AI探索指南

试了一下扣子空间新增的设计能力#ai创造营##ai画图# 这个一键生成公众号文章图片、文字素材并且排版的能力太屌了 而且支持一键复刻和生成带很多文字的小红书封面完全不用写提示。 🧵下面是我发现的一些玩法和功能介绍 首先是即使在设计模式下，扣子空间依然是可以调用搜索功能的。 这样你就能批量生产那种小红书常见的很有设计感的不同品类知识卡片，另外他也可以参考你上传的图片的排版帮你基于新的内容生成图片。 比如这里我就找了一个健康类的卡片让他帮我生成一个养狗须知的宠物类知识卡片。 然后我就想这个参考能不能…

无痕改字是这里面最强的功能，我们之前在其他产品上生成带文字图片的时候经常遇到，这张图特别好就是某个字错了，这时候非常可惜，想改对非常难。
但还扣子空间这个改字非常强大，基本改就有，涂抹一下，输入想要改的字，字体和原来的还是一致，而且新生成的文字也都是对的。

上面就是这次扣子空间设计能力的测试和我发掘的玩法了。
我之前常说 80 老太都能操作，扣子空间这个设计能力真的达到了这个需求，加个语音输入说句话就行，可以说日常的设计需求 100% 0 门槛化了。
我这里说的日常设计需求，不是我们所理解的电商或者互联网运营设计，而是每一个不会设计的普通人，比如小红书发个简单的帖子、为自己的小店整一个招聘海报或者小区物业需要个简单的报告。
其实这些人日常也是需要设计的，只是以前设计师太贵，而且沟通成本很高，AI 来了之后又得需要付费和找提示词，非常麻烦。

遇到了一个有趣的问题，正好落在 AI 模型的能力边界处：试证明不可能把平面分成无穷个圆的无交并。

在我尝试的所有模型里，只有 GPT 5 thinking model 成功做了出来（虽然花了点时间）。

有趣的不是这个结论，而是观察它们的思路。所有失败的模型都有个共同点：它们的思考基本上是从文字到文字的。它们会调用自己脑海中各种已有的定理和知识，然后漫无目的地试图拼凑出一个证明，但所有这些定理，不管是拓扑的还是几何的还是测度的，对它们来说都是纯粹字面意义上的陈述。Qwen 的思考过程最典型：它滔滔不绝想了很久，但很显然从头到尾它都并不真的理解它在说什么。圆也罢，开集闭集也罢，Baire 纲定理也罢，对它来说都是纯粹的概念，给人的感觉是它甚至并不真的知道「圆是圆的」。

微妙之处在于，这种「没有几何直觉的几何思考」在某些时候其实未必是一种劣势。现代数学早已挣脱了对三维现实想象的依赖，大部份数学思考本来也确实是在纯粹的概念思辨空间中进行（特别是当问题进入代数乃至范畴论的领域的时候，这时从概念到概念的思考就变成了一种必然）。有的时候，几何直觉甚至反而会成为一种束缚，特别是当思考高维空间的时候，基于低维现实的直观常常是有误导性的。在这些问题上，AI 的「盲目」理论上反而带来了自由，使得它不必受困于视觉直觉。——当然，人类的视觉直觉可能会渗透进人类的文本语料里，在某种程度上「污染」AI，但这是另一个问题。

然而对原问题来说，因为这是一个标准的低维几何问题，几何直觉在这里不但有用，而且能大大缩短思考搜索的难度。在这一点上，一个把圆只作为抽象概念来理解的 AI 就会有巨大的劣势，因为它无法享受到几何直觉带来的跳步。这种直觉使得人可以一眼「看出」关键的构造，而这种构造在文本层面被搜索出来是困难的。

考虑到 AI 的应用毕竟大多数情况下还是为了解决世界现实问题而不是思考高维几何，有几何直觉的 AI 会在大多数问题上显得聪明得多。于是一个现实问题是，这种直觉是只有依赖多模态的训练才能获取，还是可以通过精巧的文本训练就能实现？这有点像是 AI 领域的玛丽房间问题。这是一个经典的知识论思想实验：一个从出生就生活在黑白房间里、精通颜色物理与神经机制的科学家玛丽，当她第一次走出房间看到红色时，她是否获得了新的知识？

今天大多数 AI 领域的困难都可以归结于此。人类是自己感官的奴隶，我们听到、看到、闻到，我们体会身体激素的涨落，我们想象、困惑、愤怒，然后试图把这一切投射在文字空间里。AI 则正好相反，它们在文字里理解这一切，但最终需要努力地——有时候是徒劳地——明白，一个圆在什么意义上是圆的。