内容出自 Tim Ferriss 对凯文·凯利的访谈节目（油管）。前半部分是对谈内容的总览；后半部分是原字幕的翻译整理。

这段访谈揭示了一个常见的误区：很多人想当然地认为，像凯文·凯利这样的未来学家、思想家，骨子里一定是“思考至上”的信徒。但 KK 本人的观点恰恰相反——思考主义（thinkism），“只能走这么远”。

读过上一篇讲 KK 写作状态文章的朋友应该记得，他的写作方式并非依赖思考，而是“写作要从身体里出来，而你无法控制它”。写作时我们并非简单地表达自己，有时甚至可以是以与万物一体的状态来写作。这也是为什么，所有关于“AI 是否会替代我们”的担心，或许都是不必要的——AI 的发展，让人只需要做人，不再需要成为工具，不再需要被奴役，把真正的自由还给所有人。

凯文·凯利认为 AI 对制作初稿帮助很大；Tim 则追问他是怎么提问、怎么用的。

以下为字幕总结：

对很多人来说，写作最困难的部分就是开始写第一稿。凯文·凯利分享了他如何借助 AI 工具来攻克这个难点。

思考主义（Thinkism）的误区

Kelly 强调了一个关键观点：我们必须通过实际使用才能真正理解技术。他提出了“思考主义”这个概念，指的是那种过度依赖纯粹思考来解决问题的倾向。但现实中，很多技术的能力和用途，都是在使用过程中被“发现”的。

凯文·凯利直言：“思考主义（字幕自动翻译成了‘思想主义’）只能走这么远。”

AI 模型的本质是“群体智慧”

聊天模型（比如 ChatGPT）生成的内容，本质上是一种“群体智慧”。就像猜糖果罐里有多少颗糖时，所有猜测值的平均数最接近真实答案一样，AI 模型也是通过整合各种观点和信息，输出一个相对中庸的结果。

实用提示和应用方法

下面是一些相当实用的 AI 写作辅助方法：

• 要求 AI 提供与主题相关的要点总结
• 请求扩展某个观点，或者给出更多例子
• 用它来检查剧本的情节漏洞和前后矛盾之处
• 生成演讲要点或标题建议
• 为文章提供结束语或画龙点睛的句子

“不错的实习生”

Kelly 把 AI 比作一个“不错的实习生”——它的输出可能不够完美，但能提供一个有用的起点和灵感。关键在于，它始终是辅助工具，最终的创造和决策还得由人完成。

举个例子，有人用 ChatGPT 模仿 Tim Ferriss 的访谈风格来生成采访问题。这些问题可能不够精致，但作为起点和参考，确实非常实用——正好说明了“不错的实习生”这个定位。

凯文·凯利指出：“发明者对这些东西会怎么用，并不会真的有任何想法。” 以什么方式使用，其实是我们集体意识的共同发现。

原字幕整理：

你知道，Bing 和 Google 对我有帮助。我一直在起草第一稿时遇到困难，这对我来说简直是一道障碍，对吧？我知道这种感觉，你也知道。后来我找到了一些方法，能在起草第一稿时帮上忙。

怎么提示它？能举个例子吗？

有很多不同的方式，我一直在收集这些方法。重点是，这也给了我们一个关于技术的宝贵教训：我们需要通过使用技术来真正理解它。

这让我想到了一种现象，我称之为“思考主义”（Thinkism）。这是一种依赖思考来解决问题的方式，对喜欢思考的人特别有吸引力。但问题在于，思考主义的能力是有限的，它只能带我们走到某一步。

实际上，我们现在发现的这些技术功能，没有一项是发明者们最初就能预见的。我们通过集体使用这些工具，不断发掘它们的潜力，同时也逐步意识到它们的弊端。这很重要，因为这就是我们引导技术发展的方式——如果禁止它或关掉它，我们将失去引导的机会。

再回到那个比喻：通过使用这些工具，我们正在揭示它们的可能性，而我也在尝试追踪人们实际是怎么用它们的。

关于聊天大模型：

这些聊天模型生成的内容，其实是某种“群体智慧”的体现。群体智慧最经典的例子就是猜瓶子里有多少颗糖豆——把所有猜测值取平均值，最接近正确答案的往往就是这个平均数。聊天模型也是如此：它整合了所有信息，包括好的坏的、天才的和糟糕的，最终输出一个平均值。所以，它生成的内容通常大致正确，但也显得相当中规中矩、平淡无奇。很多时候，我们对模型的“调教”就像是在推动它做得更好——比如你可以让它风格更“讽刺一些”或“专业一些”。

假设一个场景：

假如你完全没有头绪，只是在淋浴时突然冒出一个想法，想试着起草一个草稿。第一步是什么？第二步是什么？这取决于你需要什么。比如，你可以先让模型对相关领域已有的内容做个总结：“告诉我所有相关的信息。” 或者说：“写一个包含五个要点的概要。”

凯文·凯利用 AI 辅助写文章时有过一个案例：写一篇关于埃及人如何影响罗马建筑的文章。他先让 ChatGPT 列出五个要点，然后就围绕自己不理解的地方提问。

举个例子：

我最近用过的一个案例是：“埃及建筑如何影响罗马建筑。” 你可以让模型列出五个要点，然后针对某些不理解的地方提出追问，比如：“深入解释第一个要点，并引用更多来源。” 或者：“给我10个更具体的例子。” 这是一种扩展方式。当然，你也可以让它缩短内容，比如总结成要点，提炼出“关键结论”或“教育意义”。

你会得到一些零碎的信息，但不一定直接拿来用。不过，它也许能给你一些灵感，或者让你借鉴结构——至少让你对其中四分之三感到满意。最重要的是，它帮你跨越了“空白状态”的障碍。对我来说，这很重要，因为它能让我开始动起来。

更多用例：

• 有人写剧本，会拿聊天模型来查找薄弱情节：“指出这个剧本中的漏洞。” 或者让它检查矛盾之处：“看看有没有内部的不一致性或连续性问题。”
• 我也用它来写书。比如我的出版商要求我提供一些“宣传要点”，我就让模型生成了九条宣传点。给出的列表不错，虽然不能直接使用，但是一个很好的起点。

另一个有趣的例子：

我有个朋友每天写博客，每天能生成40篇内容。他们会用模型来起标题：“给我五个吸引人的标题。” 有时还会把文章上传，让模型帮忙生成一个出彩的结尾。总之，模型就是个“还不错的实习生”——不够完美，但总能给你提供一些起点或灵感。

具体例子：

我的朋友用 ChatGPT 为我推荐播客嘉宾时，输入了类似这样的提示：“列出一些提问，假设是 Tim Ferriss 在采访 John Verakee，他会问什么问题？” 结果非常不错——虽然不完美，但也不差。

结论：“还不错的实习生”可能正是这些聊天模型最中肯的定位。