AI 是创新王，不是大头兵

超越执行效率

我们很容易把 AI 理解成一个效率工具：写得更快、搜得更多、把原本需要人做的工作压缩到更短的时间。我更感兴趣的，是它在创新中可能扮演的角色。

创新往往来自不同领域之间的连接。一个学科里习以为常的解法，放到另一个学科，可能就是新的突破口。问题是，人很难同时深入足够多的领域，更难在需要的时候把这些知识调动起来。

AI 的价值，不只在于把已有的事情做得更快，也在于帮助我们发现原本没有想到的连接。

跨学科，是新的可能性

芒格强调多元思维模型：理解世界需要不同学科的工具，而不是拿着一把锤子看所有问题。我理解的 AI 创新潜力，与这件事有关。

科学、技术、商业、艺术与文化之间，存在大量尚未被充分利用的关联。广泛的知识加上推理能力，让 AI 有机会成为跨学科探索中的合作者。旧元素被重新组合，也可能产生新价值。

这也解释了我为什么关注 AI for Science。它触及的可能不只是研究流程的自动化，还包括问题怎么提出、假设怎么形成、不同领域的方法如何相互启发。

把问题问得更大一点

当我们面对 AI 时，值得问的不只是“这项任务能省多少时间”，还可以是：“如果拥有一个能够调动跨学科知识的合作者，我会重新提出什么问题？”

我期待的 AI，不只是等待指令的大头兵，也是能够参与探索的创新者。这个方向能走多远，需要在真实问题中持续验证。

整理自「Vincent 投 AI」已公开的小红书内容，针对网站阅读做了节选与文字整理。观点保留原文语境。前往小红书主页 ↗