我，一个AI重度“患者”的自白

我是一个重度的 AI产品使用“患者”

说自己是一个患者，是最近发现有几次自己对 AI 生产的“高质量”内容已经没有感觉了，我觉得我深度阅读的能力退化...

我最早接触到 AI 可以追溯到大学时期阅读的赫伯特・西蒙的《人工智能科学》这本书，它对人工智能领域所涉及的脑科学、经济学、心理学、设计科学很多学科都做了有意思的解读。它对我后来从事产品工作产生了重要影响，也让我对复杂系统产生了很浓厚的兴趣。

在那个之后也就读了另外两本与 AI 大模型的复杂系统有关的书，一本是那时候很热门的凯文凯利的《失控》，另一本是侯世达的《哥德尔、艾舍尔、巴赫：集异璧之大成》（《失控》热门貌似是因为微信的张小龙说过他在面试人的时候，阅读过《失控》的人会重点考虑，《集异壁》则要冷门些，难懂看起来就很高级的感觉，内容也很有意思，这个是我现在仍然保留的一点印象）。

从事产品工作后，日常就是零星听到一些 AI 的资讯，但是没有具体使用过具体的产品。 第一款使用的真正能称得上 AI 的产品应该是Apple的Siri，虽然很长时间我对他的评价都是“人工智障”，但是我仍然记得在它刚开始发布的时候，我“调戏”了他很久，使用很多不同的场景与他进行对话，测试它的能力。他在使用苹果生态中的一些应用上的可用，比如添加个闹钟、问个天气，记录个备忘录、打开App这些，但是在与人进行自然对话的时，它就像一个懂得很多高级词汇，但是表达能力仍然是一个三岁的孩子，让人感觉是在对牛弹琴、胡说八道、答非所问，它没有惊艳到我。

后来就是 AlphaGo与李世石对战的新闻，但是那还是一个离我们可使用太远的产品。

直到 2022 年 12 月初，准确来讲12 月 5 号。

OpenAI 的 GPT3.5在2022 年 11 月 30 号发布，发布后一两天内在技术界就产生了巨大的影响，我的信息流上被他刷屏了。刚开始我并没有特别留意，因为那时候更关注是另一个体感更强的问题（比如什么时候可以出门）。被国内外各路大神持续安利洗脑后，我就去注册了个账号。（其中的小插曲：因为短时间大量人注册，很多人反馈注册不了、需要邀请码，而那时候邀请码甚至被炒到了2000 块，碰巧的我用邮箱注册的时候，提示我已经注册过了，但我已经想不起来我是什么时候注册的了。后来想应该是在他们更早2020年发布 GPT3.0 的时候就注册了，只是GPT3.0没给我留下任何印象....）

我已经找不到第一次跟 GPT3.5 对话的内容了，可能是“你是谁”或者“请介绍下你自己”以及“hello world！”这种。但是我清晰的记得，在当时一轮多次往返的对话交流中，我慢慢地将“你”改为了“您”，这是一个潜意识里从脑袋中蹦出的词汇，并不是刻意的行为，让我一度有一种AI是一个“实体”存在的感觉，这个深深惊艳到我了。

这个是我真实的感受，“他”的能力的发展深深地震撼到了我.....

虽然人工智能最早在 1950 年左右就被提出了，但真正达到消费级的产品还是在 OpenAI 推出 GPT3.5 之后，背后最重要的三个能力提升来自于：

1、在移动互联网以及图书信息化之后，人类生产了大量内容以及大量优 质图书被数据化；

2、区别于 CPU 的 GPU 大规模多线并行计算能力的提升；

3、Tranforam 技术架构的注意力机制的算法突破；

分别是数据、算力、算法三样核心要素协调创新、螺旋式上升从量变达到质变的一个过程。

在之后与 AI 对话就成为了我生活中的一部分。通过不断与 AI进行对话沟，学习与 AI 对话的技巧，也同时也看其他各路大神各种奇葩开脑洞的使用AI方法，激发 AI 能力。各种开脑洞当然沟通方式也让我看 AI 强大的能力，让人感觉“他”是一个越来越“无所不能”的产品。

中国的AI 热起来是一直等到来年 23 年的 3 月，那时候百度推出了文心一言，我也在第一时间进行了试用，但是跟我GPT3.5 的感觉差很多。特别是那时候流行的文生图，文心一言是闹了不少笑话的。

对于国内的模型我自己一直使用较少，因为国内模型的结果我并不满意，除了技术本身还有很多其他的原因。比如：语料。语料存在两个问题，一个是内容少、中文语料只占整个互联网内容1.3%，而英文占比高达 59.8%。第二个是整体内容质量不高，即使曾经以高质量内容著称的“知乎”在过度商业化后，内容质量直线下降，作为曾经的深度用户，它早已经从我手机中消失了。

而对于AI 来讲，有一个说法叫“垃圾进垃圾出”。

除了语料的问题，还有两个更深层的原因就是中文这种语言特性以及内容审查的问题。

中文本质上不是一个准确、逻辑性强的语言，同一个词、一句话在不同的场景下可以有很多不同的解释和意思，这对AI 大模型理解起来，大大增加了它的难度，以及结果的不准确性。而英语是一门更加准确、清晰、逻辑性强的语言。庞大的英语词汇让其对很多事物都有唯一的描述与定义，对于AI大模型来讲，降低了其处理起来的复杂性。

（参考资料：《汉语大词典》 是迄今为止规模最大的汉语词典，收录的词汇量是37.5万个。而《牛津英语词典》（Oxford English Dictionary, OED） 是英语世界最权威、最全面的词典之一，其最新版本收录了超过 60万个 词条。而全球语言监测机构（Global Language Monitor）曾宣布英语词汇量已超过 100万。 所以我之前有一个技巧就是让 AI 用英文思考、查找英文资料、用中文输出。）

国内模型真正让我感觉有质的提升的一直要等到去年底 DeepSeek 的 V3，当时很多搞技术的在推荐，是因为其代码能力与 Anthropic的Claude3.5 很接近。我试了下语言能力，确实比国内其他的要好很多，在我使用 V3 之后，没多久 DeepSeek 就爆火了。（虽然我的时间线上Qwen 的曝光量也很多，但是我并没有深度去使用，对于国内模型也有很多人说其实做得很不错，我虽然没有一个一个深入地去试用，但是整体感觉就属于自己给自己打气，需要一点情绪价值，“我行，我上”）

在 OpenAI发布 GPT4 之后，很长一段时间都没有新的模型发布，一度让人说 AI 能力撞墙了，这个观念的改变一直要等到 ChatGPTo1 的发布。

我先是看到别人用 o1 出的结果，已经可以达到专业论文级别的水平，后来自己找了一些渠道使用 o1，对话结果也让我非常满意。o1在推理功能加持后，相较于GPT4的结果，其内容质量有了质的飞跃。

但是 o1 的问题就是太贵了。

使用推理能力出来的文章，其内容深度、逻辑性、语言的准确性、文章长度都有了很大的提升。特别是万维刚经常分享他与 o1 对话的内容，个人感觉是比他的一些专栏内容写得更好的。

我自己虽然一直在使用 AI，但因为那段时候重心在另外一件事上，对于 AI 也并没有深入想去具体做件什么事情，只是作为一个兴趣爱好，一直保留着对新技术的好奇与关注，更多只是作为我辅助生产的一个工具，产生的内容也没有放到网上公开，局限于自己做调研做研究。

除了 OpenAI 的产品，Anthropic、Grok 的产品也是我的备选，常常一个提示词我会同时丢给多个不同的 AI，最后选择最好的那个，长时间筛选下来，很长一段时间OpenAI的GTP系列一直是我的主力模型，知道最近深度使用 Gemini2.5Pro 。

对于 Google的产品，我是一直很喜欢，但是由于一些限制，一直无法使用Gemini，直到今年上半年他们对于教育用户免费使用，以及时间线上Gemini 2.5Pro 的刷屏，所以就找朋友帮忙弄了个账号。

Gemini2.5Pro的结果确实让人满意，不需要过多调试，在清晰地描述定义问题之后，编写提示词，基本上都可以给我一个80～90 分的答案，大大提高了我的生产力。这个也是我最近2个月绝对的主力模型。特别是深度思考，真的非常好用，我认为是可以超出研究生水平的，甚至匹配博士生论文水平的。

伴随着 AI 能力的提升，不断高效解决我的一些实际需求，这个过程让我对 AI 建立了非常强的信任，我自己已经倾向：万事不决，先问问 AI 吧。

最近一直在思考一个问题：其实 AI 在很多方面都已经超过人类的能力了，但很多人都不信 AI。为什么？

对于我自己而言，我知道 AI 的能力边界以及他的局限性，我知道哪些事情可以信他，哪些事情不行，即使信了 AI，最后出错了，我也不会怪 AI，只会怪自己。

AI他给我的结果比我以及我身边的人都要做得好，时间成本极低，原来一周肝出来的方案，在AI 加持下，半天也能做出同等质量的内容，有些工作类型甚至十几二十分钟就可以出很好的结果。

同时 AI也开拓了我很多其他方面的“专业“能力，比如代码能力，对于一些简单的模块内容，让完全不会写代码的我，也可以快速写出可以运行的代码。这以前都是我动过很多次念头都都没有成功过的事情。

而对于哪些不信的人来说，无法建立信任本质上是因为：

他们对 AI 的认识不够，习惯于把AI当作一个搜索引擎或功能按钮，输入一两个词一两句话，就期待完美答案。同时市面上各类搞“知识付费”的过度宣传夸大的AI能力与其真实使用起来体感的落差，让他们产生：为什么你们说的AI 那么强，可是我用起来体感那么差，解决不了我的问题，再慢慢重复的这个过程中，失去了对 AI 的信任。

在 AI 让“智力”不再是一种稀缺资源的情况下，我深刻思考了我只需要具备两个核心能力：提问与评价。

对于提问，背后需要我具备找到问题或需求、定义问题、描述问题的能力。更需要有一套自己解决问题的底层方法逻辑，基于这个逻辑，再泛化到各种不同行业领域中去。当然这个能力也可以通过AI加强。

评价则需要我知道在不同领域，“好”内容的评价体系是什么样的，“需要”的内容是什么样的。这个也可以通过 AI 习得，只不过有真实专业的人给你确认，可以让你效率更高。

这些能力总结起来就是：AI 时代的学习能力。这些都可以通过 AI 快速获取，所以理论上这是一个互相推动的正向飞轮，只要你时间够、脑子够，你可以高效学习很多知识。写到这里我的最深的感叹就是时间不够用。

（ps：我认为很多人对 AI 学习是被很多“黑心”卖课的“知识付费”博主带偏了的，当然这个不仅是博主的问题，本身需求方也存在一些问题，这个先挖个坑，回头再详细写）

我是真信AI，但是绝大多数人不信。

这个观念的改变不仅需要模型能力提升也需要时间，我相信等我我儿子他们那一代，AI会是他们生活中很重要的一部分。

道格拉斯・亚当斯说过这样一句话：“当你出生时已经有的任何科技都是平凡的，都是世界本来秩序的一部分。当你十五到三十五岁之间诞生的任何科技都是新颖的，是令人振奋能改变世界的革命性产物，你可能会在其中寻找到自己的事业。当你三十五岁之后诞生的任何科技，都是不遵守事物发展的自然规律的”，其实可以很好了用来描述当下不同群体对AI的态度。

人对 AI 态度上的差异，很重要的一个方面就是不同年龄段的人的认知行为模式不同，小孩子与 AI 相处的方式是先：没有定义-接触了解-默认接受。而很多成年人因为长时间的教育，已经形成思维定式，学习路径是：先怀疑排斥而不是接纳-不满意就扔掉。在这种情况下是无法学好 AI 的。

其实，从另外角度看看 AI，看看世界上最聪明的那些人以及公司在做什么事情，比如：

1、最近扎克伯格 1 亿美金每人的价格从 OpenAI挖研究员；

2、英伟达已经是全球市值最高的公司了，已经突破 4 万亿美元了；

3、马斯克不惜一切代价在做自己的 AI 产品；

4、 Shopify 的 CEO要求全员所有问题优先问 AI；

自己不确定自己的选择的话，就看看这些人聪明人是怎么选择的。

回到我长时间与 AI 对话思考总结出来的内容讲，我认为对于只使用对话框来用 AI 的人来说（对于绝大多数来说已经够用了），用好 AI 只需把以下三个方面的事情做好：

1、自己先把问题想清楚；

2、把问题整理成 AI 能懂的语言；

3、用你能触及的能力最强的模型；

对于第一点，就可以筛选很多人了，很多人对自己想要解决的问题没有概念，没有进行深入思考，只是一两句简单的话，在这种问题都描述不清楚的情况下，再强的AI也无能为力。

第二点就是需要掌握一些 prompt 提示词的原理，懂得底层逻辑方法，写提示词就是各个模块做加法的事情。使用这个规则至少可以让你得到一个及格的答案，但是想要得到优质答案，就需要进行限制更多、内容更长的符合大模型特性的prompt，这个需要更加深入地学习研究。

对于第三个，我认为这个是硬伤，需要各显神通（懂的都懂）。但是前段时间一朋友给我推荐了一个聚合各类模型的应用，其中就有我的主力模型 Gemini2.5Pro，也有现在号称最强的ChatGPT o3high，在我使用原生gemini 不顺畅的时候，这个也是我的备选方案，有兴趣的话可以注册体验。

可以复制这个地址去浏览器使用：https://askmany.cn/login?i=cbe550fa

其实对于第一、二问题都可以通过 AI 解决。你需要的是从潜意识里把“AI”当人看，要勇于问 AI。你平常怎么跟人沟通，你就怎么跟 AI 沟通，他讲得不好，你就直接说让他改，让他深度一步一步思考，不知道怎么问，你就问AI说应该怎么问，你多跟他沟通、优化提问方式、不断修正，通过这种持续的改善一定可以提高自己使用AI 的能力。

不管 AI 做得好不好，先让他成为你生活的一部分。

曾经以为 AI 创造不了人类没有提供给他的东西，但是越来越多的数据证明，AI 可以创造人类从来不知道的东西，比如在 制药领域，AI可以设计出全新的蛋白质结构，这些能力会慢慢泛化到我们日常生活中来。

我甚至有一个暴论：AI 或许在不远的将来会成为一门类似于数学、物理、化学这种学科。

草稿写了接近 4个小时，改了 2 小时，草草结尾了。

对于 AI Agent、prompt、AI 学习方法等先码住，回头再找时间慢慢写。

最后：

AI 可写不出来“人味”这么浓的内容，AI 的好千篇一律，没有多样性，他写不出来这么“差”的文章。

这个是我写的，不是你 AI 写的。

文章来自微信公众号 “ AIAwakening “，作者 AIAwakening