大方向会赞同:AI 感来自“只模仿表面、没有内部结构”,好作品要先知道好在哪。分歧可能在把 AI 感一律归为恐怖谷,以及把“骨相”当成唯一正路。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
“看出不对却说不出”正是他重视的判断
立正把“看一眼就知道好不好”当作人最不可替代的能力:先感受到哪里不对,再通过对比、示范把它讲清楚,AI 负责把可模式化的部分放大,人再回来校准1。他也强调,能不能找到真正合理的比较对象、知道什么重要,很吃“吃过见过”的功底2。你文章里“直觉先发现、说不出原因”的观察,和这条线是同一件事。你引用课代表“找不到大腿是因为不知道好的长什么样”,也正好接上:判断力来自见过足够多的好与差,而不只是会操作工具。
恐怖谷类比成立,但解释力有限
恐怖谷的原始案例是假手和尸体,核心是“像人却缺了内部的东西”,你用它解释 AI 视觉产品的违和感,方向说得通1。但立正谈良质时更强调:好坏不是主观客观二选一,而是主观遇到客观那一刻的感受,需要靠不断放下预设、回到真实体验去练3,4。所以“AI 感=特化恐怖谷”可以是一个好用的入口,却不宜当成完整解释;同样有 AI 感的作品,有的缺结构,有的只是你没见过更好的版本,两者要分开。
“骨相”是手段,不是唯一标准
你区分皮相、骨相,主张先懂结构再回到表面,这个次序和立正“先感受、再示范、再让 AI 执行”的循环相容1。但要注意条件:骨相好更利于化妆和出片,是特定用途下的优势,不是所有作品都必须先练解剖。立正也提醒,知道事实和后果不会自动替你完成价值选择5;同样,懂结构也不自动等于做出了好作品,最终仍要回到“这一版看起来对不对”的判断。
现有片段没有立正直接评论“AI 感”或恐怖谷类比的原文,以上是按他谈良质与判断力的材料做的推演。
出处
- 1良质与 AI:为什么人类最不可替代的能力,反而是「看一眼才知道好不好」?
人机协作中“人先感受、再示范、AI 执行、人再校准”的循环,最贴近你文章的核心主张。
- 2如何炒作一个AI概念?以Jev为例…
讲“吃过见过才知道什么重要、才能找到比较对象”,对应你引用的课代表观点。
- 3Dynamic Quality — 世界的本质
解释良质为何不是主观客观二分,适合核对你对“说不出为什么”的处理。
- 4立正本人的话 · 问道|格桑泽仁老师访谈
可回到原文核对这部分判断
- 5AI接过工作之后,人生的问题才刚刚开始
说明知道事实与结构不会自动完成价值判断,可用于校准“骨相”那部分的边界。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 什么是ai味的前端 ,针对于SAAS软件
“AI味的前端”指在旧SaaS界面上贴一个聊天框、把AI当成给人用的附加功能;真正AI原生的方向是让软件能力变成Agent能直接调用的原子化接口,界面退到次要位置。
- 我在网上看到有些人可以把 token 用的非常多,比如说跑几百个 agent 做这种类似 one-person company。
我感觉我现在虽然也用 Claude,但我还不是这种状态,我基本还是 single thread,或者 at most 也就 3 个 thread 这样子
几百个 agent 不是靠人同时盯几百条线程,而是把大部分任务交给自动化流程,人只看关键节点和结果。
- 如果我的本职工作和要放大的事业关系不大,该怎么选那一头?
先判断哪一头有更大的放大空间,再把稳定的一头当底座、把可放大的一头当主攻;不必平均用力,也不必立刻辞掉本职。
- 我在自建中台软件,涉及到知识库和知识台两部分,知识库采用那种路径更好?是obsian这种,还是mag或grep?
现有材料没有比较 Obsidian、mag 或 grep 这三种知识库路径,无法据此判断哪种更适合你的中台。能确定的是:知识库要服务分叉、引用、结构化资产和过程可观测,而不只是线性记录。
- 我应该如何影响我的其他同事,推进当前的项目
先弄清同事在意什么,再用他们关心的价值切入,而不是只讲自己方案正确。
- 立正从什么时候开始做视频,如何坚持下来的
立正说自己是五年前开始做视频、每周至少更新一期;起点是给餐馆做外卖教学视频,发现满足了表达欲,就一直做下去。