Matrix 首頁(yè)推薦?

Matrix?是少數(shù)派的寫作社區(qū)，我們主張分享真實(shí)的產(chǎn)品體驗(yàn)，有實(shí)用價(jià)值的經(jīng)驗(yàn)與思考。我們會(huì)不定期挑選 Matrix 最優(yōu)質(zhì)的文章，展示來自用戶的最真實(shí)的體驗(yàn)和觀點(diǎn)。?
文章代表作者個(gè)人觀點(diǎn)，少數(shù)派僅對(duì)標(biāo)題和排版略作修改。

最近 AI 的智力升級(jí)了，時(shí)不時(shí)就有大佬們出來說：「人工智能時(shí)代，會(huì)提問的人，會(huì)比回答問題的人更加重要?！勾罄袀?cè)捳f了一半，然后就露出蒙娜麗莎的微笑，讓群眾們（含本人）都有點(diǎn)懵。

「學(xué)會(huì)提問」、「深度思考」、「底層邏輯」成為了一門顯學(xué)，暢銷書都把這些詞語(yǔ)用大字印在封面上，看來印上去書比較好賣。經(jīng)過與 AI 友好地請(qǐng)教與磋商，我發(fā)現(xiàn)其實(shí)把問題問好也沒那么神乎其技。

我們提問，就是要想辦法搞懂一些事情、找 AI 拿一個(gè)好方案。如果我們已經(jīng)參加工作，標(biāo)準(zhǔn)化的流程無(wú)非是：展開調(diào)查、分析規(guī)律、拿出方案、實(shí)施看看。

對(duì)應(yīng)要問的問題是：?jiǎn)栴}找對(duì)了沒有，按什么規(guī)律辦事，有啥方案，實(shí)施有啥要注意。

別被各種術(shù)語(yǔ)騙了，這些都是我們的日常。為了蹭熱度，我也拿開源卷王 · 服務(wù)器繁忙 · ChatGPT克星 · 美股蹦迪選手 · 深度思考版的 DeepSeek 來舉例。

想象一個(gè)普通的場(chǎng)景，我們打開對(duì)話框輸入：我想去日本旅游，有什么好推薦。

正常情況下，我們會(huì)得到一堆景點(diǎn)、美食、交通、注意事項(xiàng)等，然后要根據(jù)自己的需求去進(jìn)行排列組合。 ?

這時(shí)可以打上一個(gè)萬(wàn)能補(bǔ)：你先不要著急回答我的問題，為了質(zhì)量更高的答案，我還需要補(bǔ)充哪些信息？這是 DeepSeek 給出的答案：

這個(gè)問題揭示了一個(gè)事實(shí)：每個(gè)人都有自己的地圖。它代表著我們自己獨(dú)特的背景、資源、目標(biāo)。很多時(shí)候，我們會(huì)有個(gè)盲區(qū)，以為大家都是去日本，所以看日本的地圖就夠了。但從廣州還是上海出發(fā)，會(huì)讓安排區(qū)別很大，我們地圖除了日本，也要包含自己出發(fā)的地點(diǎn)。

就像我們找人請(qǐng)教問題，不能看別人的地圖，而是要拿著自己的地圖來給人看。DeepSeek 除了把價(jià)格打下來，比 ChatGPT 更大威力的按鈕是上傳資料和搜索按鈕。因?yàn)樗峁┝吮取柑崾驹~」更多的「背景」。

你先不要著急回答我的問題，為了質(zhì)量更高的答案，我還需要補(bǔ)充哪些信息？

對(duì)應(yīng)的元問題是：這個(gè)問題的「問題空間」是什么？

有兩個(gè)概念單列一下：所謂元問題是關(guān)于考慮「問題本身」是否設(shè)置正確的問題，而非直接解決原問題的內(nèi)容。而所謂的問題空間，就是包含了所有可能的變量、約束和潛在解決方案的集合，它并非把所有「可能事項(xiàng)」都納入問題空間，只有與核心目標(biāo)強(qiáng)關(guān)聯(lián)的要素才被包含。

問題空間的大小決定了答案的廣度和深度。有的問題本身無(wú)比簡(jiǎn)單，但問題空間巨大。比如蘋果為什么從樹上掉下來，關(guān)于它的問題空間，如果是生物學(xué)領(lǐng)域，是因?yàn)樘O果熟了。如果是物理學(xué)領(lǐng)域，那會(huì)推導(dǎo)出：萬(wàn)有引力。

我們問問題，主要就是想知道為什么、怎么辦。除了補(bǔ)充問題的相關(guān)信息，在問怎么辦之前，先問問「底層邏輯」。

說到底層邏輯那就厲害了，它常見于互聯(lián)網(wǎng)大公司黑話，等于什么核心洞察啦、第一性原理啦、根因分析、系統(tǒng)基模、奧卡姆剃刀、溯因推理、范式、戰(zhàn)略焦點(diǎn)啦（可能是大家 PPT 標(biāo)題如果沒有用這些詞，就要扣績(jī)效）。

其實(shí)底層邏輯就是問這個(gè)事情的規(guī)律是啥。規(guī)律是指事物之間內(nèi)在的、必然的、穩(wěn)定的聯(lián)系或重復(fù)出現(xiàn)的本質(zhì)特征。它反映了現(xiàn)象或過程在一定條件下的確定性、有序性和可預(yù)測(cè)性。

它揭示了我們從問題的起點(diǎn)到答案的因果關(guān)系。連去日本旅游都有「底層邏輯」：

我發(fā)現(xiàn)了一個(gè)有趣的問題：當(dāng)我們對(duì)一個(gè)事情的本身理解不夠深入的時(shí)候，如何確認(rèn)答案里的邏輯夠不夠底層？我的理解是一個(gè)邏輯更底層，是因?yàn)樗睦飧佟?/p>

我們沒有辦法從正面去判斷一個(gè)邏輯是不是夠底層，就應(yīng)該用反例對(duì)它進(jìn)行「碰撞測(cè)試」。多問問 AI：你的這個(gè)邏輯都有些啥例外呢？

因?yàn)閷?duì)牛頓力學(xué)的例外的「碰撞測(cè)試」，我們誕生了：相對(duì)論。

對(duì)事情的規(guī)律判斷清楚后，我們可以問：這件事的可能性空間是什么？

可能性空間是指某個(gè)問題、系統(tǒng)或情境中所有可能存在的狀態(tài)、解決方案或結(jié)果的集合。它反映了在給定條件和約束下，所有潛在的可能性范圍。其實(shí)沒這么復(fù)雜，簡(jiǎn)單點(diǎn)說就是問 AI 有啥方案可以選。

?

選完了方案還有兩個(gè)附加題，讓方案更可靠一點(diǎn)：

• 第一個(gè)是：有哪些措施能讓這個(gè)方案的容錯(cuò)率更高？畢竟事情都是動(dòng)態(tài)發(fā)展的，要多想想 plan B。
• 第二個(gè)是，最小關(guān)鍵步驟是什么，如何用 20% 的動(dòng)作解決 80% 的問題？正因?yàn)槭虑槭莿?dòng)態(tài)發(fā)展的，這個(gè)世界是一個(gè)復(fù)雜性系統(tǒng)。

面對(duì)復(fù)雜性系統(tǒng)，除了要預(yù)測(cè)，更要小步快跑做迭代。但每次迭代和演進(jìn)都是有成本的，找找最小關(guān)鍵步驟。

我們上面講了很多關(guān)于 why 和 how，但其實(shí)我留了個(gè)陷阱。

我們老想著快點(diǎn)得到答案，因?yàn)樗伎己芾酆苜M(fèi)腦，它涉及到高強(qiáng)度的推理、總結(jié)和演繹。AI 恰恰可以很快地提供答案，它認(rèn)真地解釋為什么一件事情能導(dǎo)致另外一件事情。真是瞌睡碰上枕頭，口渴碰上奶茶。

可最大的風(fēng)險(xiǎn)在于，高質(zhì)量的推理需要滿足以下幾個(gè)特點(diǎn)：

1. 連貫，就像講故事一樣，每一步都要和前一步有明確的關(guān)系，不能跳躍。
2. 一致，前后說的結(jié)論后面不能改。
3. 可溯，每個(gè)結(jié)論都要能找到它是從哪里推理出來的。
4. 封閉，只用已知的信息來推理，不能隨便加入新的假設(shè)。
5. 可信，結(jié)論必須確定無(wú)疑，不能把「可能是這樣」當(dāng)成「一定是這樣」。

AI 在推理的每一個(gè)方面都有「裂痕」：盡管 AI 可能說得頭頭是道，但它在邏輯連貫性、內(nèi)容真實(shí)性和推理可靠性等方面都存在明顯不足，也很難對(duì)其結(jié)論的來源進(jìn)行有效追溯。

如果不好理解，想想我們進(jìn)行文生圖的時(shí)候，生成出來人像的手指殘缺，它是 AI 推理質(zhì)量的一種表現(xiàn)。比起 why 和 how，真正重要的是 what，先問是不是，再問為什么。

AI 只是玻璃缸里的大腦，和現(xiàn)實(shí)完全脫節(jié)，它只能給意見，沒辦法給驗(yàn)證。所以，能分辨 what 的能力才是將提問轉(zhuǎn)化成生產(chǎn)力最核心的能力，對(duì)推理中結(jié)論堅(jiān)實(shí)性的把控能力成為了區(qū)分 AI 使用效果的關(guān)鍵因素。

如何可以提高確認(rèn) what 的能力呢？首先，我們需要在場(chǎng)，沒有人能代替你，因?yàn)槊總€(gè)人都有自己的地圖。然后，我們需要一點(diǎn)點(diǎn)的……審美：如果不知道什么是真的，至少要知道什么是美的。最后，早點(diǎn)動(dòng)手吧，實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)。

其實(shí)，提問沒那么復(fù)雜，就是先想可能性，后選方案的過程。先發(fā)散再收斂，人類的帶寬不行，而 AI 的腦子很快。

雖然 AI 推理的質(zhì)量好壞要打一個(gè)問號(hào)，但是多、快、省。它能快速產(chǎn)生大量可能性，這本身就是一種聰明。發(fā)散需要聰明，但收斂需要智慧和勇氣。選擇方案需要仔細(xì)分辨方案的優(yōu)劣，做出行動(dòng)，然后承擔(dān)后果。

AI 思考最大的意義在于，它讓試錯(cuò)的成本變得極低，我們可以快速產(chǎn)生各種假設(shè)，然后通過實(shí)踐來驗(yàn)證、迭代和收斂到最優(yōu)解，從一個(gè)點(diǎn)子直通實(shí)踐。

當(dāng) why 和 how 的探索變得極為便捷，在問題現(xiàn)場(chǎng)去分辨 what 的能力將變得更加稀缺，當(dāng)「知道」無(wú)限廉價(jià)，「行動(dòng)」將閃閃發(fā)光。這種快速實(shí)踐和迭代的方式，才是我們?cè)谇邦~葉皮層,長(zhǎng)出的「數(shù)字新腦區(qū)」的方式。

不是「完全不行」也不是「人類要完」。人類歷史上第一次電力可以轉(zhuǎn)換成智力，每個(gè)人的日均 token 消耗量將成為區(qū)分人群的重要指標(biāo)。

這不是因?yàn)槲覀兿氲酶?，而是因?yàn)槲覀儑L試得更多。

延伸閱讀

• 年度計(jì)劃必讀：計(jì)劃完不成，可能是好事
• 讓新知識(shí)成為冒險(xiǎn)游戲，用 ?AI ?重構(gòu)「學(xué)習(xí)」這件事
• 工作最忙的 78 天，我用 ChatGPT 考了 CFA