---
0 我之前提出了一个观点“AI能力越强，人的差距越大”[1]，在与读者群的小范围交流中更深入聊了这个话题。这几天在很多朋友对各家 Deep Research 能力的讨论中也涉及到了相关话题。稍微整理一下发出来。
1 AI 一如曾经的搜索引擎，扩大了人的能力边界。但是到底对什么样画像的人增益最大？
2 我们先给出结论：对有深度思考能力、有专业 Know-How 且博学的人，加成最大。有专业 Know-How 且博学的人，其次。有专业 Know-How 再次。博学的人，再次之。
3 这里的深度思考能力的起点，我们也可以简化成“对一切事物保持敏感”。唯有敏感，才有了改变交互界面的可能性。这里的交互界面来自于这样一个说法，“我们对世界的一切知识，本质上是我们构建的与世界的交互界面”。这里的世界当然也包含思维本身。
而这里的专业 Know-How，除了特定领域的行业认知，更重要的是纳瓦尔提到的那些难以被公开的培训传授的特定知识，我们也可以说是“诀窍”。这是在特定的实践活动中才可能产生的，基于自身的特殊性而存在。
所谓博学，除了具备多领域的知识，还包括能够在一定抽象的层面上，发现多领域事物的同构性的学识。举个例子，人们既可以了解苹果的属性、也可以了解橘子的属性，也知道他们都是水果。具体的事物从来不曾相等，苹果不等于橘子，但面对干果的时候他们可以都是水果。
4 深度思考的能力是可以习得的，即可以被训练的。苏格拉底说“未经审视的生活不值得一过”，我认为这句话既是态度，也是方法。除了对世界本身的审视，也包括对思维自身的审视、对主体的审视、以及对这种互动关系的审视。
所以，学习苏格拉底的导引术、辩证法，掌握他的对话术，能够有效习得深度思考。很多时候，杂而不精，不如要而不繁。实际上在那本《AI帮你赢-人人都能用的AI方法论》里边，我曾经大肆鼓吹过这一点。其辩证法又被称为引导术，“将一个人的内在智慧引导出来”。显然，我们与 AI 协作的过程是高度契合的。引导从来不是单向的，是互动式的。
专业的 Know-How，特定的“诀窍”，前者来自于领域的局部公式，后者恰好是在自己的实践中，保持这样一种敏感性上，自觉或者自发地产生的，更多体现为一种隐秘的非共识。宝玉最新分享的文章[1]里提到了类似的点， Ben Thompson 在《Deep Research and Knowledge Value》里说：“公开的信息，而且热门话题往往噪音多、信噪比差；小众/专业话题数据更集中且高质，价值更明显。但对于小众信息来说，如果真正关键或独家数据并未对外公开，那么再强大的 AI 也无法查询到，最终会导致报告中出现“严重缺失”，反而并给人造成“似乎已经知道一切”的假象。”
博学是一种结果，是探索中的一种必然。意识到“你是你自己的边界”这一点之后，有太多的书和方法讲这一点了。当然，还有 AI。
5 在这里我想起了继刚曾经分享的乔哈里视窗[2]，他把乔哈里视窗引入与 AI 的沟通中来，是一个很棒的想法，这是一个极具解释力的框架。我们甚至可以做一个映射，深度思考解决的是人不知道的二三象限的问题，专业 Know-How 扩大的是四、一象限，博学扩大的是第一象限。
我在那本书里的案例，遵循了由简到难、由已知到未知的安排，也即是如此。先给了一个框架让小白上手，然后扔掉脚手架进入一知半解的领域，再进入完全未知的领域“无中生有”，最后呈现让 AI 自我迭代。
而贯穿其中的，就是苏格拉底辩证法，以及我上推出来的概念-语言自身的运动形式——升维、降维、转移，这三种基本运动。意识到了这三种运动，从而可以自觉地审视基于语言的思维、对话本身。也就是深度思考的一种元方法，生产方法的方法。
只不过把深度思考的、形而上的部分，放在了第一篇，可能对一些读者，存在一定阅读上的障碍。可见写有深度的科普书这件事情，其专业 Know-How，我尚未把握。
6 请注意，我在这里是从微观的个人出发，并未涉及到宏观的多种因素。可以看第一个引用，或者与 AI 探讨宏观层面的问题。
