与 AI 共事，是否改变了你解决问题的方式

最初对AI的理解，确实是希望它能帮我写一些东西，但是真正实际操作下来，发现并没有那么容易。分阶段是必然，这个过程帮我们节省时间是其中一方面，更重要的是让我们对这件事理解更加深刻了。还有一个很重要的原因，我们对复杂的理解不一样了，因为，我们的能力在过程中提升了。[heading2]你会让AI在决策时替你做选择吗？[content]我会让它去帮我找出更多看待这件事的视角和角度，同时也在这个过程中和它学习。更重要的是，需要对它保持足够的警惕。因为，这会是一个新的信息茧房。[heading2]如何让AI成为得力助手，而不是一个只会给出模糊建议的工具？[content]分解任务是很重要的，只有分解合理，我们才能更好的去把控整体的过程。但是这件事是有非常大的边际效应，我们会在这个过程中快速成长。[heading2]在与AI合作解决问题的过程中，你学到了哪些意想不到的东西？[content]最大的感触是它对于流程本身的全新视角，因为流程基于过去的能力限制，但是现在变了。[heading2]当AI给出的解决方案超出你的理解范围时，你会如何应对？[content]实际情况并不会这么绝对，而是在不断探索中找到当前相对合适的解决方案。[heading2]与AI共事，是否改变了你解决问题的方式？[content]它会让我更加聚焦目标，避免陷入具体的细节。在和AI交互的过程中，逐渐意识到，让AI成为助理辅助日常生活，不再是一句口号，一种思维，而是非常具体而实际的事。它让我们从实现细节中抽离出来，让我们更加高效，更加聚焦真正的目标。

当AI能在几分钟内生成详细报告，你还愿意花数小时手动撰写吗？AI已经可以高效解决复杂任务，为什么还要浪费时间？你会让AI在决策时替你做选择吗？如果AI能比你更快发现问题、更精准地预测结果，你会完全信任它的判断吗？如何让AI成为得力助手，而不是一个只会给出模糊建议的工具？如何真正掌控AI，避免让它成为增加工作量的负担？在与AI合作解决问题的过程中，你学到了哪些意想不到的东西？AI不仅能帮你解决问题，还可能让你以全新的方式看待工作流程。当AI给出的解决方案超出你的理解范围时，你会如何应对？面对技术复杂的AI提案，你是选择质疑、理解，还是直接应用？与AI共事，是否改变了你解决问题的方式？AI的思维方式不同于传统方法，这种转变是否让你重新审视问题的解决策略？对于个人博客，有接近10年的痛苦折腾史，接触AI之前，心中有输出的想法，真正写出来1年可能也不超过5篇，很大的原因在于输出过程遇到的障碍非常多。但是AI给出了完全不同的思路和视角，让这件事变得可执行可操作了。

毫无疑问，AI将不可逆转地改变我们如何预防和治疗疾病。医生将把文档工作交给AI书记员；初级医疗服务提供者将依赖聊天机器人进行分诊；几乎无穷无尽的预测蛋白结构库将极大地加速药物开发。然而，为了真正改变这些领域，我们应该投资于创建一个模型生态系统——比如说，“专家”AI——它们像我们今天最优秀的医生和药物开发者那样学习。成为某个领域顶尖人才通常以多年的密集信息输入开始，通常是通过正规的学校教育，然后是某种形式的学徒实践；数年时间都致力于从该领域最出色的实践者那里学习，大多数情况下是面对面地学习。这是一个几乎不可替代的过程：例如，医学住院医生通过聆听和观察高水平的外科医生所获取的大部分信息，是任何教科书中都没有明确写出来的。通过学校教育和经验，获得有助于在复杂情况下确定最佳答案的直觉特别具有挑战性。这一点对于人工智能和人类都是如此，但对于AI来说，这个问题因其当前的学习方式以及技术人员当前对待这个机会和挑战的方式而变得更加严重。通过研究成千上万个标记过的数据点（“正确”和“错误”的例子）——当前的先进神经网络架构能够弄清楚什么使一个选择比另一个选择更好。我们应该通过使用彼此堆叠的模型来训练AI，而不是仅仅依靠大量的数据，并期望一个生成模型解决所有问题。例如，我们首先应该训练生物学的模型，然后是化学的模型，在这些基础上添加特定于医疗保健或药物设计的数据点。预医学生的目标是成为医生，但他们的课程从化学和生物学的基础开始，而不是诊断疾病的细微差别。如果没有这些基础课程，他们未来提供高质量医疗保健的能力将受到严重限制。同样，设计新疗法的科学家需要经历数年的化学和生物学学习，然后是博士研究，再然后是在经验丰富的药物设计师的指导下工作。这种学习方式可以帮助培养如何处理涉及细微差别的决策的直觉，特别是在分子层面，这些差别真的很重要。例如，雌激素和睾酮只有细微的差别，但它们对人类健康的影响截然不同。