1987WEB视界-分享互联网热门产品和行业

您现在的位置是:首页 > 人工智能AI > 正文

人工智能AI

DeepSeek的真实用法,是当大脑陪练

1987web2025-02-23人工智能AI7
我是做商业咨询的,平日会接触各行各业的各种人,从CEO到基层打工人,都有。这几天大家共同的话题全都是DeepSeek,什么大S不幸离世,什么马斯克清洗FBI,都上不了桌面。

我是做商业咨询的,平日会接触各行各业的各种人,从CEO到基层打工人,都有。

这几天大家共同的话题全都是DeepSeek,什么大S不幸离世,什么马斯克清洗FBI,都上不了桌面。

但越聊,我发现大家的角度越窄。

都集中在了「我怎么用DeepSeek解决眼前麻烦」。

或者说,单纯的把DeepSeek当小工具在用。

比如怎么生产周报,免得自己吭哧吭哧的写了;比如用什么样的关键词提问能更好收集行业信息,不用自己一个研报一个研报读了;比如怎么在DeepSeek上求问心理学和命理学的问题,省去一大笔咨询费和打赏费了。

不是说眼前的麻烦不重要,也不是说DeepSeek不能做这些工作,而是这种「狭隘使用观」出现了太空歌剧一样的荒诞场景:

都已经有跃迁引擎了,还在用马耕田,唯一能感受到科技进步的地方,就是麦子可以扔上反重力拖车,更轻松的运回去。

而这种离谱,恰恰就是现在很多人对DeepSeek的态度:

人类发明出了激光剑了,第一反应居然是砍木头更方便了 = 咱们好不容易弄出个强大的AI系统了,第一反应居然是可以帮我改报告了。

那真正DeepSeek的用法是什么?

AI即脑力陪练。

AI真正用法不是「对外」解决小问题,而是作为「对内」提升大脑认知的智能私教。

别再问DeepSeek简单问题,然后好截图发朋友圈。

比如我今天看到的,一个朋友发的,成都和重庆谁更厉害……

有什么意义?

真正该做的,是提问——自己先构思回答——再和DeepSeek的回答做对比

不光是比最后结果,也要比思考过程。

你觉得成都厉害,为什么?你觉得重庆发展更好,有什么根据?……这些才是关键。

答案不重要,得到答案的解题过程才重要。

先有自己的答案,然后用DeepSeek来「订正」,才能找到自己思考的盲点、自己知识的空白、自己认知的局限。

说白了,就是做个「思维过程双盲对照」。

任何不想被人工智能取代的人,都不应该把AI变成替代思考的捷径或者简单给个答案的工具,而是应该把AI当做重塑思维模式的「对手和导师」。

具体怎么做呢?

我总结了两个角度。

第一角度,突破思维惯性的「苏格拉底训练法」

我们每个人都有思维定式。

这些定式大部分时候不是毛病,是基于我们的知识和经验的快捷通道。

但思维定式也容易形成信息茧房,让我们变得片面和狭隘。

这时候我们可以用DeepSeek来进行诘问,不断的挑战我们的观点。

比如,生成对抗性案例 —— 让DeepSeek模拟相反立场。

我说往东是正确的,我就要求DeepSeek举出往西走的理由。

比如,进行思维漏洞检测 —— 让DeepSeek标注逻辑断裂点。

我说往东走是因为东边有太阳,我就要求DeepSeek分析这个观点有没有逻辑漏洞。

举个具体的例子:

我觉得,打工人一直比较反感企业的OKR考核制度,但那是屁股决定脑袋,从企业和管理者的角度来说,OKR是经过验证的好办法。

好,这是我的观点,我也能说出一二三四个论点来支持我的看法。

这就够了么?

不够。

我可以要求DeepSeek用各种天马行空的角度来挑战我:

"如果柏拉图穿越到现代,他会如何批判OKR考核制度?"

"假设三体文明接管人力资源部,考核标准会发生什么质变?"

甚至就最直接的:

OKR考核制度的缺点是什么

我只是求个答案么?

不。

我是通过和DeepSeek打擂台,做认知锻炼。

AI不是答案之书,而是照见思维盲区的镜子,只有会用这面镜子的人,才能重塑真实的认知轮廓。

第二角度:让AI把直觉可视化。

我们很多判断,都是直觉驱动的。

感觉上,好像应该如此如此,然后再去找各种理由和数据来支持。

直觉其实很好,是人类进化学上一项伟大的发明,可以极大的降低人脑的工作量。

但太过于依赖直觉,就少了严密的逻辑判断和一层一层的知识构建。

不信大家可以自我回顾一下:

手机,我们每天都在用,都知道移动互联技术大大改变了生活和工作模式,但,你能说出IOS和安卓具体有什么区别么?我反正有个模糊的感觉,但没办法细化。

再比如,我用的苹果手机,我知道苹果有全球供应链,做的很厉害,但到底厉害在哪里?我能说出具体什么部件是在哪里造的么?还是不能。

换句话说,我们以为自己知道,我们以为自己做了深思熟虑的决策,但其实感觉、直觉、灵光乍现,充满了整个思考过程。

做个类比(具体百分比瞎编的,但意思是这个意思)。

人类路径:直觉感受(60%)→经验验证(20%)→数据支撑(20%)

AI路径:数据穷举(45%)→概率识别(35%)→风险优化(20%)

两个路径,大概率,最后得出的结论是一致的。

但用DeepSeek,就像是把思维过程放在手术灯下,让每个决策都变成神经回路的公开解剖。

反正我用DeepSeek的时候,看的更多的,是思考的过程,而不是最后的答案。

可惜就我观察,我身边那些已经取得很大成就、有很高职位、获得世俗意义成功的人,也依然还只盯着结果看。

而忽略了,DeepSeek的这项重要补齐功能。

AI不是让你偷懒的工具,而是聪明人发愤图强的助手。

都在聊人机协同。

但实操上,很多人都在自我降格。

真正的人机协同不是让AI代替我们思考,而是通过设计精妙的思维对抗游戏,让人工智能成为唤醒大脑潜能的"认知教练"。

不得不说,就短短几年时间,AI就从被嘲讽的人工智障变成了能给很多打工人带来威胁的人工智能。

对于聪明人来说,这不算是挑战,而是给了自己借用AI构造出全新认知结构、知识体系和神经架构的机会。

哪怕退一万步,我没那么长远的想法,我就只想把AI当工具来解决眼前问题……但我想要把这沉甸甸的工具挥舞的更好,都需要先和工具打一架,提升一下自己的智能水平,才能问出更好的问题,筛选出回答里面更有营养的部分。

上纲上线的说,DeepSeek的出现,很快就会把人类划分成两个阶层:

一类人,是只把AI当简单工具,想着能不能借用AI来偷懒,这类人,很快就会真的被AI取代。

另一类人,有了省力的工具却变得更加努力,不是简单的想着用,而是试图去借用AI提升自己从而驾驭人工智能。

这两个阶层的区别,其实也可以通过一个简单问题来区分:

DeepSeek已经出现快一个月了,你是用起来了,还是练起来了。