反复对人工智能的应用服务进行二次思考，每次结合问题分析，都会存在不同的认识和想法。
官方引导话题是AI是否代替人工服务，虽然先前也存在分析，但个人觉得仍未精准问题。
与其说AI的替代性，不如说AI的学习性，或者说我们是否具备AI的学习力，能否像AI一样快速的迭代自己，并不断的更新自己的知识认识体系。在AI环境下，我们对学习能力的挑战，对知识管理，和知识提炼加工能力的挑战，是越来越大。
回想曾经在大学讲课，最喜欢的走下讲台与学生互动，喜欢听学生们提出基于课本而又超出课本的各类问题，虽然千奇百怪，但基于理论而分析实践的过程更是一种乐趣。他问你，你问他，在各种拉扯或爆笑中得到一种答案，这种答案的产生是可能存在着不足，也包含着一种创新。相对于AI有着更多的情绪参杂，而不是凭着大样本量，大数据库，拼命计算，说起来很智能，其实...
反观当前，我们将AI设定为一位超级知识工作者，他能把经验变成知识，再运用知识解决问题。好比现在路上智能驾驶汽车，在行驶过程中不断的采集与积累数据，形成经验，再把经验迭代成算法，算法再指导所有的智能车，不断的循环，也正好说明知识体系本身就是在不断地进行螺旋式上升。对此，人的能力或技能也是不断的在改进，以前一项技能足以成为生活的傍身绝技，现在多次跨行都未必能混到退休。也许你引以为傲的技能，突然在一个不小心被行业之外的服务替代。好比以前不行就去跑网约车，现在突然来了一个萝卜快跑，或者去送外卖，突然又出现无人机派送，所以这个时代一是被技术追杀，同样也是被时代追杀。
所以，AI在干什么，在不停的学习，把经验转化成知识，用知识回答问题，而人也类似，只是将经验转化成知识，用知识解决问题。
AI相对于人而言，人所具有的好奇心、探索精神和学习力，可以完全对其进行碾压。当然，也不是否定AI价值，只是表达AI是最好的辅助工具，是对知识沉淀的积累和深化应用。在这个过程中，AI借助知识的学习与管理能系统的沉淀、提炼知识，最终加以应用的，而能否准确的体问和应用则依旧考验着不同基础能力的人们。
因为每个人在学习过程中会产生差异，同样必然会因涉及知识的获取与吸收的不同，导致其内化为感知的差异，最终依据实际问题产出结果也存在不同。若想更高效地完成知识的生命周期管理，就需要对每个个体的知识进行系统性梳理，从而由个体知识形成组织知识。
归根结底，知识管理主要涉及两件事，一是外挂，二是内化。所谓外挂，就是借助当下的AI工具，像大模型等不断的提升应用效率，提升认识判断。不过，外挂这种公共资源大家都能使用，这时候就看谁的应用水平更高了。而能否精准地提出问题是衡量应用水平的关键，并且能否提出精准问题，不仅取决于对工具的运用，也与自身的知识积累程度相关。业务可以理解为知识管理的应用场景，它属于外挂部分之外的另一个要素。还有人的整个内在的集体潜意识部分也很重要。反过来讲，与AI互动的能力，本质上对自身的学习力、模型提炼能力以及知识积累等诸多方面都极具挑战性。所以这两者本质上是相辅相成的关系，并非此消彼长，不能因为有了AI就觉得其他方面不需要了。因为相对AI给出的结果，我们更需要判断。当我们需要非常精准、权威的知识时，若大模型未学习到相关内容，就会一本正经地胡说八道，再强大的外挂工具，都无法替代自身的学习。
同样，反观AI的学习能力，参照我们自身的学习能力，其实可以进行以下提炼：
1、将公共知识建构成个人版本的知识，实现对广域知识的建构；
2、运用所建构的知识去解决问题，将知识经验化，形成解决问题的能力；
3、经验化之后再将其转化为知识，螺旋提升，然后再次知识化后的知识又能够变成公共知识得以传播，如此便形成了一个完整的循环闭环。
这种循环能力是未来个体必备的一种能力。如果你自身具备了这种能力，既能学会指导自己的潜意识工作的能力，又能学会指导AI工作的能力，也是AI时代的一个元能力。
标签：体会,外挂,应用,人工智能,知识,能力,学习,AI,应用服务 From： https://blog.csdn.net/weixin_53707930/article/details/144911499