听到这，马小飞开口：“卧槽，我他妈鸡皮疙瘩起来了。”
他转头看了一眼架在桌上的Pocket 4P，伸手拿回来，关机。
“你放心，刚才这段我肯定不播出去。”马小飞保证。
张浩然举起手里的可乐，对着韩路一说：“老韩，我今天就是想谢谢你。你这个AI真是太牛逼了，给我在职场省了三五年的努力。”
韩路一却有点儿高兴不起来。
他先和张浩然碰杯，喝了一口可乐，才开口：“我是真没想到能用它来干这个。”
韩路一确实没想到。他有点儿受限于现在市面上大模型的能力，脑子里想的应用场景，都是在上下文不足时让模型更好理解用户真正的需求，好帮他们解决问题。
张浩然这种用法，既出乎他的意料，又似乎在情理之中。毕竟它的标注数据来源于金手指，说是简易版读心术也不为过。而且大模型能更进一步：基于分析结果，还能给出行动建议。
可这恰恰也是最危险的地方。
张浩然刚才说的这些事，现在别的大模型能做吗？
能做。
但人们会去听吗？
大概率不会。
为什么不会？
因为它们分析得不够好。
可汤圆在意图理解这个方向的能力异常高之后，分析别人的意图时就能头头是道。这样它再给出行动建议，人们就很难不相信。
可连原版的金手指都不能预测未来。
何况是一个7B模型，加上弱化版的金手指呢？
说对了还好，说错了呢？
其实说起来，大模型在很多场景下都已经表现很好。比如医疗诊断、法律分析，它们都能给出头头是道的建议。可为什么在这些场景下，应用推广反而最慢？
因为这些场景都是典型的高代价场景。
你可以做到99%正确，但1%的错误会造成严重后果。以前有专业人士承担后果，可如果使用AI，谁来承担？
想到这，韩路一表情严肃，对张浩然说：“你以后别再这么用了。”
张浩然一愣：“什么意思？”
韩路一整理了一下思路：“你没意识到吗？它不止在分析，还给了你具体建议，然后你照做了。”
他加重语气，一字一顿：
“你把判断权交出去了。”
张浩然一下明白了韩路一的意思，感觉浑身一冷。
…。。