AI元认知(二):了解AI的能力边界,降低乱用的试错成本

新闻

作者：微信文章

毕业即创业的第8年，在教练之路遇见人生热爱和独特自我

支持更多同频人拥有「小而美」的一人公司，追寻财富与自由的平衡

打造彼此赋能，自由生长，内外兼修，美美与共的超级个体生态圈

如果对参与感兴趣，欢迎戳下方链接了解



上次大概讲了讲对AI的本质认知：

普通人想用好AI，先建立「本质认知」（一）

今天来从AI发明设计的本质， 尝试分析AI的能力边界，好处就是可以大大降低试错成本，以免在Ai不擅长不适合的领域跑偏太远，搞到崩溃。


首先得复习一下。AI的运行底层原理是什么？

简单来说就是输入大量的信息（图像，文字，语音，数据等），它从这些信息当中通过概率推算怎么组合更符合逻辑规律，然后再通过反复试错让结果越来越接近正确答案。

从源头来看，它的内容来源都是输入给它的信息。那信息的本质又是什么？

是可编码、可传递、可存储的数据。

那世界上是不是还存在一些不能直接存储，不能通过数据传递的东西呢？比如那一瞬间的感受，就不能像数据一样存起来。所以它无法输入也无法计算。

这些非信息的内容，比如人类的感受、体验、情感还有非显性的潜意识。它都处理不了。

另一方面，他的内容来源都是人类喂给他的信息，这些数据可以通过算法来排列、组合、推理，但本质上无法超出这个范围，无中生有。

所以还是回到那个问题，它不会真的“创造”。

所以在初步判断一个内容Ai能不能实现的时候。需要先考虑：

它是已知的“信息”吗？

比如教练对话其实是经常在客户的潜意识和体验当中做工作，那这就是AI干不了的事。

你要用的模型里是不是有这些内容？

比如一些小众领域的信息或者最新科研成果可能并不在大模型的数据内容里。

它是算法能处理的内容吗？

比如涉及个人价值观和道德判断问题，算法不懂。

01

哪类是AI做不到的事？

接下来请出AI总结，它做不到的事：

1、需要深层理解的事

它是基于表面的组合概率来生成结果，所以它只知道“是什么”，不知道背后的“为什么”。

就像它会运算教给它的公式，但本质上并不是真的知道这个公式是怎么推导出来的，所以它也没法抓住事物的本质进行深度联系迁移。

2、需要深度共情的事

虽然AI可以陪聊一些心理问题，但本质上这不是因为它真的懂你，而是模仿数据库里的相似信息。

3、需要创造突破的事

比如牛顿可以由苹果落地联想到万有引力，这种非逻辑性的思考带来的创新，但这已经超出了AI运行逻辑的范畴。

4、需要价值判断的事

比如用包含“女性不适合当工程师”的旧数据训练的AI，它可能会在招聘场景中推荐“男性优先”，主打一个听话但不作道德判断。

02

AI到底适合干啥？

总结来说就是：逻辑性、模式化、结构化、数据化、目标要求明确的事。

1、结构化数据处理：规则明确的“数据搬运工”。

任务性质：

输入和输出都需要是结构化数据（如表格、数值、标签），任务目标是根据预设规则或训练模型，对数据进行“分类、清洗、转换”等操作。

特点：

数据格式明确

规则明确，可以被数学化

依赖统计规律而不是主观标准

2、模式匹配与预测：从历史数据中“猜未来”。

任务性质：

基于历史数据的统计规律，对新输入数据进行“概率性预测”或“分类”。

特点：

输入数据需包含“时间序列”或“相关性”信息（如用户过去3个月的购物记录）；

模型通过学习规律建立预测模型；

输出的是概率下猜出来的结果（如“明天降雨概率70%”）。

3、生成式内容创作：基于模式的“重组与创新”

任务性质：

利用已学习的模式，生成符合人类语言或规则的“新内容”（文本、图像、音频等）。

特点：

生成内容依赖“概率采样”（从模型训练的分布中随机选取高概率组合）；

内容符合“人类定义的规则”（如语法、逻辑、美学）；

但创新局限于“已有模式的排列组合”，无法突破数据边界。

4、优化与决策支持：基于目标的“参数调优”

任务性质：

在目标和规则的约束下（如成本、效率、用户体验），通过调整权重等方式，找到符合要求的“最优解”。

特点：

任务需要有明确目标和约束条件

计算不同方案的权重得分；

输出符合约束条件和规则要求的“最优解”。

所以，AI擅长的是按“既定规则和流程”办事。

03

是否要用AI的快速判断问题

1、核心目的：是为了自己的体验还是完成任务？

比如同样是写推送，有些时候完全是从心出发、为了给自己创造心流体验而传递，这种就是要自己体验过程。还有一些时候只是为了完成工作任务或者只是工具性内容科普，不需要太多自身体验和情感的参与，那就适合AI。

2、内容来源：是已知的信息还是未知的、非信息内容？

一些现有知识的问答可以问AI，但关于感受和体验、关于未来的内容AI不知道。

3、任务类型：是可以“模式化”还是更多“创造性”？

可以用sop明确要求、分步执行的任务基本可以交给AI，但是需要主观判断或者创意创造的内容不适合AI。

4、重复频率：是一次性还是高频次？

如果这个任务只是出现一次，随手能够完成，使用AI还需要从头调教和磨合，从时间成本来说是没必要的。

如果是每天/每周需要重复做同一类任务（比如整理数据、写邮件、生成报告），且手动操作耗时超过2小时，学习AI工具来替代这部分工作，时间成本会被指数级降低。

5、数据量/复杂度：是“小数据”还是“大数据”？

如果是数据量大（如10万条用户评论、百万级文献）、信息分散（多份文档/表格/网页），或需要复杂分析（如情感分析、趋势预测），适合用AI完成。

数据量小（如几页文档、几个数据点）、信息简单（如整理5条待办事项），或需要“人工直觉判断”（如评估团队成员的情绪状态），这些任务我们人脑的“快系统”可以根据复杂的经验快速处理，但召唤AI就需要把这些规则全部罗列出来，如果设计AI的流程和规则比自己动手处理一下还占用时间精力，那就不如自己弄弄。

6、时间敏感性：是否“紧急”或“时间成本高”？

AI的一大功能就是提高工作效率，可以观察日常生活和工作中那些“时间成本过高”的事情，拆分出其中能流程化和规则化操作的事。比如客服回复重复性的基础提问，可以交给AI。

以及时间紧迫的情况，比如“2小时出方案”，AI可能达不到个性化要求但起码能先快速完成。

如果是发几句话的朋友圈，AI在节约时间在没有明显优势。

7、准确性要求：是“差不多就行”还是“质量要求高”？

比如糊弄期末作业可以扔给AI，但是毕业论文不能全部交给AI。比如随便选个公众号封面可以交给AI，但是要原创图册的封面不能全部交给AI。

8、情感需求：需要“人性温度”还是“理性输出”？

情感需求低（如“通知类文案”“数据报告”）或创造性需求低（如“标准化设计模板”），AI能通过模仿完成基础内容。

需要深度情感（如“婚礼上的誓词”）或独特创造性（如“个人风格鲜明的文章”），还用AI生成那就有点说不过去啦。

总之，通过以上梳理，我慢慢开始观察生活和工作中哪些任务是重复低效的？哪些是可以模式化、逻辑性的？或者说一个任务通常可以提炼出部分交给AI，但仍然需要一部分由人工完成，达成高效协作。

期待一些实践后的具体场景应用成果！



END

如果你对小而美的一人公司感兴趣，欢迎查看介绍

建群啦：追求财富和自由的“董事长”们请集合！

5.21开始先在群里更新我每天商业化的微思考/微行动文末扫码微信我们，达成理念一致就可以进群玩耍啦！







欢迎来看看前几篇探索，希望你是那个同频吸引的人～

小而美的商业起步：别在成为专家的路上跑远了！

围观：超级个体0-1起步大公开前传（上）

围观：超级个体起步大公开前传（下）

我是怎么成为自由创业者的？学做一个会讲故事的“董事长”

一人公司的生活到底什么样？｜社群启动仪式

创业者对话01：一人公司+Life coach=绝配！

极简创业：不是“高大上”搞不起，而是“小而美”更有性价比

钱，真的不是越多越快乐

财富自由？呵呵，伪命题！