# 李飞飞：当答案变得廉价，提问才真正开始值钱 - Digest

- 原文：[[经纬创投-李飞飞-当答案变得廉价]]

## 核心观点

1. **答案生产廉价化**不等于判断廉价化：模型能生成候选答案，人仍要确定问题、证据和行动方向。
2. **统计表现不等于主观理解**：数据充分时的近似判断，不能外推为真实共情、私人体验或物理因果理解。
3. **场景比“自动化程度”更重要**：数据充分、低风险任务可辅助；稀缺样本、高差异和高后果任务应保留人机协作与责任。
4. **教育的重点是内驱力和追问**：禁止工具不能解决问题，把思考过程交给工具也不等于学会。
5. **AI 是能力放大器**：它可承担高危、繁琐和执行性工作，但不能替人设定目标、选择问题或承担价值判断。

## 七个分析角度与开头钩子

### 答案与问题
- “当 AI 把答案变成标配，真正稀缺的是什么？”
- “会写提示词不等于会提问题，差别在哪里？”
- “答案越来越便宜，为什么错误的问题反而更贵？”

### 统计与理解
- “AI 会判断一只猫，为什么不等于它理解猫？”
- “模型说得流畅，怎样判断它是否真正理解情境？”
- “从统计规律到因果理解，中间还缺了什么？”

### 私人体验与共情
- “AI 会安慰人，为什么不等于它真的共情？”
- “网上没有的数据，模型如何学习你的私人记忆？”
- “把情绪表达得像人，和拥有情绪是一回事吗？”

### 医疗与风险边界
- “为什么手术机器人越精准，医生的责任越不能退场？”
- “数据足够时可以辅助，数据稀缺时为什么要更慢？”
- “高风险 AI 的关键问题不是能不能做，而是谁来负责？”

### 教育与内驱力
- “禁止学生用 AI，为什么没有解决学习问题？”
- “AI 能答疑一百次，为什么仍代替不了想学的动力？”
- “什么样的 AI 使用，会让学习更深而不是更快交卷？”

### 人机协作
- “机器人最该替人做什么：高危劳动，还是价值判断？”
- “AI 是替代者还是放大镜，取决于谁在定义任务。”
- “把执行交给机器后，人应该保留哪几个位置？”

### 苏格拉底式追问
- “为什么苏格拉底可能是最早的提示词工程师？”
- “好提示词的前面，为什么一定有一个好问题？”
- “AI 能给答案，但谁来决定下一问？”

## 证据边界

- 文章为访谈二手整理；访谈内容、引语与案例未独立核验。
- 医疗和脑机接口描述不能作为临床或技术可行性结论。
- 提问能力不可被完全外包，是教育与工具使用框架，不是关于岗位自动化的量化预测。

标签： #主题/提问能力 #主题/AI教育 #主题/人机协作 #场景/公众号长文