答案正在貶值，而提問的能力，決定了你在AI時(shí)代的位置。

凱文·凱利說過：

"未來提問將比回答更有價(jià)值。當(dāng)答案成為商品時(shí)，好的問題就是新的財(cái)富。"

經(jīng)濟(jì)學(xué)有個(gè)基本原理：當(dāng)某種資源變得極度豐富時(shí)，它就失去價(jià)值，而與之互補(bǔ)的東西會(huì)變得珍貴。水在沙漠中是黃金，在雨林中一文不值。

答案就在成為雨林中的水。

在工業(yè)時(shí)代乃至互聯(lián)網(wǎng)早期，獲取確定的"答案"是昂貴的——它需要專家的時(shí)間、昂貴的數(shù)據(jù)庫訪問權(quán)限、或漫長(zhǎng)的文獻(xiàn)檢索。專家之所以值錢，是因?yàn)樗麄兡X子里存著我們觸不到的知識(shí)。但今天，一個(gè)剛畢業(yè)的實(shí)習(xí)生，憑一條精心設(shè)計(jì)的提示詞，就能輸出一份媲美資深顧問的行業(yè)報(bào)告。

AI把"獲取答案"的邊際成本壓到了零。確定性本身，發(fā)生了一場(chǎng)惡性通貨膨脹。

早在1968年，畢加索就以藝術(shù)家的直覺預(yù)判了這一切。面對(duì)剛剛嶄露頭角的計(jì)算機(jī)，他說：*"計(jì)算機(jī)毫無用處，它們只能給你答案。"*當(dāng)時(shí)有人覺得這是藝術(shù)家的傲慢，現(xiàn)在看簡(jiǎn)直是神預(yù)言。生成式人工智能本質(zhì)上是一臺(tái)基于概率的“填空機(jī)器”。它擅長(zhǎng)填補(bǔ)空白，但它永遠(yuǎn)無法告訴你：空白在哪里？

定義空白的形狀、指出空白的位置，這依然是人類獨(dú)有的特權(quán)。

好問題為什么稀缺

好問題難得，原因有三。

第一，問問題需要承認(rèn)無知。在人人都能假裝博學(xué)的時(shí)代，"我不知道"成了社交風(fēng)險(xiǎn)。我們寧愿沉默，也不愿暴露認(rèn)知邊界。但真正的好問題，恰恰誕生于對(duì)未知的坦誠(chéng)。

第二，問問題需要定義問題本身。AI可以回答"如何提高效率"，但它沒法告訴你"我應(yīng)該追問什么"。把模糊的困惑轉(zhuǎn)化為清晰的問題，本身就是創(chuàng)造性行為。一個(gè)定義清楚的問題，往往已經(jīng)蘊(yùn)含了大半的答案。

第三，問問題需要勇氣。好問題往往挑戰(zhàn)現(xiàn)狀、質(zhì)疑假設(shè)、冒犯權(quán)威。"我們?yōu)槭裁匆恢边@樣做？"這類問題需要的不是智商，而是膽量。

還有一個(gè)更根本的東西：問問題本質(zhì)上是在表達(dá)價(jià)值觀。你選擇追問什么，就是在宣告什么對(duì)你重要。一個(gè)只關(guān)心效率的人會(huì)問"如何更快完成"，一個(gè)關(guān)心意義的人會(huì)先問"這事值得做嗎"。

這也是AI無法真正替代人類提問的原因 —— AI沒有真正的在乎。它可以生成問題，但它不會(huì)被問題困擾。而真正有力量的問題，往往來自那些被問題折磨得夜不能寐的人。

幾個(gè)推演

“知識(shí)工作者”的崩塌與重塑：以前律師背法條、醫(yī)生背病例、工程師背 API，這叫專業(yè)壁壘?，F(xiàn)在？這些都是 LLM 的基本功。 未來真正值錢的，不是能回答“怎么做（How）”的人，而是能提出正確的問題，追問 “為什么要做（Why）”和“如果不做會(huì)怎樣（What if）”的人。

教育系統(tǒng)面臨根本性重構(gòu)。我們的教育基本是個(gè)"答案訓(xùn)練營(yíng)"——考試考的是你能不能給出正確答案。但如果答案變得廉價(jià)，我們需要的是一個(gè)"問題訓(xùn)練營(yíng)"：評(píng)判標(biāo)準(zhǔn)從"你知道什么"轉(zhuǎn)向"你能問出什么"。課堂上最該被表揚(yáng)的，不是最快給出答案的學(xué)生，而是問出讓老師也要停下來思考的學(xué)生。

創(chuàng)新的本質(zhì)被重新理解。回顧歷史上的重大突破，它們往往不是因?yàn)檎业搅烁玫拇鸢?，而是因?yàn)橛腥藛柫艘粋€(gè)之前沒人問的問題。達(dá)爾文問的不是"物種怎么被創(chuàng)造的"，而是"物種會(huì)不會(huì)改變"；愛因斯坦問的不是"如何測(cè)量以太"，而是"如果根本沒有以太呢"；喬布斯問的不是"怎么做更好的手機(jī)"，而是"手機(jī)為什么必須有鍵盤"。創(chuàng)新的真正瓶頸從來不是答案，是重新定義問題的能力。

提問即編程。對(duì)于程序員來說，你的問題就是源代碼，AI是編譯器。一個(gè)邏輯混亂的問題，必然編譯出一個(gè)充滿Bug的答案——Garbage In，Garbage Out。好問題的背后，是對(duì)事物本質(zhì)的深刻理解。你必須有跨學(xué)科的視野，才能引導(dǎo)AI把兩個(gè)陌生領(lǐng)域連接起來；你必須比AI更懂業(yè)務(wù)邏輯，才能問出AI答不上來的漏洞。

注意力的貧困與算法的暴政。赫伯特·西蒙說過：信息的豐富意味著注意力的匱乏。AIGC時(shí)代，信息生產(chǎn)成本幾乎為零，供給呈指數(shù)級(jí)爆炸。在這種環(huán)境下，提問不僅是獲取信息的手段，更是一種注意力過濾器。不提問的人淪為算法的受體，提問的人成為算法的主人。

提問作為一種秩序構(gòu)建。從熱力學(xué)角度看，海量未經(jīng)篩選的AIGC內(nèi)容是一種高熵狀態(tài)。人類的每一次提問，都是一次引入負(fù)熵的過程——在信息的混沌中構(gòu)建局部秩序。這種能力在未來將比"知道事實(shí)"稀缺得多。

品味：AI時(shí)代的終極護(hù)城河

當(dāng)所有AI模型都基于相似的互聯(lián)網(wǎng)數(shù)據(jù)集訓(xùn)練，輸出往往呈現(xiàn)一種"平滑的平庸"——語法完美、邏輯通順，但缺乏棱角和靈魂。這就是所謂的"AI味"。

此時(shí)品味——一種高度個(gè)人化的選擇、判斷和鑒賞能力——就成為區(qū)分卓越與平庸的關(guān)鍵。

當(dāng)AI可以生成100個(gè)版本的文案、Logo或旋律時(shí)，"創(chuàng)作"的動(dòng)作變得廉價(jià)，"選擇"的動(dòng)作變得昂貴。如果問題是貨幣，品味就是決定該持有哪些貨幣的投資眼光。

在問題上有品味意味著：知道什么問題不值得問——這不是逃避，是資源配置，生命有限，你不可能追問所有事；知道什么問題值得守護(hù)——當(dāng)所有人都在問"怎么增長(zhǎng)"時(shí)，你可能覺得更該問的是"為什么要增長(zhǎng)"；知道什么時(shí)候該追問，什么時(shí)候該接受——有些問題的價(jià)值恰恰在于讓你持續(xù)困惑，"我是誰"可能不是用來回答的，而是用來活著去體驗(yàn)的。

品味從哪來？不是從書本里學(xué)的，不是從AI那里問來的。品味是你親自追問過、碰壁過、被現(xiàn)實(shí)反饋過之后，沉淀下來的判斷力。一個(gè)在商業(yè)領(lǐng)域摸爬滾打十年的人，看一份商業(yè)計(jì)劃書，會(huì)本能地知道哪些假設(shè)有問題；一個(gè)寫過十年代碼的程序員，看一個(gè)技術(shù)架構(gòu)或故障現(xiàn)場(chǎng)，會(huì)直覺地感知到哪里不對(duì)勁。

這也是AI很難真正有"品味"的原因——AI可以給你所有選項(xiàng)，但它不知道哪個(gè)選項(xiàng)對(duì)你真正重要。因?yàn)樗鼪]有活過你的人生。

結(jié)語

我們正在進(jìn)入一個(gè)奇特的時(shí)代：知道答案越來越容易，知道該問什么越來越難。AI是個(gè)極其強(qiáng)大的放大器。如果你平庸，它放大你的平庸 —— 讓你更快地生成更多平庸的內(nèi)容；如果你深刻，它放大你的深刻——幫你驗(yàn)證那些瘋狂的設(shè)想。

不要滿足于AI給你的第一個(gè)答案。不要因?yàn)榇鸢竿偈挚傻?，就停止了?duì)"為什么"的追尋。在未來，區(qū)分人與人的，不再是誰知道得更多，而是誰能提出那個(gè)讓AI沉默片刻、甚至被迫產(chǎn)生"幻覺"去填補(bǔ)的問題。

答案是終點(diǎn)，問題是起點(diǎn)。在答案廉價(jià)的時(shí)代，敢于追問、善于追問、持續(xù)追問，以及提問的品味，可能是我們最后的護(hù)城河。

就好比 —— 這篇文章雖然是 AI 寫的，但其實(shí)說到底，還是老馮提問的品味，與追問的技巧，內(nèi)在的價(jià)值觀，塑造出了它的最終形態(tài)。

小廣告

最近老馮的朋友新搞了個(gè)有意思的 App "焦圈兒"，一個(gè) AI 提問社區(qū)。雖然看上去蠻粗糙，但這個(gè)點(diǎn)子真不賴 —— 你可以看到別人在向 AI 問什么問題，對(duì)別人的好問題加入自己的理解重新提問與追問，并與他人分享自己的問題。 老馮的邀請(qǐng)二維碼在下面：

畢竟如果你本來就是奔著看別人的問題，以及公開分享問題去的話，就不用擔(dān)心你的點(diǎn)子和隱私被套殼 AI 給套走了。