#模型时代# Jason Wei：如何判断一项工作是否适合用AI自动化。我觉得这个框架很简洁有力。按我的理解有点是看：是手指密集型？还是脑细胞密集型？

***
判断人工智能会先自动化哪些任务，有一个很好理解的角度叫“描述和执行之间的差距”。意思是：一件事到底是“说清楚它该怎么做”更难，还是“真正动手去做”更难？

如果一件事很容易描述清楚，但做起来稍微有点复杂，那它就很适合让AI来完成。因为：
• 很容易为AI提供训练数据（只要把描述和结果对应起来就行）；
• 一旦自动化成功，节省的时间和精力很可观。

比如：
• 帮你改一篇文章的语法错误
• 把发票上传去报销
• 训练一个模型，让它在某个标准测试上达到指定成绩
• 搭一个App，这个App界面不复杂，但后端逻辑很多

而有些任务听起来不难，但你要详细讲清楚怎么做却非常麻烦，这种就很难被AI替代。因为：
• 描述得特别具体才有用，但这件事本身其实不怎么复杂；
• 也不太容易收集到训练数据。

比如：
• 写一个处理数据的小脚本（用自然语言说清楚反而比直接写代码更费劲）
• 在一堆老代码里做一个模型对比实验（你得非常了解整个上下文）
• 剪一个风格统一的视频（你知道怎么剪，但很难一句话说清每个细节）
• 给妈妈买中式食材（她要的量、品牌、挑选方式都很讲究，不如她自己去）

这个“描述-执行差”的概念，跟AI里常说的“生成器-判别器差距”有点像，但不是一回事。比如剪视频这个例子：
你可以很容易判断一个视频风格对不对（判别简单），但要AI剪出这个风格的视频却很难（生成难），而你要准确描述每个剪辑点又更难（描述也难），所以AI自动化起来也很难。