我們仍處於AI發展的指數級曲線中。我試著每隔幾週發表一篇Substack文章，然而隨著發展速度加快，這有時感覺太慢了。自我上次發文以來，AI似乎解決了一個最著名的數學問題（伴隨爭議），同時也引發了關於AI風險及其應對方式的廣泛討論（同樣伴隨爭議）。
我認為這些擔憂，以及其他日益增多的憂慮，都歸結為我發文時遇到的同一個問題：我們人類的系統和流程在跟上AI發展速度方面是多麼緩慢。我認為那些擔憂的人並沒有錯，但我也認為，儘管關注未來的AI很重要，但若只專注於此，將會忽略AI目前已經具備驚人能力的事實。事實上，新的GPT-6 Astra和Fable 5.1已經足以對經濟的許多領域產生變革性影響，只要適當引導和利用，它們就能可靠地完成數週的人類工作。
以下是一些有趣的例子：我讓GPT-6 Astra將1977年的文字冒險遊戲Zork轉變成一個可玩的完整3D動作冒險遊戲。Zork沒有圖形，每個地點都是一段散文描述，因此AI必須決定白宮的樣子、grue的樣子（原版只告訴你，在黑暗中你很可能會被它吃掉），以及如何將「與食人魔戰鬥」轉化為一個動作序列。
我還讓Fable 5.1嘗試以3D形式重建義大利作家Umberto Eco的圖書館。Eco在他的米蘭公寓裡收藏了數萬本書，AI找不到平面圖，於是它決定從十幾個影片、基金會拍攝的每個書櫃照片以及兩個圖書館目錄中進行重建。它逐幀讀取書脊，推斷出房間，並將它能識別出的約5,000本書放置在27,000個書架位中。
它標記了每本書的確定性、猜測或未知狀態，並以霧狀繪製了攝影機無法到達的書櫃。這項任務，就像Zork遊戲和我最近讓AI完成的許多實際工作一樣，如果由人類研究人員、程式設計師和設計師來完成，將需要數週的時間。但現在，我們已經做到了。
我的重點是，儘管關於未來模型將會做什麼存在許多爭議，但現有模型的當前能力卻幾乎未被充分利用，甚至常常不被理解。例如，我直到GPT-6 Astra實際操作了Blender（一款複雜的3D建模軟體）之後，才知道它有這個能力。
我給了它我即將出版的書《Co-Existence》的副本，並要求它從AI的角度為這本書製作一個預告片。在沒有我明確指示的情況下，它開始使用Blender建立一個完整的3D動畫場景（這並非易事），並附帶一個包含一些笑話和揭示的劇本（我確實拒絕了它添加的第一個笑話，但第二個相當不錯）。
然後，它想辦法生成了語音、音樂和音效，並在45分鐘後將這部影片交給我。最終產品的氛圍比我預期的要陰沉一些，但那是AI的決定，而不是我的。
為了看看它能做到什麼程度，我提示它：「這很好，但我其實想讓你根據《Co-Existence》製作一個動作電影預告片。玩得開心點。不超過30秒。」它再次編寫了劇本，並在Blender中製作了一個3D原型。
在我要求一個更具電影感的版本後，它將Blender動畫用作分鏡圖，透過我的瀏覽器操作了一個影片生成器，並將生成的鏡頭編輯成最終預告片。我給了一些輕微的創意反饋，但從未觸及任何製作決策，甚至不確切知道它是如何完成這些任務的。你可以在這裡看到成果。
這些成果中存在許多你可以發現的缺陷。但它們也展示了AI正在運用某種判斷力和創造力，這些在不久前還被認為是人類獨有的特徵。而且，這些都是在我支付的ChatGPT帳戶的token預算中，只用了極小一部分就完成了。
我認為這些是很有趣的演示，但也有點令人不安，因為AI在曾經純粹屬於人類的領域中表現越來越好。然而，這些專案都不是自行發生的。我選擇了它們，我對Zork、Eco和我的書有足夠的了解，能夠看出AI出錯的地方，並在第一個版本不對時要求第二個版本。
這種「能力過剩」（capability overhang），即模型能做到的與幾乎所有人正在做的之間的差距，是一個機會，因為大多數人沒有將自己的優勢帶入AI應用中，而那些這樣做的人則從中獲得更多。
這就是為什麼我認為我們需要專注於那些即使AI能力提升，仍然有用的個人特質。你不是要試圖在產出方面與AI競爭，那是一場必輸的遊戲。相反地，你希望利用你的人類優勢作為與AI協作的基礎，去完成你們任何一方都無法單獨完成的事情。
在我的書中，我概述了如果你想以獨特且增強的方式使用AI，四項特別重要的個人優勢：深度知識、廣泛知識、品味和主動性。
前兩項優勢來自於你的知識。深度知識是透過對某個領域或主題的深入理解而形成的專業知識，讓你能夠建立直覺，快速準確地做出決策。這就像經驗豐富的會計師能掃一眼試算表就知道哪裡出了問題，或者高爾夫專業人士能看一眼揮桿就立刻明白球員的錯誤。
這也是為什麼我能在幾秒鐘內判斷出第一個預告片比書本身更陰沉。深度知識是專家的領域，也是真正理解「鋸齒狀前沿」（Jagged Frontier）形狀的唯一途徑，因為只有專家才能理解AI在哪裡成功或失敗的模式，至少在他們的專業領域是如此。它還有助於你適應變化，因為深度知識使你更容易從執行工作的人轉變為管理工作的人。
Anthropic最近的研究也表明，專業知識會影響AI回饋的品質。專家不僅能從AI獲得更好的工作成果，還能獲得更多的工作成果。
但你不僅需要深度知識，還需要廣泛知識。大型語言模型（LLM）的訓練資料是人類龐大產出的一大部分。AI已經學會了一些設計思維、貝氏推理、豐田生產系統、羅傑斯療法和馬克思主義文學批評。
然而，AI通常不會主動提供這些模式，除非你知道如何提問。這就是廣泛知識發揮作用的地方。舉個例子：AI處理設計工作的方式。如果你要求AI建立一個網頁，它會有一些偏好，包括一個非常惱人的習慣，就是在你的標題上方添加小標題。如果你沒有任何設計基礎，你可能不會意識到你需要要求AI停止為作品「添加眉毛」。
這也是我為什麼知道將Blender動畫用作影片生成器的分鏡圖是一種明智的製作電影方式，而不是AI在亂搞。如果你知道正確的術語，要求更改就很容易。要獲得廣泛知識，你需要廣泛閱讀和學習，跨越不同領域、形式和傳統。這本身就很有價值（人文學科的回歸！），在AI時代更是如此。
現在讓我們回到我上面展示的影片和專案…你可能對其中一個或另一個產生了本能反應，或者討厭它們全部。你可能發現了一個你希望看到更多的主題或想法。在這樣做的過程中，你正在運用AI時代的第三個人類區分因素：品味。
在AI出現之前，製作東西既困難又緩慢。寫一份草稿需要數小時。生成二十個產品概念需要一個團隊一週。一篇學術論文可能需要數年。限制始終是製作足夠多的東西。現在，製作變得快速且便宜。稀缺的資源是你運用自己的品味在眾多事物中進行選擇的能力。
再次以預告片為例，我拒絕了第一個笑話，保留了第二個。我要求一個更具電影感的版本。這些是我對預告片所做的唯一決定，但它們都是基於我的品味。
有些人對大眾喜歡的事物有品味，有些人則有獨特的個人品味，還有些人對新穎的事物有品味。是的，生成式AI大多會導致「劣質品」（slop）：大量彼此非常相似的作品。
但劣質品可以被品味所擊敗。用AI創造偉大的作品意味著知道哪些AI輸出要保留，哪些要捨棄，以及哪些可以用作AI本身永遠無法生成的東西的原材料。
最後一項人類優勢，主動性（agency），可能是最重要也最難談論的，因為它難以定義且充滿爭議。但在AI的背景下，我認為它是一種願意測試可能性邊界的心態，尤其當每個人都同樣困惑於AI能做什麼時。
你所在領域的「鋸齒狀前沿」尚未被繪製，因此主動性就是成為一名探險家。它區別於等待別人告訴你AI現在能做什麼，而是透過嘗試自己去發現。這也是我為什麼進行這麼多奇怪的AI實驗——比如試圖讓AI玩遊戲——它讓我學到了很多關於AI能做什麼的知識。
我在10月20日出版的《Co-Existence》一書中，詳細討論了這四項優勢以及更多內容。如果你預訂並透過co-existence.ai告知我（預訂對作者幫助很大），我們將在一兩天內向你發送一個與AI進行免費語音訪談的連結。
它會詢問你所知道的、你喜歡的以及你嘗試過的事物，然後提供一份關於你自己的深度知識、廣泛知識、品味和主動性的報告，以及圍繞這些優勢建立的使用案例和提示詞。
這是訪談報告的一個範例。這裡的受訪者是一個對水獺著迷的LLM；顯然，你的報告將會是關於你自己的。
目前關於AI的大部分焦慮都集中在未來模型以及我們是否能夠控制它們。政府和AI實驗室爭論如何管理發展速度以減輕這些風險，這似乎是合理的。
但發展速度的減緩並不能消除已經存在的現實。即使所有實驗室明天停止訓練新模型，這也無法改變GPT-6 Astra和Fable 5.1已經足以改變經濟大部分運作方式的事實。這些模型今天能做到的與大多數人正在使用的之間存在巨大的「能力過剩」。
因此，無論前沿發展速度如何，變革都將到來。它不會一次性發生，也不會是均勻的，但它是不可避免的。然而，不可避免的變革並不意味著變革的類型也是不可避免的。
作為社會，我們越來越需要發展和分享能夠增強而非僅僅取代人類勞動的AI-人類協作模式。同樣重要的是，作為個人，我們也應以增強而非僅僅取代我們自身努力的方式來使用AI。我認為沒有明確的界線可以指出並說AI永遠不會跨越（見上文）。但你的四項優勢是今天就可以開始的起點。
分享Zork專案和圖書館專案都是開源的，如果你願意，可以自由修改它們（Zork本身就是開源的）。