最近因为在进行 MiniZinc 形式化的工作，正在高强度使用 AI 中。在这个过程中也是产生了一些感想，遂决定把他们写下来。
一更
我曾听过一种说法：AI 提高了“已经懂的人”的效率，却可能阻碍初学者成为“已经懂的人”。
我认同前半句；后半句则取决于人如何使用 AI。至少在某些具体任务上，我亲身经历了从初学者到“已经懂的人”的转变，因此对这句话格外有感触。
当我还是初学者时，阻碍我借助 AI 提高工作效率的一个重要原因，是我无法准确地向 AI 描述我的想法和目标。我见过一些人在学习时被大量专业术语弄得迷惑又痛苦，但在我看来，术语其实是把一长段描述“打包”起来。如果没有专业术语的辅助，在我们表达自己的想法时，为了兼顾准确性，我们可能不得不加上一大堆限定词——这是否也是一种“屎山代码”？
因此，我不得不反复与 AI 沟通，让它一遍遍修改结果。而且对于我来说，如果我不了解 AI 处理任务时的基本思路和行为方式，就很难放心地把工作交给它。这种“不知道它在做什么”的感觉，甚至会让我有些害怕。
但随着我逐渐掌握相关领域的专业术语，也弄清楚了整件事该如何处理——即使不借助 AI，我也知道基本流程，那么我就可以一次性向 AI 给出完整而准确的指令，这样就省去了反复对齐的时间，极大地提高了效率。不过，目前我只在形式化 MiniZinc 时有过这种感觉，在论文写作和学习上还没有。也许是因为在 MiniZinc 的工作中，学会一类知识后，往往立刻就有大量数据需要用相近的方法和思想处理。
至于后半句话，我也有一些体会。就在一两个月前，我参加了一场黑客松。由于那时我们缺乏算法设计和编程经验，所以算法设计和代码几乎都由 AI 完成，而我们连它写的代码都没看懂[doge]。 这个现象让我和我的队员们都感到很焦虑，不过当时的 TA Allen 的一句话点醒了我们：「去追问 AI 算法中的细节，追问每一个不懂的概念和想法。」
照做之后，我们逐渐理解了 AI 给出的算法，，也开始能提出自己的想法来改进它。不过受时间限制，团队最后只取得了中游的成绩。
把黑客松里的体会放到日常工作和学习中，也是一样的。有时，「抽卡」的想法会让我焦虑：我花时间学习，似乎还不如让 AI 多试几次。甚至会忍不住想：「吾尝终日而学矣，不如 AI 须臾之所学（做）也。」这也让我想起一句戏言：「吾尝终日而思矣，不如 GPT 须臾之所思也。」[doge]. 但在形式化 MiniZinc 的过程中，我逐渐意识到：：如果只顾着让 AI 不断尝试，自己却不在这个过程中学习，工作往往难有新的进展。因为一旦我不理解正在处理的问题，就很难判断 AI 的结果、提出下一步的想法，也难以和它有效沟通。
再者，如果不再纠结于 「AI学得比我快」，其实 AI 真的是一个很不错的学习和工作助手！自从解开这个心结，我开始觉得学习真是越来越让人享受了LOL.
二更
最近又有一些新的感悟吧，就是就算给 AI 清楚地描述了问题，AI 也可能不知道这个问题属于哪个框架下的。举个例子，一个本质上是 LBO 的问题，AI 只会找方法去解决它，但是如果不专门问，AI 并不会告诉你这个问题的本质。如果没有人来指引这个方向的话，感觉 AI 这样下去就像是堆叠屎山代码。虽然或许可以通过专门让 AI 注意这方面来调整，但是目前尚且不知道这样做的效果如何。