计算机的终极目标是什么？是替代人类思考，还是成为扩展人类思维的工具？本文探讨了 AI 与 IA 的融合，以及它如何重塑我们的创造力。
基于 Shan Carter & Michael Nielsen, Distill (2017)
早期的计算机（如 ENIAC）主要用于批处理复杂的数值计算（如弹道计算）。它们被视为纯粹的计算工具。
Douglas Engelbart 提出愿景：计算机应是实时交互系统，用于支持和扩展人类解决问题的能力。这催生了现代人机交互 (HCI)。
AI 研究通常专注于将智力任务完全外包给机器，目标是在特定任务（如下棋、图像识别）上匹配或超越人类的表现。
长期以来，AI 和 IA 在争夺资源。它们代表了使用技术的两种截然不同的哲学。
目标：认知外包 (Cognitive Outsourcing)
目标：认知转型 (Cognitive Transformation)
今天，一个新的领域正在从 AI 和 IA 的融合中诞生。我们称之为 人工智能增强 (Artificial Intelligence Augmentation, AIA)。
“利用 AI 系统（例如强大的生成模型）来帮助开发智能增强的新方法，从而创造出全新的认知工具和创造性界面。”
AIA 的一个关键应用是“生成式界面”。这就像为复杂的 AI 模型绘制地图，让人类能够探索并利用模型“知道”的知识进行创作。
想象一下，描述一个字体需要数千个像素点（高维数据）。生成模型学习如何将这些复杂数据压缩到少数几个关键变量中（低维数据）。
这个压缩后的空间就是“潜在空间”。在这个空间中移动，就能平滑地改变输出结果。
拖动滑块（模拟改变潜在变量），观察输出（字体）如何变化。
我们可以通过提供范例（例如，几组常规字体和粗体字体）来计算潜在空间中的“属性向量”（例如，“加粗向量”）。
用户提供“常规”和“粗体”的范例。
模型计算两组范例在潜在空间中的差异。
“粗体向量”
将该向量应用到任何新字体上，即可实现加粗。
这种方法的强大之处在于，AI 自动学习了复杂的专家级规则。例如，专业的字体加粗不仅仅是加粗线条，还需要保持字体高度，并智能地保留封闭负空间（如字母 'A' 的内部空隙）以保证易读性。
AIA 将 AI 捕捉到的专家直觉，转化为了人人可用的直观工具。
AIA 的深层价值不在于解决单个问题，而在于改变我们思考的方式本身。
将计算机视为解决问题的“神谕”。“计算机，帮我分类这张图片。”
结果：任务完成了，但人类的思维方式保持不变。
将计算机视为创造新思维原语的元媒介。“这个工具让我能用新的方式思考风格和结构。”
结果：人类内化了新的操作和表征，改变了思维的基底。
我们依赖前人发明的认知技术（如语言、代数、地图）进行思考。AIA 使得快速发明新的认知技术成为可能。
人们常认为界面应该“用户友好”（即简单易用）。但这通常意味着界面是陈词滥调的组合，无法揭示新事物。
真正新颖的表征（如毕加索的画或费曼图）起初看起来很奇怪。最好的界面不追求浅薄的易用性，而是揭示深刻的、令人惊讶的新原则，即使它们最初显得陌生。
AIA 工具非常适合工匠式的创造力——对现有最佳实践进行熟练的重组和应用。
未来强大的生成模型可能会发现超越人类现有知识的抽象概念，帮助我们发现全新的基本原则（类似科学理论预测新现象）。
AIA 提供了一种愿景：AI 帮助我们发明新的认知技术，扩展人类的思维范围，而扩展后的思维又会反过来加速 AI 的发展。
“这不是机器的奇点，而是人类思维范围的奇点。”