AI literacy，不只是会写 Prompt
AI literacy is more than writing prompts最近常常看到一个词：AI literacy。
如果直译，可以叫“AI 素养”。
它不是要求每个人都会写代码、理解模型架构，或者熟练使用所有 AI 工具。
我更愿意把它理解为：
理解 AI 的基本能力和局限，能够合理使用、检查结果、管理风险，并在借助 AI 的同时保留自己的判断。
为什么普通人也需要 AI literacy？
因为 AI 已经不只是一个需要主动打开的聊天工具。
它正在进入搜索、办公软件、社交媒体、招聘、教育、金融服务和各种日常产品。即使一个人不主动研究 AI，也越来越可能接触 AI 生成的信息、建议和决定。
我们需要面对的问题，不再只是：
我会不会用 ChatGPT？
还包括：
这段内容可信吗？这个推荐基于什么？AI 是否遗漏了重要信息？我交出了什么数据和权限？这个决定应该交给 AI 吗？如果它错了，我能不能发现？
所以，会使用 AI 工具，不等于具备 AI literacy。
工具会不断变化。
今天流行的模型、工作流和 Prompt 技巧，过一段时间可能就被新的产品替代。
更长期的能力，是知道如何与一个强大、但并不完全可靠的系统相处。
1. 理解 AI 能做什么，也理解它没有在做什么
AI 可以整理信息、生成内容、分析问题、提出方案。
但它给出的不是天然正确的标准答案。
它可能理解错问题、遗漏重要背景、混淆事实，甚至编造不存在的信息。
更麻烦的是，它即使出错，也可能写得非常自然、完整和自信。
所以使用 AI 的第一个基础是：
表达流畅，不等于真实。回答完整，不等于没有遗漏。语气确定，不等于值得相信。
2. 会提问，更要会定义问题
很多人把 AI literacy 理解成 Prompt 技巧。
但真正影响结果的，往往不是某个万能句式，而是能不能说明：
我在解决什么问题？有哪些背景和限制？什么结果才算有用？哪些地方不能让 AI 自由发挥？
如果问题本身没有想清楚，AI 很可能只是更高效地生成一份看起来有条理的混乱。
除了要求答案，我也会让 AI：
指出我的隐含假设；给出相反的解释；说明缺少哪些信息；区分事实、推断和不确定性。
AI 不应该只负责回答，也可以帮助我们检查：问题是否问对了。
3. 根据后果，决定验证到什么程度
并不是 AI 说的每句话都要逐字核查。
让它发散标题、调整表达，和让它提供医疗、法律、财务或安全建议，风险完全不同。
我会大致分成三类：
低风险任务
发散想法、修改语言、整理结构。错了通常容易发现，也容易修改。
中风险任务
研究总结、工作材料、产品方案、代码和数据分析。需要检查逻辑、关键事实和实际结果。
高风险任务
医疗、法律、财务、安全、新闻事实，以及会直接影响自己或他人的决定。需要查看原始来源、交叉验证，必要时咨询真正的专业人士。
真正重要的不是永远怀疑 AI。
而是知道什么时候，不能只相信 AI。
4. 借助 AI 判断，但不把决定交出去
AI 很容易制造一种确定感。
它可以迅速列出利弊，分析一个人的动机，比较职业方向，甚至告诉我们“最合理的选择是什么”。
但它不承担决定之后的生活。
它不知道所有没有被写进对话的背景，也无法替人决定什么值得追求、什么代价可以接受。
AI 可以帮助扩展视角、寻找反例、暴露盲点。
但最后的选择和责任，仍然属于使用它的人。
会使用 AI，不是让 AI 替自己决定。
而是借用它的能力，让自己的判断更完整。
5. 知道自己交出了什么
我们交给 AI 的不只有问题。
还可能包括私人经历、工作资料、客户信息、文件、代码、邮箱、云盘、日历，以及代表我们采取行动的权限。
所以使用之前，至少值得问：
这段信息是否必须完整提供？能不能删除姓名、地址、编号和其他识别信息？这个工具需要读取一个文件，还是整个账户？它只能回答，还是可以修改、发送或删除？
一个工具足够聪明，不代表它天然应该得到全部信任。
隐私、安全和权限管理，也应该是 AI literacy 的一部分。
6. 使用工具，也保留自己接管的能力
AI 可以让我们更快完成很多事情。
但用得越多，也越需要偶尔检查：
我是在借助 AI 思考，还是越来越避免自己思考？我理解结果为什么成立吗？我能发现明显错误吗？离开 AI，我是否仍然知道下一步该怎么做？
依赖工具本身并不一定有问题。
人类一直在依赖搜索引擎、计算器和导航。
真正的问题是：当工具出错时，我们是否还有足够的理解，能够发现问题并接管回来。
所以我理解的 AI literacy，不是掌握尽可能多的工具。
它是一组更基础的能力：
知道 AI 可以做什么；知道它可能在哪里出错；知道什么需要验证；知道哪些判断不能外包；知道自己交出了什么信息和权限；也知道如何在使用工具的同时，保留自己的理解与主动性。
我给自己留下了六个使用前的问题：
- 我真正要解决的问题是什么？
- 如果 AI 错了，后果是什么？
- 哪些信息必须另外验证？
- 我的假设可能错在哪里？
- 我正在交出什么信息或权限？
- 哪个判断和责任必须由我保留？
未来不会使用 AI，可能会损失一部分效率。
但只会使用、不懂判断，也可能把效率建立在错误、依赖和失控之上。
真正的 AI literacy，是会借力，也知道在哪里停下来。