内容出自Tim Ferriss对凯文凯利的访谈节目（油管）。前半部分为内容总览；后半部分为原字幕的翻译。
这段访谈揭示了一个常见的误区，我们想当然的认为凯文凯利这种未来学家、思想家是喜欢“思考”，认同“思考主义”的，实际上凯文凯利的观点：思考主义“只能走这么远”。读过上一篇凯文凯利讲自己写作状态文章的朋友知道，凯文凯利的写作，并非用思考的方式在写，而是“写作要从身体里出来，而你无法控制它。”
写作的时候我们并非简单的在表达自己。我们可以是以和万物一体的状态写作的。这就是为什么我们对所有关于 AI 是否会替代我们的担心，都是不必要的。AI 的发展，让人可以只需要做人，不再需要成为工具，不再需要被奴役，还所有人真正的自由。
凯文凯利认为 AI 对制作初稿帮助很大；Tim问凯凯利怎么提问，如何用
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。Kevin Kelly 分享了如何利用 AI 工具来克服这个困难。
思考主义(thinkism)的误区
Kelly 强调了一个重要观点：我们必须通过使用来了解技术。他提出了"思考主义"(thinkism)的概念，即过分依赖纯粹思考来解决问题的倾向。但实际上，许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：“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（如 ChatGPT）产生的内容本质上是一种"群体智慧"。就像计算糖果罐中糖果数量时，平均值往往最准确一样，AI 模型也是通过整合各种观点和信息，产生相对中庸的输出。
实用提示和应用方法
以下是一些实用的 AI 写作辅助方法：
要求 AI 提供主题相关的要点总结
请求扩展特定观点或提供更多例子
用于检查剧本的情节漏洞和矛盾之处
生成演讲要点或标题建议
为文章提供结束语或点题句
"不错的实习生"
Kelly 将 AI 比作一个"不错的实习生"— 它的输出可能不是完美的，但能提供有用的起点和灵感。重要的是要认识到 AI 是一个辅助工具，最终的创作和决策还是需要人来完成。
举个例子，有人用 ChatGPT 模仿 Tim Ferriss 的访谈风格生成采访问题。虽然这些问题可能不够精致，但作为起点和参考还是相当实用的。这正好说明了 AI 作为"不错的实习生"的定位 — 它可能不完美，但确实能提供有价值的帮助。
凯文凯利：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，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个障碍，对吧？
我知道这种感觉，你也知道这种感觉。
我发现一些方法可以在起草第一稿时提供帮助。
怎么提示它？能举个例子吗？
有很多不同的方式，我一直在收集这些东西。
重点是，这也给我们提供了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，我们所发现的这些技术功能中，没有一项是它的发明者们最初能够预见的。
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。
问题是，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，现在通过使用这些工具，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如何使用它们的。
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”最经典的例子是猜瓶子里有多少颗糖豆。如果取所有猜测值的平均值，最接近正确答案的往往就是这个平均值。
聊天模型也是如此：它整合了所有的信息，包括好的坏的、天才的和糟糕的，最终生成一个平均值。
因此，聊天模型的内容通常是大致正确的，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。
例如，你可以让它的风格更“讽刺一些”或“专业一些”。
假设一个场景：
假如你完全没有头绪，只是淋浴时突然蹦出一个想法，你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，你可以让模型先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。”
先让 chatgpt 列出 5 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，然后围绕某些你不理解的地方提出问题。
例如：“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，比如总结为要点形式，提炼出“关键结论”或“教育意义”。
你会得到一些零碎的信息，但不一定直接使用这些内容。
但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，它帮助你跨越了“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：
• 比如有人写剧本，他们会用聊天模型来查找薄弱情节：“指出这个剧本中的漏洞。”
• 或者让模型帮助检查矛盾之处：“看看有没有内部的不一致性或连续性问题。”
我还用它来写书。
比如我的出版商曾要求我提供一些“宣传要点”。
于是我就让模型生成了九条宣传点。
它给出的列表很好，虽然我不能直接用，但它是一个很好的起点。
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，模型是个“还不错的实习生”。
虽然它不够完美，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，输入了一个类似这样的提示：
“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”可能是对这些聊天模型的最佳总结。
深度内容推荐：
BillionWrites 年度订阅制的社群明天正式推出。
首期会有 4 位各具特色的主理人，也就是说会有 4 个新社群可选。
