神译局是36氪旗下的编译团队，它关注科技领域，关注商业领域，关注职场领域，关注生活等领域，它重点介绍国外的新技术，重点介绍国外的新观点，重点介绍国外的新风向。

编者按：当AI使得答案轻易就能获取，技术人的破局关键究竟是什么？本文从摄影术对绘画史造成颠覆说起，揭示技术史上一直存在的真理：答案价值降低的时候，就是问题价值提升的时候。香农信息论给我们带来启示，好的问题才能够开启新的可能性。在LLM时代，掌握提问能力意味着掌握重塑认知的主动权，能让人机协同真正激发出创造力。文章来自编译。

在人人都给出标准答案的世界里脱颖而出

19世纪时，巴黎美术学院（Académie des Beaux-Arts）对正统艺术的定义作出了界定。

现实主义作为主流标准，强调精确性以及视觉的真实性，其成功取决于与这些规范的契合度，这个体系奖励的是循规蹈矩，而非实验创新。

1830年代摄影术发明，这一发明开始动摇标准的根基，到了1840年代依旧在动摇标准的根基。

起初，摄影好像对画家构成了威胁。要是机器能够比人手更精准、更迅速地记录这个世界，那绘画还有什么存在的价值呢？

但随着时间慢慢过去，摄影反倒不再承担绘画写实的责任了。画家不用再和相机竞争去复制现实，而是将注意力集中在早期相机没办法捕捉到的细微之处：光的变化、质感、对熟悉事物的全新解读。

我去讲解人工智能，每当故事讲到此处稍微停顿的时候，观众总会露出会意的微笑，此时的隐喻已经不言而喻了。

如今的AI具备相机的功能，它不会抑制创造力，也不会阻碍脑力劳动，只会对其形态进行重塑。

当然了，如果故事止步于此的话，本文便可在此收尾了。

但表象之下有着另外的深层含义。我们在追求简单结论的时候，常常会错过更为宏大的叙事。

当答案沦为廉价品时... ...

摄影术发明的真正启示，在于所引发的艺术界的次生革命。

要是没有摄影这一艺术形式，艺术或许依旧会顺着可预测的路径前行，朝着更极致的现实主义方向发展，朝着更精湛的写实技巧方向发展。

要是现实主义是那个时期的标准答案，艺术家原本能够继续给出更优的答案。

具有讽刺意味的是，摄影术降低了答案的生成成本，我们无需再依靠画家经年累月的努力，就能得到最逼真的人像。

摄影把绘画从现实主义里解放了出来，然而更有意思的是，随后出现了替代品。

莫奈、德加等印象派画家开始探索色彩与光影的主观体验，相机能以更小成本复现现实，所以他们将目标转向如何诠释现实。

印象派不再执着于给出更好的答案，也就是更极致的现实主义，而是从根本上对问题进行重新定义。

现实主义时期，艺术价值取决于再现的能力。

印象主义则赋予了艺术新的使命：诠释。

相机带来的是廉价的复制品——即充裕的答案。

印象派选择改变范式——将艺术定位为提出更好问题的根基。

当曾经的稀缺突然变得充裕时，

请寻找新的稀缺。

因为那样才能制造影响力。

大语言模型与廉价答案

大语言模型是技术史上的最新进展，这一进展使得获取答案的成本不断降低 。

从数据分析，到推荐引擎，再到GPT，每一波技术浪潮都拓宽了答案的获取渠道，把答案获取成本推向趋近于零。

生成答案是这些系统擅长的领域。不一定正确，很少有确定的结论，不过好在具有即时性，更重要的是——看起来好像可信。

而就大语言模型而言，它们给出答案时总是充满自信！

但问题在于：貌似可信的答案比明显错误还要糟糕！

当某个答案看似足够好时，我们往往就不再追问了。

在信息过载而注意力稀缺的环境下，貌似可信便成了真相的替身。

印证预设的搜索结果处于首位，强化思维定式的迷因迅速传播，补全我们思路的语言模型持续强化既有的叙事。

持续探索的成本因此攀升。

好问题的代价变得空前高昂。

与此同时，我们所处的世界正愈发不稳定。

就像我之前所说的那样，我们正迈入一个结构性不确定的世界，在这个世界里，规则并非一成不变。

昨日还奏效的方法，明日或许就不管用了，这并非是由于事实出现了变化，而是缘于环境发生了改变。

在这样的环境当中，过去可靠的答案会很快变得过时，静态知识在动态系统里的效用非常有限。

更重要的是保持好奇心的能力，愿意不断刨根问底。

这正是好问题具有战略意义的原因，即便代价高昂。一个好问题能够拓展认知疆域，还能重构问题本身。

在结构性不确定的系统环境中，价值并非源自宣示已知内容，而是在于引导对尚未解决之事的关注。

如今最具价值的答案，并非是那些看上去完整、表述明确的结论，而是能够指明探索方向的启示。

在结构性不确定的体系当中，目标并非确定性，而是续航，也就是在不断变幻的地貌里，具备不断校准方向的能力 。

重塑未来的好问题

当今世界的诸多面貌，都可追溯至1948年的一个好问题。

当时，贝尔实验室的工程师们正致力于提升通话清晰度，他们通过改进线路寻求更好的答案，通过改进放大器寻求更好的答案，通过改进滤波器寻求更好的答案 。

克劳德·香农却提出了一个不一样的问题。

他并没有追问如何降低电话线路的噪音，而是直指本质：

何谓信息？

这个追问看似迂回且抽象，最终催生了信息论，这套理论对信息能消除多少不确定性进行了定义。

香农有一个核心洞见，那就是，信息（答案）的价值，和它所消除的不确定性，是成正比的。

什么是好问题？

根据香农理论：

答案的价值在于消除不确定性——从而变得可执行。

天气预报是个很好的例子，盛夏晴空的预报不会改变你的行为，因为你本来就假设是晴天，然而突如其来的暴雨预警却会让你带上雨伞，这才是真正有价值的答案。

信息论的核心在于管理不确定性，它并非是去生成那种听起来合理但却没有用处的答案 。

但我们构建的主流系统，最新代表当属大语言模型，却背道而驰，它们用流畅自信的答案迷惑我们。

这是第一个陷阱。

廉价且容易得到的答案，只会消耗原本就稀缺的注意力，然而却没办法消除不确定性。

大语言模型生成的文本，看似权威，实际上缺乏洞见，它们越擅长伪装正确性，我们就越容易不再探索下去。

当答案变得不值钱且大量涌现时，追问过程反倒变得代价高昂。提问行为自身成了阻碍，不是说问题已被解决，而是你被引导去相信答案已然存在。

对于那一代习惯没完没了刷屏的人来说，对于那一代追剧成瘾的人来说，廉价答案的诱惑难以抗拒。

提出正确问题，代价高得惊人，就如同新年决心立下一周后便放弃健身一般。

但正如香农的洞见，答案本应价值有别。

第二个陷阱是相信答案越多越好。

实则不然。

在知识过剩、注意力稀缺的环境之中，症结并非事实匮乏，而是注意力出现了错配。

我们在边际效用递减之后依然持续收集数据，这是因为现有的系统是专门为回答问题而设计的，并不是为了质疑而设计的。

这些系统追求速度，追求冗长，（只要试试与Claude对话就能知道），但它们并不去揭示模糊与未竟之处。

好答案应具备：

（1）降低不确定性

（2）善用有限注意力以避免浪费

廉价答案时代好问题的力量

答案往往受困于既有的框架。

好问题却能拓宽框架本身。

传统框架存在着最大的陷阱，这个陷阱就是，我们尝试运用操作层面的框架，运用战术，去回答结构性不确定的问题。

哥白尼与爱因斯坦取得突破，近年CRISPR技术实现逆袭，这项技术曾被当作细菌免疫系统埋没在科学文献里长达二十年，后来有人转换框架，将它当作基因编辑工具使用后才大放异彩，这些突破与逆袭都不是对既有问题的回答，而是暴露主流假设局限的新问题。

一旦思考框架变了，不确定性自会消解。

人机协同的意外优势

结构性不确定的破局方法，常常不在明显的路径上，而是在不相关思想意外交汇的地方。这正是好问题的关键之处，只有问题能够跨越不同体系的鸿沟 。

善于提问的人类与能生成廉价答案的LLM结合，就会迸发出超能力。大语言模型尤其擅长连接不相关领域，不过要有合适问题给它指引作为前提。

如果使用者只求廉价答案，LLM就是负资产。

但如果掌握在善问者手中，LLM便可化为超级武器。

好问题重塑世界

香农在20世纪40年代末提出了原创性问题，当时这个问题并无商业紧迫性，该问题最终成为应对复杂性的新范式种子，他的研究为理解不确定系统提供了新逻辑。

一阶影响能立刻见到效果：信息被转化成了比特。工程师凭借此得到了用于测算不确定性的工具。工程师凭借此得到了用于分配带宽的工具。工程师凭借此得到了用于评估抗噪传输能力的工具。

二阶影响更具变革性，香农框架使通信系统有了新能力，它不仅能够传输信息，还可以保护与压缩信息，基于其理论的压缩算法、加密协议、存储技术，最终孕育出了互联网与数字媒体。

三阶影响更加深刻，已到文化层面，生物学家用编码描述DNA，认知学家把思维看作信息过程，经济学家探讨信息不对称，物理学家猜测宇宙本质或许由信息构成。

这个问题早已突破工程学边界。

万物始于一次认知的重构：何为信息？

香农没有去追求更便宜的答案，而是构建了能够帮助世界提出更好问题的系统。

当下的讽刺在于：知识积累愈发丰富，确定性却越来越少。

貌似可信的答案涌现速度超过提问能力时，真正的挑战出现了，这挑战在于构建追问体系，还在于明辨探索方向。

哪条探索路径仍潜藏有价值的模糊地带。

存在结构性不确定，也就是系统产出机制本身存在不确定，在这种情况下，优势并非源于已知，而是取决于探索未知的能力。

当答案不再一成不变时，不断提出正确问题是唯一要务。

咨询悖论

有件小事情，我愿称之为咨询悖论。

在一个答案看似十分可信且泛滥的世界当中，人们极其容易掉进陷阱，这些陷阱乍看之下并不像陷阱 。

作为客户，你可能会认为答案唾手可得。

因为答案看似充裕，你开始像评估商品般用成本衡量其价值。

但这会引发逐底竞争，答案越便宜，就意味着投入重金提出正确问题的人越少，前期节省的成本，换来的常常是无效或更具误导性的结果。

若寻求外部专家来应对不确定性，则陷入另一重困境。

你为专业指导支付了费用，然而，要是不懂得评估答案背后问题的质量，就没办法判断所购买服务的真实价值。

自信不能替代清晰。

华丽话术可粉饰理查德·鲁梅尔特所谓的"坏战略"。

此即悖论所在。

咨询业的威胁不在AI取代公司或自动化掉一些初级工作。

真正危机在于问答经济学的范式变迁。

当生成好答案变得越来越容易时，瓶颈就转移至问题界定本身。

除非客户学会识别好问题的经济价值，否则必陷入两难：

或者将答案看作商品，收获这种模式的必然产物，即低成本、低价值、最小公分母思维 。

或为自信与演技买单，却不知是否真正解决了对的问题。

应对这种变局，客户需要培养新的能力，能够洞穿巧舌如簧，能够洞穿精湛演技，进而直抵表象背后的质询结构。

在廉价答案时代，最昂贵的错误就是将廉价答案误认为是好答案。

技能再培训的避责陷阱

面对人工智能，有一种逃避责任的答案是进行技能再培训。每当说起AI与就业，条件反射式的答案就是，我们必须投身于被取代劳动者的就业再培训。

但要是再培训仅仅是去学习新答案，那效果不会太好。AI最终会进化到能够更廉价地生成这些答案的阶段。

最宝贵的能力在于提升我们设计出更好问题的能力。

这和现行教育体系所推崇的技能完全不一样。二十世纪的成功模式是在一个领域做到精通，或者树立起专家权威。其考核标准是给出答案的能力，而非提问的能力。知识积累得越多就越好，不过这个逻辑只有在规则不变的情况下才会起作用。

环境稳定时，答案可产生复利。

环境剧变时，不断追问更为重要。

当今最重要的事情是学会穿越复杂性，而不是在自以为已经懂了的幻觉里停止不前。

顶尖知识工作者会把不确定性看作是有待探索的疆域，而不是需要管控的威胁，他们会努力绘制局部但方向正确的地图，而不会陷入确定性答案的陷阱里。

译者：boxi。