考虑到大型语言模型当前的功能和局限性，有几种类型的工作特别适合使用人工智能。虽然这份清单据说有科学依据，但更多的是根据经验。与任何形式的智能一样，要利用好人工智能，需要运用矛盾论：相信人工智能可以带来改变，但你必须持怀疑态度，强大但容易出现小问题，对于某些任务至关重要，但它是有害的到其他任务。我也想提醒大家，除了用人工智能作为灵感之外，不要太认真地对待这个清单——你最了解自己的情况，本地知识比任何通用原则更重要。好吧，考虑到目前的能力，下面列出的任务类型特别适合使用人工智能。此外，还列出了一些需要保持警惕的场景。
适合使用AI的场景
1.需要产生大量想法的任务：例如，在头脑风暴中，想法的数量往往决定了最优想法的质量。大多数人在产生几个想法后就会感到疲倦，但人工智能可以有效地提供数百个独特的想法。
2、你拥有专业知识，能够快速评估AI输出的质量：虽然有些工作可能很复杂、要求很高，但你可以用你的专业知识来判断AI输出的价值。例如，OpenAI的新模型o1可以解决一些博士级别的问题，但非专家的人很难判断它的答案是否可靠。
3、需要总结大量信息但容错率较高的任务：AI擅长总结大段文本（如小说）的内容，但在事实核查方面的有效性有限。
4. 在不同框架或观点之间转换内容：例如，您已经设计了一项政策，但需要为组织内的不同受众创建单独的培训文档。人工智能可以高效调整文档复杂度，确保内容适合不同人群的理解水平。
5. 推动你前进的工作。我们前进的路上常常会遇到一些小障碍，我们只需要一个推动力就可以前进。例如，过去我可能会因为写不完一个句子而停止写作，但现在我可以要求人工智能提供数十种不同的结局。
6. 人工智能比你能接触到的最优秀的人类执行得更好并且犯错误但不会造成严重后果的任务。
7. 需要帮助理解上下文或细节的任务：Tyler Cowen 建议使用 AI 作为阅读助手，因为你可以不断地问 AI 问题来加深理解。
8、需要多样化答案的任务：例如，作为编辑或策展人，你可以要求 AI 提供多种风格完全不同的解决方案，例如“针对这一点重新设计 15 个表达方式”，帮助你发现独特的想法。
9. 研究表明人工智能几乎肯定会帮助就业。例如，编码工作有多种类型。
10、需要初步分析不同接受者可能反应的工作：AI可以模拟敌对、友好或幼稚的反应，为你提供参考。
11、需要跨学科知识且没有足够好的合作伙伴就完全不可行的创业任务：在这种情况下，AI可以成为你的“联合创始人”，在文档制作、演示以及其他超出你专业知识的事情上提供指导和协助。
12.需要特定视角的任务：例如，模拟某些虚构人物的最初反应。
13. 一些任务变得形式化、脱离实际：例如一些标准化报告。用鲍勃·萨顿（Bob Sutton）和哈吉·拉奥（Huggy Rao）的话来说，那些会分散你注意力、降低你价值并且毫无用处的东西。虽然最好完全取消此类工作，但人工智能至少可以减少其时间消耗。 （需要注意的是，这种工作确实没有意义，特别是因为一些自动化任务可能需要手动完成才有价值。）
14.需要第二意见的任务：向AI提供数据，看其结论是否一致。
15.人工智能胜过人类任务：这是一个快速发展的领域。
不适合使用AI的场景
1、当你需要学习和整合新信息时：AI虽然可以提供总结，但它不能代替你的个人学习。让人工智能为你解决问题并不是一种有效的学习方式，即使你觉得它是。要学习新东西，你必须自己阅读和思考，尽管你可能仍然发现人工智能在部分学习过程中很有帮助。
2. 精度要求极高的任务：因为人工智能可能会犯“幻觉”错误，而这些错误看起来很合理，人们很容易忽视它们，从而增加风险。幻觉可以减少，但不能消除。 （然而，在现实世界中，很多人类的错误是可以容忍的，因为人也会犯错误，甚至在某些情况下，AI并不像人类那么容易犯错误）
3.当你不了解AI的失败模式时：AI的失败与人类的失败不同。是的，你可能知道人工智能可以创造“幻觉”，但这只是事情可能出错的一种方式：人工智能也可能试图说服你它是对的，或者当你给出“幻觉”时说你是对的。错误的答案。只有通过经常使用才能逐渐了解这些潜在的风险。
4.当努力本身就是目标时：在许多领域，成功往往需要持续的训练才能实现。例如，作家可能会一遍又一遍地重写同一页，而学者可能会多次修改理论。依靠人工智能来跳过这些过程可能会剥夺你获得关键“顿悟”时刻的机会。
5. 当人工智能表现不佳时：人工智能在一些意想不到的领域表现不佳。例如，计算“strawberry”中字母“r”的数量。它在其他领域也可能有惊人的表现。例如，写一首关于计算“草莓”一词中的“r”的莎士比亚十四行诗，并要求每行的第一个字母拼出两个水果。目前，还没有定义人工智能能力“边界区域”的通用指南，因为这些能力仍在不断发展。反复试验以及与同行交互是理解这些功能的关键。
译者：博熙.
