你还在担心AI会取代人类吗？不要惊慌，它可能是你的优秀实习生

在古希腊神话中，普罗米修斯从神中窃取了火源，这不仅代表了人类智慧的觉醒，也意味着人类已经告别了野性，进入了用工具点燃文明之光的新时代。

现在，我们正站在另一个划时代的门槛上，这一次，引领我们的是通用人工智能的发展，GPT-4、Gemini、Sora、Claude 越来越多的多模态人工智能工具正在推动一场史诗般的变革，这不仅催生了许多使用场景，也创造了新的价值和更多与传统产业紧密结合的新可能性。可以预计，未来随着万亿参数级GPU运算AI基础设施的突破，将会涌现出更多的人工智能工具，探索如何更优雅地实现人工智能创新已经成为我们共同的话题。

人类和人工智能同创时代

根据埃森哲等咨询机构联合发布的报告，预计到2030年，人工智能将为全球GDP贡献约20%的增长率，减少约30% 000亿工作时间相当于每周为每个人节省两个小时的宝贵时间。微软的一个发现揭示了一个引人注目的事实:使用Copilot的员工比没有使用Copilot的同事少了26%~73%的时间来实现目标。

人工智能不再是一个简单的工具，而是一个与人类并肩作战的创新伙伴——通过人机交互，人类似乎被赋予了第二个大脑。这一切意味着人类正在进入一个智慧与智慧共舞的新时代。

在同样的旅程中，我们应该打破AI只被视为工具或过度拟人化的二元困境，而应该从人类社会的细腻线条中汲取灵感，创造一个类似于人类与人工智能共存的社会场景。

第达罗斯是古希腊神话中的（Daedalus）作为一名技艺高超的工匠，他和孩子伊卡洛斯（Icarus）国王米诺斯（Minos）克里特岛被囚禁。为逃避，他设计并制作了一对能飞翔的翅膀，用蜡粘合羽毛。在起飞之前，第达罗斯警告伊卡洛斯不要飞得太高，因为太阳会融化羽翼上的蜡，也不要飞得太低，因为海水会把羽毛浸湿。然而，痴迷于自由和兴奋的伊卡洛斯在飞行中忘记了父亲的建议，飞得越来越高。最后，太阳的热量融化了他的翅膀，导致他坠入海洋，溺水。

AI 与第达罗斯制造的翅膀一样，技术具有无限的潜力和无限的活力，但正确的使用方法尤为重要。事实上，人类和 AI 创造力各有千古:人的创造力被文化和知识滋润，就像清泉一样，在直觉和情感中涌动；人工智能就像一个精确的时钟，它依靠算法和技术的精确运行，跨越许多领域和模式来展示它的创造潜力。所以，人-AI同创是一种非对称的创造方式，源于两者之间的交融互动。与AI合作的个体差异，限制了人-AI同创力的发展水平。

诺贝尔经济学奖获奖者赫尔伯特·西蒙指出，创造力并不是“天才”的专属特征。其实天才和普通人的思维过程并没有根本的区别，只是前者更善于运用启发性思维。启发性思维并不依赖于系统、确定的步骤来寻求答案，而是通过个人的经验规则来探索解决问题的方法。同理，在人与AI同创的过程中，核心也是这种启发思维。我们称这种能力为“提醒素养”（prompt literacy），在经验、直觉和创造力的基础上，人类和AI可以共同探索和创造新的可能性。

提醒素养的互动能力在控制生成式人工智能系统时尤为重要。这一能力不需要复杂的编程知识，而是可以使人们与人工智能进行流畅的对话。学者黄耀汉等人将其定义为人类通过准确的提示输入人工智能，人工智能基于这些提醒生成内容，然后通过人类的解释和确认，反复迭代，直到达到目标的能力。它不仅仅是一种技能，更是一种通过自然语言引导AI完成复杂任务的艺术智慧。

在新加坡政府科技局举办的首届GPT-4提醒工程大赛中，数据专家Sheila Teo以CO-STAR的框架获得冠军。“假设你是一个社交媒体经理，需要制作一篇Facebook帖子来宣传公司的新产品，”她分享了她的经验。假如没有使用CO-STAR，GPT-四是输出缺乏细节和吸引力。使用CO-STAR模板后，提示词可以这样写：‘场景：宣传Alpha的新型超高速吹风机Beta。目的：写一篇Facebook帖子，以促进点击。风格：遵循Dyson 的风格。语调：有说服力的语气。受众：面向重视简洁技术的老年人。’这样，GPT-4将导出更详细、有目的的响应。CO-STAR框架综合考虑了情景、目标、风格、语气、受众等关键因素，帮助用户产生更高质量、相关的ChatGPT响应。”

为了达到预期的输出结果，提醒素养要求用户能准确地设定任务目标和情境，并能理解和适当地调整这些提醒。这一素养体现了用户在交互过程中的理解和能力，以及在合作过程中如何有效地调整和优化提醒，以达到最终目标。相比之下，CO-STAR 框架提供了系统的提醒方法，证明通过框架训练可以显著提高。 AI 出口质量与相关性。但是，提醒素养更加广泛和灵活，要求用户能够在不同的情况下独立设置和调整提醒，以达到最佳效果。

综上所述，提醒素养包括三个核心要素:输入提示的质量、AI输出的解码和判断、迭代行为——每一步都是人机创作中不可或缺的。它不仅是技术领域的创新，也是思维方式的飞跃。为更加直观地呈现人—AI 这篇文章描绘了人们创造的过程和提醒素养的价值。—AI 同创流程图(如图所示 1）。这张流程图显示了一个开放式闭环：由“人们启动同创任务 →AI 响应→评价和决策→“同创任务的结束”，系统探索了人与人工智能的耦合关系，深入分析了同创过程中的协同性、复杂性和动态性，揭示了提醒素养的核心作用，旨在提高人与人工智能的合作模式，提高同创效率，增强个人与组织的数字竞争力。

图1 提醒受素养影响的人-AI同创流程图

提醒素养对人机同创的影响过程

过程第一步：启动同创任务

如图1第二列所示，第一步是启动同一个创意任务，用户扮演启动者的角色。提醒素养在构建高质量提示、指导生成人工智能导出高质量内容方面起着决定性的作用。在输入提醒指令时，不同提醒素养的用户的区别主要来自表达、知识和情感。

第一，表达差异体现在用户能否清晰、具体地讨论目标和需求上。清晰的表达方式可以使创造者更好地交流想法。

第二，知识差异是用户底蕴的体现。AI输出的深度和广度是由特定领域的专业知识积累决定的。例如，在生产领域，资深生产经理会要求 AI 为了最大限度地提高生产效率，根据原材料供应、人力资源状况、设备利用率和订单优先调度生产任务。而且新手管理者可能只是要求 AI 对“日常生产计划”进行调整，不能充分利用数据和算法，影响生产效率。

第三，情感差异反映了导出指令的情感色彩。用户的情感单词和情感输出方式不仅传达了文本信息，也传达了客户的情感和态度。大语言模型可以理解情感刺激，在生成内容时使用情感刺激来提高模型的导出质量。在实践中，我们发现“相信自己的能力”等应用在提醒中。、“优秀”这样的句子，可以有效地激励AI展示更好的表现。

过程第二步：同创任务响应

如图 1 根据第三列，AI在收到客户的提示指令后，会利用其内部算法和模型对输入数据进行处理，并产生相应的输出结果。在这个过程中，基于人类反馈的对比学习促使AI根据用户的反馈信息对结果进行调整和优化，从而提高完成任务的质量和客户满意度。AI的表现受到任务特性、训练AI的数据界限和AI选择偏好等因素的影响，同创任务响应过程中。

第一，讨论任务特征，特别是任务粒度，是理解这种现象的关键。任务粒度是指任务的可描述性，即问题解决者在执行任务时所需的指导和自由。由于问题解决者需要自己定义目标和路径，因此粗粒度任务更加开放和灵活，具有更大的自由度和创造空间。取而代之的是，细粒度任务、任务目标和路径已经基本明确定义，问题解决者只需按常规方法进行规划。而且这种精确性和高效性，却会缩小创意画板，促使输出结果更加一致，难以发展。

第二，数据界限涉及训练。 AI 数据集的范围和质量。OpenAI 公司基于 Transformer 网络搭建的 GPT 在推理、语言能力、图像和文本输入导出等方面，模型具有无与伦比的能力，但它们大多来自于不同的数据训练。由此可见，由于数据边界的变化，不同特征的任务执行导出会受到影响。为了打破数据界限的限制和数据带来的幻觉，或者“数据偏见”，业界进行了很多尝试，包括扩展训练集或者模拟数据进行自我迭代，但本质上依赖数学框架的人工智能仍然受到限制。

第三，AI的选择偏好是由任务粒度和数据界限决定的。学者凯里·莫尔维基等人认为，AI设计师通常会根据错误的假设构建算法，即根据用户行为(显示喜好)训练算法，试图揭示客户的真实喜好(标准偏好)。而且奈飞的一项调查显示，客户虽然专注于将优雅的电影列入名单，但最终实际播放的却是算法推荐的低俗节目和电影。由于算法通常根据点击量、访问量和消费行为等显示偏好来推测客户的标准偏好。它反映了人类对放纵物和自律物的分歧欲望和动机。利用这些有限的数据来训练模型，必然会导致算法产生数据偏见。

构思AI帮助创作具有独特客户风格的艺术作品，属于粗粒度任务。由于数据集的限制，AI可能只能展示一些常见的艺术风格或趋势，即由于“显性偏好”的影响，很难准确捕捉到客户的真实目标和想法——“标准偏好”。因此，用户可能需要提供更多的输入和想法，甚至发现自己更愿意自己创造。虽然AI很强，但由于训练方法的原始数据库不存在，很难产生想法。相反，当AI被赋予语言翻译等细粒度算法任务时，其特点是输入和输出之间有明确稳定的映射关系，数据集的界限更小，任务更贴近用户的“标准偏好”，提高了人与AI共创的效率。

过程第三步：同创任务评估

凯文·凯利曾生动地描述:“AI就像一个实习生，我们不能独立。我们需要对它的工作效果进行二次验证。”因此，在创造性的过程中，评估目标与结果的关联性和迭代试错是非常重要的。

评估阶段，提醒素养仍然是我们手中的一把金钥匙，直接关系到AI导出的评估与判断。

首先，评价标准。第一，评价的核心指标之一是关联元素的原创性和距离。创造性思维的过程涉及到将相关的思想元素组合成一种新颖实用的方法。这一过程中，与概念有着较远的联系，通常会促进更具突破性的组合。第二，效率也是一个评价标准。准确有效地实现用户满意度的创意结果，可以增强用户的创意动机，高提示词素养客户在使用过程中迭代的准确性和灵感启发性也可以进一步优化AI的创意流程。第三，伦理和道德观是不可忽视的评价标准。AI伦理建设的关键需求是保证同创内容和结果符合健康和正直的伦理观，也应该成为我们评价AI同创内容的重要指标。最后，安全是我们评估AI结果的核心标准之一。

生成式人工智能作为一种可以创造内容的语言模型，也可以评价同一创造任务的结果，甚至可以构建AI-Agents集群链进行程序化评价。帮助用户通过结构化反馈思考想法，而不是简单地使用“这个好，那个坏”这个术语。

第二，批判性思维。基于上述评价标准，我们应该用批判性思维来审视每一个细节。这个过程不仅是对AI内容的深入分析，也是对专业知识的提炼和升华。

三是整合能力。为了达到最佳的同创效果，客户需要将AI产出与自己的目标、标准或偏好相结合。

过程第四步：同创任务的决策

同一个任务的决定包括决定是否使用AI进行同一个创造，以及何时结束同一个创造。诺贝尔经济学奖获得者丹尼尔·卡尼曼指出，人类在决策过程中并不总是理性的，他们经常受到各种认知偏见和启发。（heuristics）的影响。

因此，他提出了两个决策系统:系统1是一个依靠直觉和经验的快速思维机制，可以在没有仔细考虑的情况下快速做出反应。其特点包括速度快、认知负荷低、直觉导向。相对而言，系统2是一种缓慢而分析的思维模式，依靠逻辑判断，适用于需要详细分析的复杂决策。它的特点是速度慢，认知负荷高，分析性强，处理和分析信息需要时间，决策过程需要大量的认知资源，主要依靠逻辑判断和深度分析。

卡尼曼指出，尽管系统2的决策更加准确，但是在现实生活中，由于其反应灵敏，节约资源，人们往往更加依赖系统1。但是，这也使我们的决定更容易受到各种认知偏见的影响。这篇文章提到的人-AI同创的决策过程有效地避免了这种依赖。生成式AI通过对话链和反馈链建立任务策略，可以有效激发系统2所需的逻辑判断和仔细考虑，从而减少对经验和直觉的依赖。与此同时，反馈过程中提供的新信息也有助于顾客更好地防止锚定效应。

第五步：同创任务的结束

人类和AI的同创旅程并非永无止境，达到理想状态一般都是无法满足的。所以，用户要学会“先加法，后减法”。学者大卫·伊格曼和安东尼·布兰德警告我们，在创造性的过程中，放弃大多数创造性的想法可能会让人感到浪费，但这实际上是创造性过程的关键。由于预算、时间、流程、流程等实际条件的限制，组织不能让用户过分追求新奇，忽略有效的方案，也不能因为迭代太多而错过机会。因此，在许多情况下，创建任务最终会在局部条件的最终状态下收敛(如图所示。 1 最右边）。

虽然人和 AI 同样的创作可能会以不完美的状态结束，但我们不能忽视它所蕴含的“回旋镖效应”的潜力——它准确地回到起点，为用户的知识、表达和情感注入新的活力，激发下一次同样的创作概率。这意味着，在完成以提醒素养为导向的创新任务后，个人的提示素养将得到提升，客户将新的素养转化为新的任务，充分展示了创新与提醒素养的密切联系，相辅相成。

****

正如凯文·凯利所说:“虽然人类不可能在短时间内完全被人工智能所取代，但它可能会被善于使用人工智能的人所取代，这已经成为一种普遍趋势。“当人类的探索与机器的思维交织在一起时，它激起了丰富多彩的创新火花，推动我们跨越旧的边界，走向未知的距离。值得注意的是，提醒素养的价值远远超过与人工智能的对话。在商业决策、工作创新甚至日常生活的各个方面，它也是一种跨越领域、跨越场景的通用技能。在浩瀚的技术海洋中，我们不能忘记人性的温暖和光辉。我们应该跨越算法和数据的冰冷境界，在追求创新的同时，牢记科技向善的永恒主题，共同绘制人与人。 AI 壮丽的和谐共生画轴。

本文来自微信微信官方账号“中欧商业评论”，作者：马君 杨雅雯 经授权发布的徐正昊36氪。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com