作出選擇的能力。

以前面兩支預告片為例，我否決了第一個笑話，保留了第二個，又要求製作一個更有電影感的版本。這幾乎就是我對預告片作出的全部決策，而每一步都取決於我的品味。

有些人的品味契合大眾喜好，有些人的品味獨具個人特色，還有些人對新鮮事物格外敏銳。沒錯，生成式AI產出的大多是「AI垃圾內容」（slop）：大量彼此相似的作品不斷湧現。但品味能幫助我們擺脫這種平庸。要用AI創造出真正出色的作品，就得知道哪些結果值得保留，哪些應該捨棄，哪些可以作為原料，進一步做出AI獨自無法創作的東西。

4. 能動性

最後一項人類優勢是能動性（agency）。它或許最重要，也最難說清楚：這個概念本身不容易界定，關於它的含義也一直存在爭論。

在AI語境中，我認為能動性就是願意親自探索AI的能力邊界。即使在你熟悉的領域，AI的「鋸齒狀前沿」也遠未被摸清：哪些事它能做，哪些事它還做不好，並沒有現成的答案。你可以等別人告訴你「AI現在已經能做這件事了」，也可以自己動手，發現它的新能力。

這也是我經常做一些稀奇古怪的AI實驗的原因之一，比如嘗試讓AI玩遊戲。這些實驗讓我更了解AI究竟能做什麼。

03 這意味著什麼

眼下，人們對AI的焦慮大多集中在未來的模型，以及我們能否控制它們。政府和AI實驗室討論如何把控AI發展的節奏、降低相關風險，是合理的。但放慢腳步，並不會讓AI已經具備的能力消失。即使所有實驗室從明天起停止訓練新模型，GPT-6 Astra和Fable 5.1也已經足以改變經濟中許多領域的運行方式。現有模型能做什麼，與大多數人目前用它們做什麼，兩者之間仍有巨大的能力落差。

因此，無論AI能力前沿以什麼速度向前推進，變化都會到來。變化不會一夜之間席捲所有領域，也不會在各領域以同樣的速度推進，但它不可避免。不過，變化會以什麼方式發生，並非早已註定。

對整個社會來說，我們越來越需要探索並分享新的AI與人類協作模式，讓AI成為人類工作的助力，而不只是取代人手。對個人來說，同樣重要的是藉助AI提升自己的能力，而不只是把任務交給它。

我不認為我們能劃出一條清晰的界線，斷言AI永遠無法跨越。不過，我們今天就可以從深度知識、廣度知識、品味和能動性這四項優勢入手，試着找到適合自己的方式，與AI一起把事情做得更好。

相關鏈接

AI改編的3D動作冒險遊戲《Zork》：https://zork-underground-empire.netlify.app/

AI重建的翁貝托·埃科私人藏書室（3D版）：https://eco-library-map.netlify.app/

Anthropic研究報告：https://cdn.sanity.io/files/4zrzovbb/website/b93c7465925dc052b9102209b29b58f11df4fe55.pdf

《The Overhang》原文鏈接：https://www.oneusefulthing.org/p/the-overhang

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。