AI时代的Taste其实很简单，喻颖正：把自己当大模型训练

本文来自微信公众号： 混沌学园 ，作者：混沌学园，原文标题：《AI时代的Taste其实很简单！喻颖正：把自己当大模型训练》

让我们想象一个饭局。桌上坐着很多当代社会的聪明人，门打开，苏格拉底和苏东坡走了进来。哪怕他们来自两千多年前，能接触到的信息远少于今天的普通人，他们仍然很可能迅速成为席间最有智慧、最有趣的两个人。

为什么？

苏格拉底和苏东坡的大脑都像是一个大模型，靠反复、自我对弈和长时间思考，用极少的数据形成了极深的参数。当这个模型撞上新的现实信息，也能够快速反馈处理进行迭代。

在堂课，我们讨论的一个核心问题是：当AI可以替人完成越来越多工作，我们究竟还应该训练什么？

答案不是掌握更多工具和提示词，而是训练属于自己的Taste。

纠正对AI的四个误读，建立“你×AI”的双智能系统

AI时代好像很多东西都被替代了，但有一样东西不仅没有贬值，而且还在升值。这一样东西就是判断力。AI正在重新给人的能力定价。

写方案、做PPT、生成内容、编写代码、进行竞品分析等等，这些过去被视为专业能力的“做事类”工作，正在迅速变得便宜。还有一类“中等判断”，虽然需要专业知识，但也能够被结构化、标准化和复制，正处在贬值边缘。

真正变得更加稀缺的，是“选择与担当类”：选择什么方向，押注什么人，舍弃哪些机会，承担什么后果，以及如何从错误中更新自己。

在我看来，有四个最大的关于AI的常见误读：

第一个误读，是只看到外部的大模型，却忽视了自己。

每个人真正长期拥有、也最值得训练的大模型，仍然是自己的大脑。

第二个误读，是所有人都在学习怎样训练龙虾、Agent，却很少训练自己的taste。

工具会过期，模型会更新......拿开所有AI工具之后，你仍然拥有的你的Taste到底是什么？这才是最值得训练的。

第三个误读，是希望找到一台现成的AI赚钱机器。

假如真有这样的赚钱机器，你能用，别人也可以用，它就不会构成真正的优势。最好的且真属于你的赚钱机器，一定是你与AI构成的“双智能系统”：人提供目标、Taste和责任，AI提供算力、搜索、执行与反馈速度。

第四个误读，是把AI时代想象成一次暴富机会。

事实上，真正稳定的财富秘密依然是复利。工具可以放大速度，却无法替代长期积累；能够形成复利的，也不是偶然踩中一个热点，而是持续提升自己的判断质量。

我们应该要把这四个误读一一正过来，真正回答四个问题：你是什么？你到底该训练什么？你应该如何连接使用AI？以及，如何实现你的人生复利。

以前我们说“失败是成功之母”，在AI时代，我们可以有另一种解释：失败是一种训练成本。

比如OpenAI去年净亏损几百亿美元，但是相对于训练出一个这样强的AI，以及公司可能创造的价值，这几百个亿的成本是值得的。

对于人来说也是一样。你的错误有多大？亏了多少？这不是重点。重点是你的将来是否配得上这笔训练成本。

由此假如我们每个人都是一台需要去训练的大模型，那在某种意义上来说，我们不是在思考，而是在运行。自己这台模型有可能在运行中变得越来越强，也有可能被磨损变得越来越差。

Taste是你的模型参数，但最关键的在目标函数

为了下一步能够动手去训练自己这台模型，我们首先要知道这个“模型结构”大致包括五个部分：

第一是训练数据。你读过的书、见过的世面、爱过的人、遭遇的亏损、承担的责任和摔过的跟头，都是训练数据。真正影响人的，往往不是听过多少道理，而是哪些经验进入了身体，并留下不可轻易抹去的反馈。

第二是模型参数，也就是Taste。它包括价值观、习惯、品性、默认常识和潜意识中的选择倾向。当来不及详细分析时，一个人最后依靠的，往往就是这些长期积累的参数。

第三是上下文窗口，也就是此刻的注意力与工作记忆。同一个人，在注意力涣散和高度专注时，会作出完全不同的判断。注意力不仅是一种时间管理能力，也是模型此刻能够调用哪些信息的边界。

第四是目标函数。到底想要什么？最不愿失去什么？用什么定义成功和失败？目标函数一旦混乱，努力越多，越可能奔向一个自己并不真正想要的结果。

第五是反馈回路。以上所有的东西，撞上现实后，根据误差来不断更新自己。对于我们每一个人来说，尤其是创业者，可怕的不是失败，而是任何反馈都被解释为“我们的大方向没有问题”，或者都理解为自我否定。真正有效的反馈，既不自我粉饰，也不把一次失败扩大为全部人生。

很多时候，我们以为自己正在自由思考，实际上是在运行一套早已形成的参数：某些经历让我们本能地信任一种人，某些失败让我们回避一种选择，某些奖励机制让我们重复同一种行为。要改变判断，就不能只修改一次结论，而要看清结论是怎样生成的。

我们都希望自己越来越聪明，希望像乔布斯、马斯克那样。那么到底什么是聪明？如果把聪明单纯理解为反应快、记忆好、计算能力强，那在AI时代，这些能力正在迅速被机器超过。

事实上，聪明不是一把尺子，而是一道阶梯。这个“阶梯模型”至少包含五层：算力、压缩、校准、目标、自我重写。

信息不会让你变聪明，撞上现实产生误差才会。苏东坡的一生，就是一次又一次自我重写。从乌台诗案到黄州、惠州、海南，每次被贬都是昂贵而诚实的误差反馈。它们不仅让他调整某个具体判断，更逐渐改变了他用什么尺度衡量人生。

我要说的是，人和机器的最大的差别其实是在“目标”这个圆心。AI大模型的目标函数是工程师给的，人的目标是自带的。人最原始的目标是“活下去”，但慢慢地会进化成被“追求意义”驱动，每次输出都会改变你要承受的世界。这就是AI作为工具和人作为主体的一个最大区别，也就是我们这套类比的边界所在。

Taste不是审美品味，而是一种选择力

当AI让“做出来”越来越便宜，“决定做什么”就越来越昂贵。如果AI让所有人都能够做出60分的东西，拉开差距的不是产出速度，而是谁知道什么值得做到95分。

Taste是一个有点大的词，常被翻译为品味。但其实它不是用来审美的，是用来选择的。我们可以把它解释为是某种选择力：在岔路口，选这个而不选那个的判断质量。

AI时代商业中的Taste，可以简化为两件事：选方向，选人。

乔布斯并不是苹果所有技术的最佳工程师，但他在选方向时能够砍掉大量产品，选择图形界面、智能手机等重要方向，也能够选择与自己性格和能力高度不同的库克作为接班人。马斯克虽然具有很强的技术理解力，真正关键的工作同样是选择火箭回收、纯视觉自动驾驶等方向，并聚集能够把判断变成现实的人。他本质上也是做好了选方向和选人这两件事。

Taste不是天赋式玄学，而是一组可以训练的能力。它由五个相乘的零件构成：

Taste=压缩×校准×取舍×下注×迭代。

这就是我要重点说的“Taste的五件闭环”方法论。是相乘，不是相加。任何一项为零，整体都可能失效。

第一件事，压缩。

压缩不是概括，而是找到生成规则。假如此生只能反复解决一个问题，你愿意把一生交给什么？过去做过的事情中，是否存在一条反复出现的暗线？哪些事情即使没有奖励，你仍然愿意投入？

第二件事，校准。

校准要求我们不仅作出判断，还给判断标上诚实的置信度。不要只说“我觉得这个方向会成功”，而要说“我有六成把握认为它会成功”。概率迫使人承认不确定性，也让反馈能够真正被记录，并实现校准复利。

第三件事，取舍。

完美不是无可添加，而是无可删减。AI的天性是发散：给出更多方案、更多内容和更多下一步。人的责任则是收敛，把二十个可能性砍到一个真正值得做的方向。取舍的困难，在于拒绝总意味着放弃眼前可能获得的收益，尤其是在增长迅速、掌声最多时主动踩刹车。

第四件事，下注。

不承担后果的判断，只是评价。Taste必须押上真实代价：时间、声誉、金钱、职业路径或机会成本。正因为世界充满不可计算的不确定性，人必须在信息不充分时作出选择。这个环节有两个关键点：既要敢下注，又要活得久。

第五件事，迭代。

迭代的核心，是让判断可以被证伪。写下自己的结论、置信度、什么事实会证明它错误，以及在什么时间复盘。只有这样，失败才会转化成模型更新，而不是模糊的情绪。

这五件事首尾相接，才构成完整的Taste闭环。每转一圈，更准一圈。

理解人与AI的关系，可以借用小说《挽救计划》中的故事：人类科学家Grace遇到外星生物Rocky，双方生存环境、感知方式和身体结构完全不同，甚至无法共享空气，却因为能力互补而共同完成拯救各自星球的任务。

他们之所以能够彼此拯救，不是因为相似，而恰恰因为不同。

人和AI也像两个隔墙协作的物种。人拥有目标、意义、身体经验和对后果的承担；AI拥有算力、速度、记忆、搜索和持续执行能力。人的弱项往往是AI的强项，而AI结构性的缺失，也正是人的价值所在。

所以，最好的AI应用，不只是把它当作一个工具，也不只是做一个带AI功能的产品，而是你和AI构成一个“双智能系统”，并在Taste五件闭环中各有分工。用一句话概括就是：把苦活交给AI，把Taste留给自己，把后果扛在自己身上。

拿到任何一个任务，我们首先必须作为人类完整地独立思考一遍。因为AI不会自动提高生产力，它只会放大一个已经会拆解、验证和复盘的系统。

如果一个人没有独立思考的能力，AI可能只是噪声放大器；如果一个组织没有明确目标和反馈机制，引入更多智能体也可能只是让混乱运转得更快。

在这里可以和大家分享一个小技巧，就是用AI来做你的反方合伙人。不要让AI来证明你做出的判断，而是去证伪。当你能够很好应对AI的反驳、批评、怀疑的时候，你的思考才更有价值。当然，AI可以做反方和助理，但最终的判断权依然是在你这里。

判断的结果是，形成我们的人生复利

我们训练自己的模型、建立Taste、接上AI，最终并不是为了追逐技术本身，而是为了让我们的一生能够过得更好、获得更好的复利。

现在，我们正在进入一个特别未知的时代：AI时代的最大特征不是确定，而是不确定。通用人工智能究竟是否已经到来，人类目前并没有形成共识；AI备受关注，却仍然缺少足够多已经稳定创造价值的产品；机器的能力迅速增长，但社会如何吸收这种能力成为生产力仍然模糊。

按照海德格尔的观点，技术从本质上就是人无法完全控制的东西，它一旦展开就有自己的逻辑了，甚至反过来有可能重新安排我们。

实际上，AI也正在把人类分裂成极端的两极分化：让一些人变得更聪明、更富有，让另一些人逐渐外包思考、丧失提问和面对复杂问题的能力。

越是在这种时候，人越不能把自己变成机器。我们真正需要守住的，是机器没有的部分，也就是我们说的两端：

一端是追寻意义。这个世界到底应该造什么？效率提升之后，人真正想过怎样的生活？

另外一端是压方向。在没有答案、概率不明的路口，根据历史、大局观和价值判断选择一个方向，并承担它。

我们前面说的所有内容其实就是一件事：你要能够把你一生的判断，变成一个谁也拿不走、还会自己形成复利的一个长期资产。

而这件事情必须基于你知道“我要做的事情到底是什么，我的人生母题是什么？”。在一个充满变化的的环境里，只有你能够守住你自己的母题，才能够实现自己的真正的人生复利。

回到最开头说的苏格拉底和苏东坡。这两个人都处在一个数据极少的时代，但却能够拥有非常非常深的智慧，关键就在于他们这的一生都在训练自己那台模型，以至于令他们的智慧能够穿越千年。

我不知道在AI变得越来越强大之后，人类会留下哪些东西？但是我几乎可以肯定地说，可能再过1000年，苏格拉底和苏东坡被未来的人类铭记的可能性，比现代的很多事情被记住的可能性会更大。

但是这点也许对我们每个人来说也给我们的一个启发，就是也许在这样的一个喧嚣的时代，我们依然值得铭记苏格拉底和苏东坡的智慧，过一种充满醒察的人生。

我们可能会面临各种各样的人生的波折和起起伏伏，这些都是我们人生中特别重要的一部分。重点在于我们能否真诚地经历这些体验，以及用这些体验能够让自己的大模型变得越来越好。

课程结束，为自己建立一个72小时行动契约

• 第一，砍掉一件低价值事项。建立一条“不做清单”，用一次真实拒绝训练取舍。

  
  

• 第二，让AI成为反方陪练。把一个重要判断交给它攻击，而不是让它替你证明自己正确。

  
  

• 第三，设计一个能够快速得到现实反馈的小实验。无论结果对错，都必须形成一次完整的预测、行动、反馈和更新。

  
  

工具会迭代，热点会过去，外部模型会越来越强。但最终决定一个人能否实现长期复利的，仍然是那套谁也拿不走、并且能够持续自我更新的判断系统。

每个人都是一个独一无二的模型。现在，为自己的大模型命名。