💡 **AI的评估能力与创造能力的差异**：文章提出，生成式AI在评估（如判断方案好坏、文字优劣）方面表现出色，因为它能深刻理解数据分布并达到全局客观综摄。然而，在创造（如提出新方案、创作作品）方面却相对欠缺，这如同美食家也可能炒糊鸡蛋。这种差异源于两者追求的目标不同：评估追求理解分布，而创造追求打破分布或在内心理想分布中进行采样。

🧠 **创造力源于“打破分布”的内在驱动**：真正的创造力，尤其是在想象力、随机性和品味比重高的领域，需要“离经叛道”的精神，即挑战和扭曲现有的数据分布，将其推向边缘。这种内在的驱动力源于艺术家或创作者的“自我”（ego）和内心的理想分布，而AI缺乏这种自我驱动，它可能理解你的“离经叛道”，但自身缺乏动力去实践。

🛠️ **AI在创造领域的最佳应用方式**：在需要高度创造力的领域，AI不应被直接用作生成工具，而应扮演批评者的角色。AI的评估和批评能力通常是合理有效的，可以帮助人类识别潜在问题或提供反馈。然而，用户不应直接采纳AI建议的解决方案，而是应利用其批评来辅助自身生成想法，这种方式虽然耗时费力，但却是当前AI在创造性领域最有效的利用方式，人类在其中仍不可或缺。

一个感想：生成式 AI 最不擅长的可能是生成。

这句话需要展开解释一下。

人们使用 GPT 的方式可能千差万别，但在很抽象的层面上，它仍然可以大致分成两类任务：请求它评估（某个方案的好坏，某段文字的优劣，etc.），或者请求它输出（做一个新的方案，给出一个建议，自己写一段作品，etc.）。

对任何智能来说，这两类任务都是相关但不相同的。比如一个人可能是个美食家，但炒个鸡蛋也会炒糊。可能有极好的文字品味，但写出来的小说很幼稚。可以在评论别人的方案的时候充满洞见，但自己一上手就磕磕绊绊。

（甚至也有反过来的情形，一个人可以完全不擅长评论，但自己做就做得很好。当然这是比较罕见的例子。

这个区别当然一方面是因为知易行难，但还有一个根本问题在于这两者追求的不是一回事。前者追求的是对数据分布的深刻理解，希望达到全局上的客观综摄。后者追求的则是在这个分布里试图获得一个不平凡的结果，换句话说，是对这个分布的一个抵抗而非服从。没有诗人，哪怕乾隆，写诗是为了想写出一首平庸的诗。大家想写的是传颂千秋的诗——虽然每个人都这么想的结果仍然是大家写出来的是都很平庸，但那是不得已。

也就是说，评估需要的是理解分布，而创造追求的是打破分布，或者说，是在另一个自己内心的理想分布中做采样。一个人才华越高，这个自己内心的理想分布同现实分布之间的 distortion 就越大，自己也就越能强行逃脱现实的引力。正是因为一代一代有天赋有才华的人的不懈努力和接力，投入自己的 ego 去扭曲这个分布，去把它拉向和推向边缘，这个代表人类综合水平的整体分布才会随着时间变化。

但对 AI 来说，这两者的区别没那么大。AI 的训练过程里，行和知是基本统一的。AI 没有 ego 驱使自己去突破它学到的分布，它可能对你提出的离经叛道的想法给予宽容的理解和鼓励，但它自己毫无动力去离经叛道。——而离经叛道是任何不寻常的创造行为的必须。

以上这个讨论不适合某些以纯粹理性解决问题为目标的问题，比如生成一段二叉树代码。一个领域里想象力、随机性、品味和未知的比重越高，这个区别就越显著。在这些领域里，AI 在评论时充满洞见，但创造则乏善可陈，宛如一个天子脚下见多识广的出租车司机。

在这些领域里，对 AI 的最佳使用方式不是直接让它生成，而是不断自己生成想法请它批评。它的批评通常是合理有效的（除非它为了哄你高兴顺着你说话），但不要直接跟随它建议的解决方案。这当然很痛苦和费事，但似乎（至少在当下） 人仍然是不可或缺的。