前不久听到一段关于周哈里窗用在AI上的分析方法。感觉很有道理。总是想着反刍思考一下，却发现这种涉及深度思考的内容，根本就无法只在脑袋里完成，还是需要写下来，用文字的方式，用反复修改的方式才能让自己的思考完整一点。这也算是我自己的思考特征吧。

“周哈里窗”（Johari Window）来源于两个50年代的美国社会心理学家：Joseph Luft（约瑟夫·勒夫特）与 Harrington Ingham（哈林顿·英厄姆）。Johari Window 是一个横轴和竖轴的四象限图，其本意是分析自我认知与人际关系。但是最近硅谷有人将这个图标中的“他”换成了“AI”，提出了和AI 相处的四个模式。如下：

我是辗转听到只言片语。后来在网上怎么也找不到其原始记录和出处。但是我感觉这个思考的角度非常有意思。我觉得可以往这个方向继续拓展一下。遂有此文。

“周哈里窗”（Johari Window）是心理学的分析工具。本质上是以两者之间的信息差为基础，去了解和调整双方之间的相处方式，并改善沟通和信任的方法。当我们把其中的对象换成AI，我觉得也可以用来理清我们究竟如何与之相处。这里的我们有两个：一个是个人，可以是我们自己，或者其他人，比如说我女儿。另一个则是“大众”，或者说是某个特定的群体。

另外一个类似的框架则是拉姆斯菲尔德矩阵（Rumsfeld Matrix）中文通常称为已知未知矩阵。其核心也是由四个象限组成：已知已知（Known Knowns，我知道我自己知道，比如说刚刚考完的那几科）、已知未知（Known Unknowns，我知道我自己不知道，比如说下个学期准备学的）、未知已知（Unknown Knowns 我不知道我知道，通常是未被自己意识到的能力和隐性知识）和未知未知（Unknown Unknowns，我不知道我不知道，就是知识盲区）。这个模型是美国前国防部长唐纳德·拉姆斯菲尔德（Donald Rumsfeld）在2002年的国防部简报中提出来的，常用于风险管理与决策分析。

依托这两套框架，我思考的第一个问题就是：我如何与AI相处。这里的我，不是别人，而是我自己，不是泛指，而是特指。每个人都需要站在自身的角度去审视自己和AI 的关系。这里的AI，可以泛指今天所有的智能大模型。

第一象限是AI 和我都懂的区域。我叫它优化区(Automation)。这里的优化的基础是“工作的AI自动化”，而优化则是其后果。这里的优化的后果有两层理解。一个是我针对工作，另一个，则是被工作针对的我。

前者是我可以优化我的工作。我知道如何做资料整理，图表，工作报告，我知道工作流程，分析思路，评价标准。这些AI 也知道。我需要做的就是学习使用AI，授权AI，去优化我的工作效率和质量。这部分是让AI 为我工作的象限：将具体的工作交给AI，然后自己站在领导者的位置上做基于价值判断的调整以应对不同的交付对象。其结果是工作效率提升，让自己有了更多思考的时间。

后者，第二层则是职业/岗位的“被优化”，简单的说，是裁员，是职业危机的重灾区，是职业危机的重灾区。现阶段的AI 的裁员潮—-至少从借口上—-就是来源于此。从更深层次的角度来讲，大部分初级岗位，如果员工无法提供比AI 更好的结果，就会被裁剪。甚至更极端的说，只要管理层主观上觉得初级员工–比如说刚毕业的大学生–无法超越AI，这个岗位一开始就不会出现在招聘范围里。我们公司两年前就开始不设置初级岗位了。而其他大量职场现实报道也证实了这一点。我没有做过管理，但是从处理一线的具体事务来说，我并不认为这是正确的。人和AI 的关系远非替代这么简单。如同Jenson（黄仁勋）所说，AI 可以做好具体的事务（task），但是做不到对人的替代，更不是对岗位的替代。但是目前整个社会的公司管理架构正处于被AI 严重冲击的时期，所以目前无解。而随着社会对AI 带来的影响的理解进一步深化，我相信这种现象会得到纠正。最近福特宣布重新聘请因为AI 而开除的员工就很能说明一些问题。岗位的优化是一个持续的过程，也是一个逐渐深化的过程。所以为了不被优化，我们牛马必须不断的优化自己的工作流程效率，从而腾出时间做更有价值的工作。牛马的宿命就是不断的为公司提供新的，更有价值的，和差异化的贡献。而这里的新，价值，和差异化，不仅仅是对其他同事，同时也是相对于AI 而言。如果拉长时间线，我感觉更长远的一个冲击就是职业的生命期缩短了。

第二象限是我不懂，而AI 懂的知识象限。这是我们个人的知识边界，这是我们个人的知识边界，这是我们需要向AI 学习的地方。而AI 则是我们的学习工具，是助力，是让我们能够在较短的时间里面，掌握新的技能，从而持续提供更多的贡献的老师。这里的重点是AI 是学习工具，而不是搜索引擎。搜索是找资料，而学习工具对应的是理论，数据，和论证。找资料的引擎无法辨别真伪，找到的资料是不成体系的碎片。而学习工具提供的是是是可以证伪的分析方法，过程和框架。这里是我的知识边界。

第三象限是AI 和我都不懂的区域。这个区域是探索区域，是我和AI的知识边界。或者说，基于目前的顶尖模型的数据几乎涵盖了人类所有的知识，那么这个边界基于目前的顶尖模型的数据几乎涵盖了人类所有的知识，那么这个边界大体上也是人类的知识边界。了解了这个边界，我们我们就可以借助人类的已知去探索未知。目前我知道的前沿科学的研究，无论是遗传学(AlphaFold)，材料学(GNoME – Graph Networks for Materials Exploration)，天文学（AION-1 (AstronomIcal Omni-modal Network)还是其它。目前的前沿研究基本上都是AI 辅助研究，没有例外。而美国高层和科技界人心心念念的AGI（通用人工智能），或者ASI(超级人工智能）也是基于已有的成绩。期望能够尽早达到技术奇点，从而“让所有的问题都不是问题”，包括中国。目前我知道的前沿科学的研究，无论是遗传学(AlphaFold)，材料学(GNoME – Graph Networks for Materials Exploration)，天文学（AION-1 (AstronomIcal Omni-modal Network)还是其它。目前的前沿研究基本上都是AI 辅助研究，没有例外。而美国高层和科技界人心心念念的AGI（通用人工智能），或者ASI(超级人工智能）也是基于已有的成绩。期望能够尽早达到技术奇点，从而“让所有的问题都不是问题”，包括中国。

第四象限又回到现实日常，但是人和AI的所知调转了一下，变成了我知道而AI 不知道。是AI的信息边界-不是知识边界。这个区域，我叫它协同区，但是我觉得英文：customization — 个性化，或者叫适配，定制，更加合适。这反而是更大，更广阔和正确的人与AI ，在职场和生活中应有的相处模式。AI不是不懂，但是不知道具体信息从而无法开始任何有意义的操作。有点类似于汽车能够开始，AI汽车甚至能够自动驾驶，但是它不知道要去哪里。如果知道最终目的地，AI汽车能够自主驾驶。只需要很少的干预。但是这一切的前提是人去告诉它去哪里。AI不懂为什么，也不需要懂。但是它需要一个来自于“人”的任务。或者说purpose — 这是只有人才能定义的“目的”。

为什么突然讨论这些，因为AI 带来的冲击不仅仅是我今天面临的职业危机，是我正在做的创业，更涉及到我该如何引导我还在读高中和初中的女儿们如何与AI 相处，如何理解已知未知的知识，从而尽早找到自己在未来社会里的位置。而这套分析框架，则可以帮我们理顺和AI 的关系，从而正确面对并且利用它。分析框架的意义在于跳出和AI面对面的冲突，站在一个更高的维度去全面思考彼此的位置，去调整和避免直接的对抗。

从职业危机的角度，第一象限是职业冲击的重灾区，岗位会持续减少。第二象限次之，有影响，但是不大。同时，这也是在职人员可以利用AI 迅速追赶上来的区域。所以淘汰的是学习能力弱，或者没有学会用AI 工具的员工。对于第三象限，AI降低了准入的门槛，我估计会创造大量的入门级的研究岗位。以非博士不可的研究，如今一个普通的硕士也可以做了。所以要么一个人可以更快的从事研究，要么有更多的初级研究员的岗位空缺，要么原来不能做完整研究的人可以开始了。第四象限则是让一个人的工作质量得到极大提高的区域。这是学会了使用AI 的人最能创造价值的区域。利用好了，公司可以在现有的人员身上得到更多的价值，个人也可以提高工作质量。

从创业的角度来说，第一象限是最佳的创业空间。正如互联网刚刚开始的时候，创业的逻辑就是将现有的商业模式照搬到网上，而后全球化，规模化。而在AI 时代，创业的逻辑就是将现有的商业模式智能化（AI 化），从而提供更合适的高度个性化的解决方案。从最简单的做图表，到处理财务报表，到写报告，到提供酒店，旅游，订票，餐饮。所有的现实社会的理的商业模式都会被智能化一遍。虽然我不知道未来这个智能化的社会具体会如何，但是我相信这是趋势。第二象限则是教育，更是对学习的定制。这里的学习是广义的学习，无论是小学乃至于大学的教育体系，还是专业技能学校，或者是员工培训，又或者是导游等等临时性的信息获取，都是学习的一种，而且都会变成某种可以被商业化的定制。这里的创业将是全民都是教师，也会是全民学生的时代。而且空间只会不断扩大。我相信这是最大的一块蛋糕。教育将从昂贵变成廉价，从系统化变成个性化，从统一的教室教学，变成随身随地，每个人都有一个专属的教育团队，从定时定点，变成随时随地，从小学初中高中的循序渐进变成终生学习和终生创造，而且会从单纯的学习变成学习和创造同步。从单向变成双向。这个象限有数不尽的变化和我远远不能穷尽的机会。第三象限则是人类未来的希望。利用AI，前沿研究将迎来一个质的飞跃和人人都能研究的时代。这个象限同时也是需要最多的人力资源，雇佣最多人的区域。而越是尽早进入，就越是能够享受先发优势。如果说制衣厂是劳动密集型产业，是当年起家的必经之路，那么这个区域就会是将来的智力的集中地和起飞点。AI 越是进步，需要驾驭AI和与之协作共同创造的高智力型人才需求就越多。这也是国家竞争最激烈的地方。AI — 如果分解成大模型和机器人（具身智能），那么它们共同解决了工程和落地的高效和自动化，但是前沿研究仍然只能是人机的智力协同。第四象限在创业上，它其实是挖掘第二象限机会的基石，只有能够理解自己，了解AI 不足之处的人才能看见并且实现第二象限的机会。所以这个对角象限其实是相辅相成的。

从与AI 相处的角度来说，我该如何利用AI引导我的小孩？主流教育界仍旧在探索之中。我看到有一些AI 前沿研究人员从基础教育着手，让自己的小孩离开学校，远离传统教育体系，用AI 建立一个观察小孩并自主建立进度和的智能学习体系，让小孩沉浸在只有AI 的世界，这是我思考的终生学习的模式。有些是从大学入手，从一开始就是研究型的学习模式。还有些在高中之后，跳过所有的高等教育，直接从动手的项目开始，一边在AI 指导下学，一边立马应用，直接开干。这几种模式我都思考过，但是我不觉得他们适用我和我的小孩。我没有足够的AI 知识，更没有无尽的AI 资源，也没有试错的经济资本。所以我只能选择传统教育资源和AI 相结合的路子。

从年头开始，高二的大女儿开始做一个网站项目。是一个通过回答心理测试题目，让高中生找到合适的报考专业的网站。这个网站就是有引导的边学边干的模式：学习 vibe coding，不懂就问AI 或者我。我则在后面帮她做架构。顺便教她一些AI 智能体编程的基础入门。现在，项目的主体基本完成，这个暑假准备上线。让她的同学们成为第一批用户。

而下学期上初中的小女儿则是做了一个网上的游戏平台。我同样做了框架。但是和相比，我多写了一个入门和辅助的 skill。让她用这个 skill去给AI提要求，而这个 skill 会反问，和她一起去完善这个想法，然后自动实现。到目前为止，她已经“创造”了两个游戏。我准备这个暑假和她讲讲游戏设计的基础入门，同样让这个网站暑假上线，在开学的时候她就可以邀请同学一起玩，并且创建新的游戏。这个平台的目的不是为了学编程。而是让她开始熟悉AI ，通过实践去建立自己和AI 的交互规则，并且习惯性的指挥AI 和从AI 那里学习。

我的实验能否成功尚未可知，但是我的态度是让她们尽可能早的接触这些大模型，然后持续的使用，持续的发掘AI 的能力。并且学习挑战AI 。如果他们将来注定是生活在AI 的世界，不如从小就开始学习如何驾驭它。

最后说一点这些象限的变化。能够确认的趋势是AI 一定会变得更强，但是作为个体的人则未必未必。所以，如果你不变得更强，那么第一象限里，你就是被替代和优化的对象。而后你在第二和第四象限只会有更小的空间。而一个不具备研究思维的人，在第三象限也不会有什么存在感。简单的说，你的生存空间会被极速甚至极限的压缩。这也是目前硅谷讨论的一个热点： Will the AI economy create a permanent underclass? — 你会不会被AI 锁死在某个贫困线？大部分人的倾向是一定有某一部分人会是如此，更多的人在贫困线上下挣扎。体面的工作只会在第三象限。第一象限的淘汰者可能会终生都在在领取前几年硅谷富豪们（慈善家？）实验的– Universal Basic Income （无条件基本收入）。

这个实验就在离我家不到两个小时车程的一个小镇，前后进行了三年，基本上以“失败”告终，因为这些钱并没有改变几乎任何一个这个小镇上居民的命运。这些小镇居民每周收到的三百美元几乎都花在了消费上。没有人存起来，也没有人去用这些钱读书。三年后他们的生活直接打回原形。我当时也觉得这个实验的确是失败的。但是我现在的看法有些不同。换一个角度，这个实验其实是成功的。它一定提供了某些思路：只要用钱将一部分人当猪养，富豪们就可以安心享受他们的生活了。因为不会出现社会性的阶级跃迁，这个实验证明了钱可以买来岁月静好而代价不高。至少，对于一个拥有万亿美元的个人，花个几千亿，买个终生平安，就当是门口的安保费了。而最近的数字是：脸书的老板的安保费是一年 2700 万美元，公司出的。我很不理解当年为什么这些聪明的大脑会连最基本的：授人与鱼和授人以渔的道理都不懂。我现在知道了：因为他们根本就不打算授人以渔。

当然这些都不是AI 带来的后果。任何社会性的后果都是人，而不是工具带来的。羊吃人不是因为机器，而是制度支撑的人的贪婪。AI 也不会碾压人，但是一定会帮助某些人去碾压某些人。

只有不断成长的人，才能够在第一象限不断扩大的情况下，保住自己在第二和第四象限的位置，并试图涉足第三象限，从而扩大自己生存的能力边界。我现在所谓的创业，只不过是想看看我提出的这个思路是不是有前瞻性，可行性。算是为女儿们趟趟路。作为在这个丛林里觅食的动物，我最多算是一条护家的狗，连狼都算不上。只不过既然安身于此，至少也不能把女儿培养成草食动物的牛羊，即便不是真老虎，至少也要能够变成猫。

有一句话叫做悲观的人永远正确，乐观的人改变世界（Thomas L. Friedman）。我算是短期悲观，长期乐观。人只有在乐观里才能看见机会，从而改变这个悲观的现实世界。