我认为人类在现在的工作当中，如果使用的是某种超级入口（比如说 Codex、Grok bot 或者是终端），往往常做的事情其实是：text、enter 回车，然后 review artifacts and give some comments and continue。接着开一堆 session，可能有一个主 session，还有并发去开的一堆 session，然后设置一些 loop。
你在每个领域里做的这个事情，本质上其实只有两件：第一件叫采样，第二件叫判断。
什么是采样？假设有一个高斯分布，Diffusion 要把它变成一张图，人类在里面做的事情就是：我先告诉你往哪个方向去生成。这本质上就是在剪枝，把 360 度以外的 359 度剪掉，确定了那一度再去推进。如果人类充分具有审美、品味还有 know-how，那么剪掉这 359 度很有可能会让 Agent 更接近正确答案。它加快了收敛，本质上也在节省 token。
人在做判断的过程当中，也是在做世界线的收束。
比如 research，我觉得算是一种基于 baseline 去 remix 市面上已有的 idea：一级 remix、二级 remix、三级 remix，然后组合调和。这边虽然需要一些经验和手感，但本质在数学上都是可以穷举的。这项工作事实上就是无限的发散和收敛，用 token 就能解决。只不过人投入得越少，token 消耗得就越多，而且可能也没有一个经验系统去 judgement、去 filter 那些大量发散的方案。所以人类在这里其实是在让 token 的边际递减效应没有那么明显，人在做的事情依然是剪枝。
Research 是一样，数学领域 OpenAI 的暴力突破是一样，AI infra 比如 instruction enforcement、TTFT 的推理优化也是一样的问题。艺术创作甚至都可以是一样的问题，包括抽卡。
只是有的地方人介入会更有效率，有的地方人介入的效率会更低，这取决于领域。比如最早 Midjourney 画出的那张图，如果叫 AI 无限去发散，就跟猴子打字机写出一本《哈姆雷特》一样，概率极低。
所以哪些工作更加有意义，哪些工作相对而言更无意义？收敛得快的工作是无意义的；而收敛得慢的工作，才需要人的判断，需要人和这个社会、和这一群乌合之众去 interaction 交互。