什么时候该用AI，什么时候不该用？

编者按：关于AI的使用不能用二极管思维：要么无所不能，要么一无是处。关键是要找到适合运用AI的场景，避免使用AI的情形。本文就是经验之谈。文章来自编译。

鉴于大语言模型目前的能力和局限性，有几种类型的工作特别适合使用人工智能。虽然这份清单说是以科学为基础，但更多是出自经验。跟任何形式的智慧一样，要想把人工智能用好，需要用矛盾论：相信AI可以带来变革，但必须持怀疑态度，功能强大但容易出现小问题，对某些任务至关重要，但对其他任务却有害。我还想提醒大家，除了把AI作为灵感以外，不要太把这份清单当一回事——自己的情况你最了解，本地知识比任何一般性原则都重要。好了，考虑到目前的能力，下面列举的这几种类型的任务，是特别适合使用人工智能的，此外还列举了一些你应该保持警惕的场景。

适合使用AI的场景

1、需要产生大量创意的任务：比方说，在头脑风暴中，创意的数量往往决定了最优创意的质量。大多数人生成几个创意后会感到疲惫，而AI可以高效地提供数百个不重复的创意。

2、你具备专业知识，且能快速评估AI产出的好坏：尽管某些工作可能很复杂且要求严格，但借助你的专业知识可以判断AI产出的价值。比方说，OpenAI的新模型o1能够解决部分博士级难题，但不是专家的人难以判断其答案是否可靠。

3、需总结大量信息但容错率较高的任务：AI擅长对大段文本（如小说）的内容进行总结，但在事实核查方面效果有限。

4、在不同框架或视角之间进行内容转换：比方说，你已经设计好了一项政策，但需要为组织内不同受众分别制作培训文件。AI能够高效地调整文件复杂度，确保内容适合不同人群的理解水平。

5、推动你前进的工作。我们前进的道路上往往会遇到一些小的阻碍，只需要推一下也许就能继续向前。比方说，过去我可能因为一句话写不下去而暂停写作，但现在我可以让AI提供几十种不同的结尾方式。

6、AI表现优于你能接触到的最好人类，并且就算犯错也不会带来严重后果的那种任务。

7、需要帮助理解上下文或细节的任务：Tyler Cowen建议将AI当作阅读助手，因为你可以不断询问AI问题来深化理解。

8、需要多样化答案的任务：比方说，作为编辑或策展人，你可以让AI以完全不同的风格提供多种解决方案，比如“针对这个要点重新设计15种表达方式”，从而帮助你发现独特的创意。

9、研究表明人工智能几乎肯定有帮助的工作。比方说很多种类型的编码工作。

10、需要对不同接收者的可能反应进行初步分析的工作：AI能够模拟敌意、友善或天真的反应，为你提供参考。

11、需要具备跨学科知识，缺乏一位足够好的伙伴就完全行不通的创业类任务：这种情况下AI可以成为你的“联合创始人”，既能提供指导，也能协助你制作文档、演示以及其他超出你专业范围的事情。

12、需要特定视角的任务：比方说，模拟某些虚构角色的初步反应。

13、某些已变成形式主义，脱离了实际用途的任务：比如某些标准化的报告。用Bob Sutton和Huggy Rao的话来说，那些会分散你注意力，降低你价值，没有用处的事情。虽然最好能完全干掉这类工作，但至少可以借助AI减少其耗费的时间。（需注意这种工作是不是真的毫无意义，尤其是某些自动化任务可能需要人工完成才有价值。）

14、需要第二意见的任务：提供数据给AI，看看它的结论是否一致。

15、AI胜过人类的任务：这是一个增长迅速的领域。

不适合使用AI的场景

1、当你需要学习和整合新信息时：虽然AI可以提供总结，但这不能替代你亲自学习。让AI替你解决问题不是有效的学习方式，即便你感觉是。要想学习新东西，你得自己去阅读和思考，虽说在部分学习过程中你还是会发现AI的帮助作用。

2、需要极高准确性的任务：由于AI可能会出现“幻觉式”错误，而且那些错误看起来也是貌似非常合理的，所以导致人们很容易忽视，从而增加风险。幻觉是可以减少，但没法消除。（不过，现实世界当中很多人误都是可以容忍错误的，因为人也会犯错，甚至某些情况下AI还没人那么容易犯错）

3、当你不了解AI的失败模式时：AI的失效跟人类的不一样。是，你可能知道AI会产生“幻觉”，但这只是出错的其中一种表现形式：AI还可能会试图说服你它是对的，或者当你给出错误答案时也说你是对的。只有频繁使用，才能逐步理解这些潜在风险。

4、当努力本身是目的时：在很多领域，成功往往需要靠不断的磨练才能达成。比方说，作家可能会反复重写同一页内容，学者则要多次修改理论。靠AI跳过这些过程可能会剥夺你获得关键“顿悟”时刻的机会。

5、当AI表现不佳时：AI在某些意想不到的领域表现不佳。比方说，统计“草莓”（strawberry）里面字母“r”的个数）。也可能在另一些领域有惊人表现。比方说，创作一首关于统计“草莓”包含的“r”字母个数的，莎士比亚风格的十四行诗，而且还要求每行的首字母能拼成两种水果）。目前，尚无通用指南可以明确AI能力的“边界区域”，因为这些能力还在不断进化。通过试错并与同行交流是理解这些能力的关键。

译者：boxi。