AI强于专业推演，弱于跨域综合决策
主要观点
文章通过一则明末历史反事实推演指出，AI容易在既定专业框架内给出深入分析，却可能遗漏行政、政治、民心等跨领域变量。作者以“条条与块块”“部长与县长”区分专业问题和复杂综合决策，建议人类负责提出问题、补全变量、进行价值权衡并承担最终责任，AI则负责计算、方案推演和风险预警。文中还预测AI可能从单领域强化走向世界模型乃至AGI，但相关时间表、能力数据及历史判断均缺乏独立验证。
关键要点
- AI的主要长板是特定领域的专业分析与高速推演，主要短板是主动发现跨领域变量并完成整合判断。
- 历史案例显示，AI初始推演偏重军事条件；加入行政体系、知识分子支持和政治能力后，其结论发生明显修正。该案例只能说明作者与特定AI的互动结果，并非普遍能力测试。
- “条条/块块”类比指出：AI更适合专业职能部门或副手角色，不宜独立承担需要统筹多领域变量的综合决策职位。
- 线性系统的变量较少、因果相对明确，当前AI处理较强；混沌系统涉及政治、人际、民心及蝴蝶效应，AI表现较弱。
- 实用方法是人类先识别遗漏变量、持续追问并重构问题，再让AI梳理变量关系、生成多套方案和风险预警。
- 文章预测AI将经历单领域强化、因果推理与世界模型、潜在AGI三个阶段；其中5—20年及20年后的时间表均未经证实。
- 作者称复杂提问可调动普通提问50—200倍算力，并称围棋AI让四子时顶尖人类仅有约40%胜率；两组数字均缺少来源、口径和验证条件。
- 推荐的人机分工是AI充当专业专家或“超级参谋长”，人类负责价值权衡、责任承担与最终决断。
建议带着这些问题阅读
- AI的结论是否受限于用户最初提供的问题框架？
- 哪些政治、组织、伦理或人际变量需要由人类主动补充？
- 专业问题与综合决策的边界应如何判断？
- 最终责任与价值取舍为何不能直接交给AI？
- 文中的数据、历史解释和未来时间表有哪些证据缺口？