香农信息论启示我们，好问题才能解锁新可能。
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：当AI让答案触手可及，什么才是技术人的破局关键？本文从摄影术颠覆绘画史讲起，揭示技术史上永恒的真理：答案贬值之日，正是问题升值之时。香农信息论启示我们，好问题才能解锁新可能。在LLM时代，掌握提问能力就是掌握重塑认知的主动权，让人机协同真正迸发创造力。文章来自编译。
在人人都给出标准答案的世界里脱颖而出
19世纪的巴黎美术学院（Académie des Beaux-Arts）定义了何谓正统艺术。
作为主流标准的现实主义，强调的是精确性及视觉的真实性。成功取决于与这些规范的契合度。这个体系奖励的是循规蹈矩，而非实验创新。
1830-1840年代摄影术的发明开始动摇了这一标准的根基。
一开始时，摄影似乎是画家的威胁。如果机器能比人手更精确、更快速地记录这个世界，绘画还有什么意义呢？
但随时间推移，摄影反而卸下了绘画写实的义务。画家不必再跟相机竞逐复刻现实，转而聚焦在早期相机无法捕捉的微妙之处：光的变幻、质感、对熟悉事物的全新诠释。
我去讲人工智能时，每每当故事讲到这里稍作停顿时，观众总会露出会心微笑——此刻的隐喻已不言自明。
如今的AI就是相机。它不会扼杀创造力或脑力劳动，只会重塑它的形态。
当然了，如果故事止步于此的话，本文便可在此收尾了。
但表象之下另有深意。在追求简单结论时，我们常常会错过更宏大的叙事。
当答案沦为廉价品时… …
摄影术发明的真正启示，在于所引发的艺术界的次生革命。
如果没有摄影，艺术可能还是会沿着可预见的轨迹发展——更极致的现实主义，更精湛的写实技巧。
如果现实主义是那个时代的标准答案，艺术家本来可以继续给出更好的答案。
讽刺的是，摄影术压低了答案的生成成本。我们不再需要画家经年累月的努力，即可获得最逼真的人像。
摄影将绘画从现实主义中解放，但更耐人寻味的是接踵而来的替代品。
莫奈、德加等印象派画家开始探索色彩与光影的主观体验。既然相机能以更小成本复现现实，他们便将目标转向如何诠释现实。
印象派不再执着于提供更好的答案（更极致的现实主义），而是从根本上重新去定义问题。
现实主义时期，艺术价值取决于再现的能力。
印象主义则赋予了艺术新的使命：诠释。
相机带来的是廉价的复制品——即充裕的答案。
印象派选择改变范式——将艺术定位为提出更好问题的根基。
当曾经的稀缺突然变得充裕时，
请寻找新的稀缺。
因为那样才能制造影响力。
大语言模型与廉价答案
大语言模型（LLM）是技术史上迈出的最新一步——其结果是获取答案的成本持续走低。
从数据分析到推荐引擎再到ChatGPT，每一波技术浪潮都拓宽了答案的获取渠道，将其成本推向趋近于零。
生成答案是这些系统的专长。未必正确，鲜有定论，但胜在即时性，更重要的是——貌似可信。
而就大语言模型而言，它们给出答案时总是充满自信！
但问题在于：貌似可信的答案比明显错误还要糟糕！
当某个答案看似足够好时，我们往往就不再追问了。
在信息过载而注意力稀缺的环境下，貌似可信便成了真相的替身。
印证预设的搜索结果占据榜首，强化思维定式的迷因加速传播，补全我们思路的语言模型不断强化既有的叙事。
持续探索的成本因此攀升。
好问题的代价变得空前高昂。
与此同时，我们所处的世界正愈发不稳定。
正如我之前所言，我们正在步入结构性不确定的世界——规则不再是一成不变。
昨日有效的方法明日就有可能失效，并不是因为事实改变了，而是因为环境变了。
在这样的环境下，曾经可靠的答案会迅速过时。静态知识在动态系统下的效用极其有限。
更重要的是保持好奇心的能力，愿意不断刨根问底。
这正是好问题——纵使代价高昂——仍具有战略意义的原因。一个好问题能拓展认知疆域，重构问题本身。
在结构性不确定的系统下，价值不再源于宣示已知，而在于引导关注尚未解决之事。
如今最有价值的答案，并不是那些看似完整、表达明确的结论，而是指明探索方向的启示。
在结构性不确定的体系下，目标不再是确定性，而是续航——在不断变幻的地貌中不断校准方向的能力。
重塑未来的好问题
当今世界的诸多面貌，都可追溯至1948年的一个好问题。
当时贝尔实验室的工程师们正致力于提升通话清晰度，通过改进线路、放大器和滤波器寻求更好的答案。
克劳德·香农却提出了一个不一样的问题。
他并没有追问如何降低电话线路的噪音，而是直指本质：
何谓信息？
这个看似迂回的抽象追问，最终催生了信息论——这套理论定义了信息能消除多少不确定性。
香农的核心洞见在于：信息（答案）的价值与其消除的不确定性成正比。
什么是好问题？
根据香农理论：
答案的价值在于消除不确定性——从而变得可执行。
天气预报是个绝佳例证：盛夏时节的晴空预报不会改变你的行为（你本来的假设就是晴天），但突如其来的暴雨预警却能会让你带上雨伞——这才是真正有价值的答案。
信息论的核心是管理不确定性，而不是生成听起来合理却无用的答案。
但我们构建的主流系统——最新代表非大语言模型莫属——却背道而驰。它们用流畅自信的答案迷惑我们。
这是第一个陷阱。
廉价易得的答案只会消耗本已稀缺的注意力，却无法消除不确定性。
大语言模型生成看似权威实则缺乏洞见的文本。它们越擅长伪装正确性，我们就越容易不再探索下去。
当答案变得廉价而泛滥时，追问过程反而变得昂贵。提问行为本身成为阻碍——不是说问题已被解答，而是你被诱导相信答案已然存在。
对习惯于没完没了地刷屏，对追剧成瘾的一代人来说，廉价答案的诱惑难以抗拒。
提出正确问题的代价却高得惊人——就像新年决心立下一周后就放弃健身一样。
但正如香农的洞见，答案本应价值有别。
第二个陷阱是相信答案越多越好。
实则不然。
在知识过剩而注意力稀缺的环境中里，症结不在事实匮乏，而在注意力的错配。
我们在边际效用递减后仍不断收集数据，只因既有系统专为回答而非质疑而设计。
这些系统追求速度与冗长（试试与Claude对话便知），而非揭示模糊与未竟之处。
好答案应具备：
（1）降低不确定性
（2）善用有限注意力以避免浪费
廉价答案时代好问题的力量
答案往往受困于既有的框架。
好问题却能拓宽框架本身。
传统框架的最大陷阱在于：我们试图用操作层面的框架与战术来回答结构性不确定的问题。
哥白尼与爱因斯坦的突破——或近年CRISPR技术的逆袭（这项技术被当作细菌免疫系统而埋没在科学文献里面整整二十年，直到有人转换框架，将它当作基因编辑工具来用才大放异彩）——都不是对既有问题的回答，而是暴露主流假设局限的新问题。
一旦思考框架变了，不确定性自会消解。
人机协同的意外优势
结构性不确定的破局之道，往往不在显性路径，而在不相干思想的意外交汇处。这正是好问题的关键所在——唯有问题才能跨越不同体系的鸿沟。
当善于提问的人类与生成廉价答案的LLM结合到一起时，就会迸发出超能力。大语言模型尤其擅长连接不相关领域，但前提是要有合适问题给它指引。
如果使用者只求廉价答案，LLM就是负资产。
但如果掌握在善问者手中，LLM便可化为超级武器。
好问题重塑世界
香农在1940年代末提出的原创性问题（当时并无商业紧迫性），最终成为应对复杂性的新范式种子。他的研究为理解不确定系统提供了新逻辑。
一阶影响立竿见影：信息被量化为比特。工程师由此获得测算不确定性、分配带宽、评估抗噪传输能力的工具。
二阶影响更具变革性：香农框架令通信系统不仅能传输信息，更能保护与压缩信息。基于其理论的压缩算法、加密协议、存储技术，最终孕育出互联网与数字媒体。
三阶影响则更加深刻到文化层面：生物学家用编码描述DNA，认知学家将思维视为信息过程，经济学家讨论信息不对称，物理学家猜想宇宙本质或是信息构成。
这个问题早已突破工程学边界。
万物始于一次认知的重构：何为信息？
香农并没有追求更廉价的答案，而是构筑了帮助世界提出更好问题的系统。
当下的讽刺在于：知识积累愈发丰富，确定性却越来越少。
当貌似可信答案的涌现速度超越提问能力时，真正的挑战在于构建追问体系并明辨探索方向。
哪条探索路径仍潜藏有价值的模糊地带。
在结构性不确定（即系统产出机制本身的不确定）当中，优势并不源于已知，而取决于探索未知的能力。
当答案不再一成不变时，不断提出正确问题是唯一要务。
咨询悖论
有件小事情，我愿称之为咨询悖论。
在貌似十分可信的答案泛滥的世界里，人们极易落入乍看之下不像陷阱的陷阱里。
作为客户，你可能会认为答案唾手可得。
因为答案看似充裕，你开始像评估商品般用成本衡量其价值。
但这将引发逐底竞争：答案越廉价，意味着越少人投入重金提出正确问题。前期节省的成本，换来的往往是无效或更具误导性的结果。
若寻求外部专家来应对不确定性，则陷入另一重困境。
你虽为专业指导付费，但如果不懂评估答案背后的问题质量，便无从判断所购服务的真实价值。
自信不能替代清晰。
华丽话术可粉饰理查德·鲁梅尔特所谓的”坏战略”。
此即悖论所在。
咨询业的威胁不在AI取代公司或自动化掉一些初级工作。
真正危机在于问答经济学的范式变迁。
当生成好答案变得越来越容易时，瓶颈就转移至问题界定本身。
除非客户学会识别好问题的经济价值，否则必陷入两难：
或视答案为商品，收获该模式的必然产物——低成本、低价值、最小公分母思维；
或为自信与演技买单，却不知是否真正解决了对的问题。
应对这种变局，客户需培养新能力：洞穿巧舌如簧与精湛演技，直抵表象背后的质询结构。
在廉价答案时代，最昂贵的错误就是将廉价答案误认为是好答案。
技能再培训的避责陷阱
面对人工智能，一个逃避责任的答案是技能再培训。每当谈及AI与就业，条件反射式的答案便是——我们必须投入到被取代劳动者的就业再培训。
但如果再培训只是去学习新答案的话，是没多少效果的。AI终将进化到能更廉价地生成这些答案的阶段。
最宝贵的能力在于提升我们设计出更好问题的能力。
这与现行教育体系推崇的技能截然不同。二十世纪的成功范式是精通一个领域或树立专家权威，考核标准是给出答案的能力而不是提问的能力。知识积累得越多越好——但这个逻辑只有在规则不变的时候才奏效。
环境稳定时，答案可产生复利。
环境剧变时，不断追问更为重要。
当今要务是学会穿越复杂性，而不是在”我已经懂了”的幻觉中固步自封。
顶尖知识工作者会将不确定性视作待探索的疆域而非需管控的威胁。他们会致力于绘制局部但方向正确的地图，而不是落入到确定性答案的陷阱之中。
译者：boxi。
转载请注明：好奇网 » 当答案变得廉价时，好问题就是新的稀缺品