当AI让答案唾手可得，人类的核心能力正转向“提出好问题”。Perplexity创始人Aravind Srinivas在TED演讲中指出，AI不仅是工具，更是激发好奇心、推动思维进化的催化剂——关键在于用它探索更深刻、更具原创性的问题，实现从信息获取到认知跃迁的转变。
苏格拉底说智慧来自于不断提问，那么当 AI 让答案唾手可得，人类该提出怎样的问题?
Perplexity 的创始人亚拉文·斯里尼瓦斯（Aravind Srinivas）在 Ted 演讲中提出了一个引人深思的问题：当 AI 让世界上的所有答案都触手可及时，人类会开始问什么样的问题？ 他认为，AI 不仅仅是提供答案的工具，更是激发人类好奇心的催化剂。过去，获取高质量答案是一种特权，只有少数人能接触到最好的资源和专家，而 AI 正在改变这一切，让每个人都能平等地获得知识。当答案不再稀缺，真正重要的将是我们如何提问！
我们能否提出比以往更深刻、更具创新性的问题？我们能否利用 AI 拓展思维的边界，探索那些过去未曾想到的问题？ 或许这场 AI 技术革命的核心，不仅仅是信息的普及，更是人类思维方式的进化。
Anthropic 实验显示，Claude Opus 4.7 已能全程自主控制机器狗完成任务，速度比人类快约 20 倍，代码量仅为其十分之一。这标志着 AI 智能体正从辅助编程迈向物理工具自主操作阶段。但模型在实时闭环精细控制上仍有局限，且当前成果基于低复杂度任务。该进展体现了通用模型 scaling 的副产物效应，预示物理智能体时代早期来临，但距离解决复杂真实场景仍有差距。
MIT 本科生 Kelly Zhang 利用 fMRI 信号实现脑内画面实时视频生成。她基于视觉皮层与深度神经网络的结构相似性，结合 Vision Transformer 提取特征、Latent Diffusion Model 还原图像及 Stable Diffusion 生成视频，成功将大脑活动转化为可视内容。该技术虽处早期且细节有待提升，但在 PTSD 治疗、失语沟通及痴呆症辅助等领域具广阔前景。其突破关键在于跨学科知识融合，打破了传统科研的领域壁垒，为未来科研方法提供了新启示。
Andrej Karpathy 在 Sequoia AI Ascent 2026 提出编程范式正从 Vibe Coding 转向 Agentic Engineering。核心变化在于工作重心从编写代码转为编排智能体，要求开发者具备系统设计与审查能力。演讲强调需警惕"80%问题”，即利用 AI 快速完成基础工作后，必须依靠人类经验处理安全、架构等剩余难点。这一转变意味着理解力将比编码能力更稀缺，对开发者、管理者及创业者重新定义产品与团队角色具有关键指导意义。
围绕《Ted 演讲：当AI让答案唾手可得，人类该提出怎样的问题？》展开交流，未登录用户可浏览评论，登录后可参与讨论。
