人類的認知協議

本系列分兩篇，本篇為上：

• 上篇：人類的認知協議，AI 如何服務於人

• 下篇：世界的物理接口，AI 如何鏈接萬物

前置問題：Prompt 是什麼？ 

答：翻譯官，能填補人類與 AI 的認知差異

人，擅長具象，習慣用類比的方式，借由已知去理解未知。

比如，如果被小朋友問到「什麼是卡茲克？」

我會說：「一個螳螂，遊戲里的，不耐揍」

注意，這裏我會引入一個小朋友見過的東西螳螂，然後再加上一些限定詞：遊戲里的、不耐揍

AI，是概率的集合。

在 AI 眼中，世界是概率的，所做之事，是不斷預測下一個詞。

比如，在 GPT 的眼中卡茲克，就是下面這一連串的概率。

正是這種思維方式的不同，讓我們有了 Prompt：通過定義角色、約束範圍和明確目標，來將人類意圖，轉化為 AI 的執行。

但這隻解決了一半問題：AI 理解人類了，但人類依然不理解 AI。

AI 回應人類時，依舊按照其本能輸出，並不在乎人的認知需求：

• 喜歡多感官的信息：說話時，我們會用語氣、表情、手勢來傳遞豐富的信息

• 需要更清晰的結構：閱讀時，我們喜歡合理分段、標註重點，而不是一篇純文本

• 無法保持長效注意力：上高數的時候，如果前面一句話沒搞懂，後面就再也聽不懂了

• 珍視更深的情感共鳴：聽故事的時候，我們更容易記住那些讓我們笑過、哭過的情節，而不是乾巴巴的數字

• …

Prompt 讓人類更好地使用 AI，AI 也需要更好地服務人類：在設計 AI 產品時，基於人類的認知協議，去做更深層次的雙向適配。

人是感官動物

下面的內容，是典型的 AI 生成，很枯燥，沒人想讀。

從基礎模型到實際應用的關鍵環節

基礎模型通過模型廠商利用海量數據訓練的大規模語言模型，為 AI 應用提供基礎能力。它奠定了 AI 應用的性能上限。在基礎模型的基礎上，通過引入專業領域數據進行模型微調，由專業用戶針對特定領域優化模型，提升專業場景的準確度並降低錯誤率。為了進一步增強模型的能力，加入知識增強技術（RAG），通過模型自動實時檢索外部知識庫並融合生成回答，從而顯著降低幻覺現象，並提供可溯源的準確信息。在終端應用中，通過提示詞優化技術，用戶可以通過優化輸入提示直接影響輸出質量，這是最容易掌握的優化方法。

下面這一段內容，也是 AI 生成的，但易於閱讀

Prompt

「圖解大模型從預訓練到終端用戶 prompt 發生了什麼，以及重要性」

AI 系統演進圖解

從基礎模型到實際應用的關鍵環節

基礎模型

Base Model

由模型廠商通過海量數據訓練的大規模語言模型，為AI應用提供基礎能力。

重要性：

奠定了AI應用的性能上限。

模型微調

Fine-tuning

由專業用戶針對特定領域優化模型。

重要性：

提升專業場景準確度，降低錯誤率。

知識增強

RAG

模型自動實時檢索外部知識庫增強回答。

重要性：

顯著降低幻覺，提供可溯源的準確信息。

提示詞優化

Prompt Engineering

終端用戶優化輸入提示獲得更好結果。

重要性：

直接影響輸出質量，是最容易掌握的優化方法。

區別在哪？

• 信息不再是文本，而是有重點的、結構化的圖文。

• 先用版式建立關聯，再用動畫輔助認識，最後是文字深入細節。

• 通過這種方式，降低認知負擔，減少閱讀壓力。

於是，我們在開始探索更豐富的多模態交互方式：比如嘗試將圖形界面 GUI，語言界面 LUI，乃至聲音界面 VUI 更加融洽的結合。

這裏我舉兩個例子，都來自前幾天的 OpenAI 開發者大會：《來自現場：OpenAI 把實時交互，捲到了新高度》

場景一：數據庫構建的混合交互

Supabase 是一個數據庫產品，提供如 Postgres database, Authentication 等服務。

在其最新產品中，借由鼠標點選和自然語言交互，快速地更改數據庫結構，或者生成對應查詢語句。這種交互方式既保留了 GUI 的直觀性，又融入了 LUI 的靈活性。 

Chatbot，也可以和 GUI 融合

場景二：實時天文解說

前幾天，這一 API 支持到了 Function Calling。這意味著即便是語音交互，也不再拘泥於單純的聲音傳遞，而是可以進行如操作電腦、聯網、查找資料等功能。在發佈會現場，演示人展示了如何「言出法隨」操作天體。

現場聲控演示，效果驚豔

這些有趣的探索，不再滿足單純的信息傳遞，而是試圖讓 AI 貼近人腦的思考和表達：

• 縱向上，它學會了先說重點、再談原因、最後深入

• 橫向上，它開始讓視覺、動畫和聲音在恰當的時機出現

多種感知通道不是簡單疊加，而是如交響樂般默契配合，在恰當時機調動視覺、動畫和聲音來傳遞信息。

或許，好的 AI，不僅應該更「智能」，還應該更「自然」 – 更接近人類認知的認知協議。

人，頭腦簡單，要順著

我們總會把零散的事件，編織成故事。

比如當年「賈君鵬，你媽媽喊你回家吃飯」爆火，我們就會開始尋找原因：「是不是公關給了壓力」，「是不是貼吧沒活硬整」。

當一個公司突然倒閉，自媒體上，就會看到一個完整的衰落史：「從他們更換了那個 CEO 開始」，「自從轉型做 To B 就註定要完」。

我們有足夠強的興致，將任何事情歸因，哪怕相信一個漏洞百出的故事，也不願承認很多事情就是偶然和隨機的疊加。

我們的世界，何嚐不是一隻貓？

這並不是壞事，對於經驗和刻板印象的依賴，會幫助我們節省太多的精力，比如：

• 挑餐廳的時候，選人多的，大概率比較新鮮好吃

• 看到賽博禪心推送的時候，總認為是最好、最新的內容（bushi

在新事物前，我們也會不自覺的去聯繫以往經驗：

• 電流就像水流，電壓就像水位

• 大氣環流像燒熱水，熱空氣上升，冷空氣下沉

• 原子結構像是太陽系，原子圍繞著原子核，像是行星圍繞著太陽

類比雖不準確，但也是我們理解新事物的腳手架，幫助我們從已知過渡到未知。

用蹦床，模擬相對論

我們記不住太多東西。數字大於 7 位的時，就很難一次記下。

如果手機號是「13812345678」，就會被分段記成類似「138-1234-5678」。

在記憶時，我們還需要去找場景，否則也會很快忘掉：

• 狼人殺教不會，打一邊就會

• 麻將教不會，搓一把就會

• 代碼看再多的書都記不住，得上手做項目

如果內容不能結合上手，可能不會留下記憶。

網傳的胡牌公式，反正我不會打

這些都是基因的選擇，需要我們去配合：

• 把複雜的並行信息編織成一個個引人入勝的故事

• 善用類比，用熟悉的事物解釋陌生的概念

• 控制好節奏，讓信息量不會讓大腦過載

• 創造應用場景，讓知識找到它的用武之地

人是情緒動物

情緒，是認知世界的重要工具。我們自傲的理性，其底色也都是情緒。

人類對世界的認知，總伴隨著情感的投射。比如古人會把雷電，想像成天神發威；現代人會給自己的玩偶，起各種名字。

以至於這兩天有了一個爆款小程序：狸譜Lipu 的《靈魂提取器 》- 拍攝/上傳物體照片，AI 就能將其轉化為擬人化角色。

把生活中的物件，變成二次元萌娘

這並非是幼稚，而是基因的傳承：用情感化的方式，快速理解世界。

信息伴隨情感之時，大腦會調動更多的神經來處理：杏仁核標記情感，海馬體儲存記憶，前額葉也會更優先分配注意力，讓一切信息變得更加豐富立體、鮮活。這種情緒機制，也在幫我們決定什麼值得注意，什麼該被記住，什麼需要思考。

而在面對選擇時，大腦會自動調用過往的情感經驗作為決策依據。這雖然不夠理性，卻能幫我們在複雜環境中快速快速決斷。

布嘌呤半升

豈能久居人下

須知：情緒不是理性的對立面，而是認知的催化劑。

以及：未來最成功的 AI，一定既能解決問題，又能觸動人心。

人，注意力有限

好友 Owen，也是沉浸式翻譯的作者，提到過一個點：「最寶貴的，是注意力自由」

是啊，人沒有足夠精力，去完成所有的事情：每天做不了多少事，便沒了力氣。

所有的抱怨，都是人和事情的失調，是機遇。

我不擅長寫前端。

之前每有需求，就是讓 ChatGPT 來寫，然後人工貼到 VSCode，報錯了再回去問。

如此反復，很耗心力。

而如果我用 Claude，便可通過 Artifact 直接渲染，節省了許多不必要的精力損耗。

🏀和🐔，是有共同點的

bolt.new 則更進一步，將環境完整搬到瀏覽器，支持更多文件的讀寫，這使得我可以完成更為複雜的。比如，這裏我用純自然語言，讓他幫我做了一個 API 接口測試對比工具。

按正常開發，這個東西我得寫一週

在內容消費方面，如何有效利用注意力的問題同樣重要。同樣的內容，在不同的設備上，都會被以更好的方式渲染：

• 在手機這樣的小屏上，內容會自動重組，突出核心信息

• 在電腦等大屏設備上，則能呈現更豐富的細節和交互選項

本篇內容，手機和電腦顯示不同

這種展示方式，被稱之為「響應式設計」，Responsive Design。

隨著 AI 的加入，相信我們還可以擁有「響應式 AI」：根據使用場景和讀者的偏好，動態的調整內容及交互。例如：同樣的內容，AI 可以在嘈雜場景中強調視覺信息，在運動場景中則用聲音提醒。

這是一個轉變：產品從等待用戶分配注意力，到主動優化認知資源。

人類認知協議

我們曾經的內容表達，局限於常規預設：文字、靜態圖表、簡單對話。

但這並無法發揮 AI 的潛力，甚至帶來了 AI 的融入困難。

或許，我們應重新審視：

大腦習慣於信息的分層理解。AI 的輸出應建立於邏輯分層：核心結論直接可見，支持邏輯和背景次之，深度細節作為擴展選項。比如，展示技術方案時，會先看到直接效果，再瞭解到背後的機制，最後決定是否進一步探索細節。

比起靜態文字，我們更喜歡視覺化的動態信息。多模態的表達，可以使信息更生動：視覺化簡化複雜關係，動畫展示變化過程，聲音和觸覺強化關鍵提醒。這些形式並非互相疊加，而應動態結合，形成一種協同的信息傳遞。並且：多使用 Function Calling 吧，方法都在文檔里。

情感體驗至關重要。信息的最佳載體是情感，當內容帶著適當的情緒，大腦會本能地加深理解和記憶。這啟發了 AI 的表達藝術：不僅傳遞答案，更要在恰當的場景中喚起共鳴。

可交互性，是關鍵。傳統的信息展示是單向的獨白，而 AI 讓內容變成了雙向對話。通過實時交互和即時反饋，我們不再是內容的被動接收者，而是共同創作者。

屬於 AI 的響應式。AI 的輸出，不應是千篇一律的答案，而應像變色龍般適應環境。在手機上它是簡潔的決策助手，在電腦前它是全面的分析工具，在嘈雜環境它側重視覺，在運動場景它善用聲音——始終以最適合當下場景的方式傳遞信息。

認知即接口：我們會不斷探索人類的認知模式，然後設計出更自然的人機交互：AI 未來的輸出，或不再是單純的「答案」，而是一種體驗。