# 人机协作的所有文章

在 HTX 新聞中心流覽與「人机协作」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

AI越会回答,人为什么越需要深度思考?复旦发布2026人文社科智能发展蓝皮书

复旦大学《2026人文社会科学智能发展蓝皮书》提出,随着AI能力日益强大,深度思考的价值反而更加凸显。蓝皮书指出,AI与人文社科的关系正从“单向赋能”走向“双向融合”:AI改变研究方式,而人文社科需界定AI的使用目的、边界与伦理约束。 AI虽能高效处理信息、生成文本甚至辅助决策,但它擅长将复杂问题简化为可处理的格式,可能掩盖真正的理解与价值判断。例如,在科研中,AI加速了论文产出,但也带来了论证可靠性、因果推断及自动化模型搜索导致“虚假显著”的风险。在公共治理中,AI的“代理型”应用可能转移决策权,需确保人类保有介入、纠偏与解释的权力。 蓝皮书强调,深度思考需融入系统流程:研究应借助AI但保留完整、可追溯的证据链;治理原则需转化为具体的生命周期监管与风险分级制度;人文社科应致力于将价值冲突转化为可分析的权衡,为技术发展提供方向。 推动AI与人文社科深度融合,不能仅靠少数团队,而需建设涵盖数据、工具、规范与协作机制的基础设施,并重视认知科学等交叉学科。蓝皮书最后提醒,在智能时代,人类的核心责任在于提出真问题、审视证据、界定技术边界并做出最终的价值抉择——这些是无法交由机器完成的根本任务。

marsbit07/14 06:08

AI越会回答,人为什么越需要深度思考?复旦发布2026人文社科智能发展蓝皮书

marsbit07/14 06:08

谁最会用Claude Code?答案可能不是程序员

这篇基于约40万次Claude Code会话的分析报告发现,AI编程工具正在重塑人与代码的协作关系。核心结论是:在智能体编程中,人类主要承担“做什么”的规划决策,而AI则负责“怎么做”的执行工作,包括编写、修改和调试代码。 研究显示,使用Claude Code的成功率并不取决于用户是否是程序员。在法律、金融、管理等非技术职业的用户中,完成编码任务的效率已接近软件工程师水平。真正影响结果的关键因素是用户对自己要解决问题的理解深度,即领域专业知识。领域专家能够用更精准的指令引导AI完成更大量、更复杂的工作。 数据表明,从2025年10月到2026年4月,Claude Code承担的任务价值平均增长约25%,且用于纯粹调试的会话占比下降近半,更多转向端到端的开发、部署、数据分析及文档撰写等工作。同时,当会话遇到问题时,新手用户放弃的比例远高于中高级用户,突显了领域知识在引导和纠正AI方面的重要性。 报告指出,AI编程降低的是实现门槛,而非判断门槛。未来,懂业务、能清晰定义问题和评估结果的人,可能比单纯会写代码的人更能发挥AI的价值。这意味着,智能体工具不会取代领域知识,反而会放大其作用,使各行业的从业者都能完成以往难以独立完成的技术工作。

marsbit06/20 02:03

谁最会用Claude Code?答案可能不是程序员

marsbit06/20 02:03

自动化的悖论:AI越强,人类越忙

本文探讨了AI自动化发展中的一个核心悖论:尽管AI能力快速提升,但人类的工作量并未减少,反而可能增加。文章以作者所在公司Every为例,说明AI工具已深度嵌入编码、写作、客服等流程,但并未导致裁员,而是重组了工作形态。人类从重复执行者转变为框架设计者、系统维护者和质量判断者。 AI擅长将过去已沉淀的能力(如代码、文案、客服回复)商品化,使其变得廉价且人人可用。这导致市场出现大量同质化的“默认输出”。然而,真正稀缺的是面对具体当下问题时的判断力、差异化创造和意义定义能力。因此,自动化并未消灭专家,反而创造了更多需要专家介入的场景,例如工程师需要审查AI生成的代码,编辑需要打磨AI起草的文稿。 文章进一步指出,基准测试(如高级工程师编码测试)衡量的只是模型在特定人类设定的“框架”内的表现。模型可以快速攻克一个框架,但人类会不断将问题推进到更复杂的新框架中。AI可以高效执行目标,但缺乏真正的主体性——它回应人类设定的问题,而非自主产生目标。知识工作的未来在于人类持续扮演“框定者”的角色。 因此,AI让“执行”变便宜,却让“判断什么值得做、为何做、做到何种程度”变得更为珍贵。自动化没有消除人类工作的价值,而是使其变得更前沿、更依赖人类的独特判断。

marsbit05/24 07:06

自动化的悖论:AI越强,人类越忙

marsbit05/24 07:06

活动图片