像许多其他人一样，我正在努力探索如何最好地使用AI。我已经成功进行了几次实验，这些实验围绕着组织和理解信息。我还用它来支持我的个人笔记记录。在这两种情况下，我都在使用大型语言模型来增强我的思考 — — 但不是代替我思考。
“AI”对当前技术而言是一个用词不当的名称。这个短语既过分夸大了LLMs的能力，也没有公正地评价它们。单词“智能”提高了LLMs无法满足的期望：它们没有心智理论，并且似乎无法进行深层次的概念推理。
只有当你期望LLMs表现出“智能”时，这才会成为一个问题 — — 鉴于它们的包装和销售方式，很多人确实有这样的期待。部分责任在于工具主导的UI范式，即聊天机器人。当我们通过聊天与LLMs互动时，我们赋予了它们实际上并不具备的能力。（这不是一个新问题；参见20世纪60年代末ELIZA作为先例。）
对于现在被委派给大型语言模型执行的许多任务而言，我们距离取代人类还远着呢。这并不意味着LLMs不能提供帮助；只是意味着它们被错误地使用了。关键是将它们应用到适合他们做的任务上面去, 如分析、综合以及操作数据, 而非代表人类做重要决策。
一个基本的区别在于，人工智能是帮助人类生产物品和体验，还是直接用来生成最终产品或体验。在许多情况下，使用人工智能支持人类比直接生成产品和体验更可行、也更令人向往。即使一个大型语言模型（LLM）做得完美无缺，写书或设计导航结构的过程可能与（或者更）输出成果一样有价值。在这些情况下，跳过这个过程意味着巨大的损失。（尼尔·佩特（Neil Peart）歌词中的一句话：“旅途的意义并非到达终点。”）
我注意到，在我密切关注的领域里对这个关键点存在混淆：用户体验设计和个人知识管理。在这两个领域中，许多人将输出（产品）看得比达到输出结果的过程更重要。那是一个错误。通常情况下，过程本身就具有同样多的（在个人知识管理方面，则更加重要）价值如同最终产品一样。我们来看看这如何应用于每个学科。
个人知识管理的重点不是捕获和管理信息；而是通过更好地思考来活得更好。笔记是思考的媒介，并非其替代品。（换种说法：拥有最多笔记的人最后并不“赢”了一切。）
然而，在研究《妥善记录》时，我遇到了一些似乎对建立知识库和构建知识之间的区别感到困惑的人。他们采用像Obsidian或Roam这样的工具，认为这些工具会通过激发意想不到的洞察力或以全新的方式连接思想来“思考”。
这种心态往往以失望告终。但更重要的是，它错过了重点。笔记是思考发生过的证据 — — 但它们本身并不是思考。如果你只得到了结果（即，一组笔记及其之间的联系），你就没有学到东西。工具及其输出并不是重点；重点在于它们如何让你更好地思考和学习。
为了使这一点更清楚，请想象一个AI代理解析你所有书籍并输出每本书五条要点总结的情况。结果是对你图书馆全面概述。那可能有用：它可能让你以不同方式理解集合或帮助你决定接下来读什么书。但概述不会给予您从自己阅读书籍中获得的洞察、知识、愉悦和成就感。如果您只想要一个概览，那也罢；但如果您想学习，让AI代替您“阅读”书籍将无济于事。
用户体验(UX)中也发生着类似情况。在此，AI可以以两种方式使用：作为生产工具（即实时生成最终用户体验）或作为设计辅助工具。在两种情况下都可能将结果与过程混淆起来. 我目前最感兴趣的是将AI作为设计辅助工具, 因此我们专注于此方面吧。
想象一个（近）未来的网站重新设计项目。团队使用了一种AI驱动的工具，该工具解析一组网页并产生一个新的导航结构。人类操作员的角色仅限于向工具提供内容，为团队节省了大量时间和金钱。
听起来不错，对吧？嗯，只有当你假设导航设计过程的主要价值是其输出时。（即，新的导航结构。）但任何参与过此类项目的人都知道，重新设计导航涉及与利益相关者、用户和主题专家进行大量对话。这个项目是整个组织中不同人员合作进行深入反思性努力的难得机会。
也就是说，信息架构是促进一致性的绝佳MacGuffin。没错，在最终导航中有价值，但在朝着设计目标进行对话过程中至少有同等价值。每个人从这个过程中走出来时，对他们作为一个组织是谁、如何提供价值以及为谁提供价值有了不同理解。忽视这一流程意味着巨大损失。
这并不是说AI没有可以发挥作用之处。例如, AI生成的导航结构可以作为批评和改进的第一稿, 加速流程. AI驱动工具还能通过减少繁琐、资源密集型步骤如内容审计来节约成本. 但这些活动服务于流程，并非替代它.
我很兴奋能在我的IA咨询工作以及个人知识管理方面使用AI，在许多场景下AI可以使工作更快、更便宜且更有趣. 但认为它会直接带你到“最终”输出而没有任何缺点则是一个错误. 当前关于此事的炒作让许多人感到困惑. 但我相信随着时间推移, 我们将找到更有效地利用这些工具生产性使用方式.
