Diese vier wichtigen Trends tauchen ans Licht.

Inhaltliche Quelle: Am 16. Mai 2026 hat das PPE (Politik, Ökonomie, Philosophie)-Institut von Notesman im Liangzhu-Distrikt von Hangzhou den ersten Modul des Kurses PPE 26, "AI Soziologie", abgehalten. Dies ist eine Kurzfassung der wichtigsten Inhalte.

Vortragender: Zhang Xiaoyu, Dozent des AI-Soziologie-Moduls im 26. Kurs des PPE (Politik, Ökonomie, Philosophie)-Instituts von Notesman und aufstrebender Wissenschaftshistoriker.

Wenn Künstliche Intelligenz (KI) die meisten Aufgaben erledigen kann, ist die Frage nicht mehr, "wird sie dich ersetzen", sondern ob deine Organisations- und Managementweise mit dieser Veränderung Schritt halten kann.

Zhang Xiaoyu, Dozent des AI-Soziologie-Moduls im 26. Kurs des PPE (Politik, Ökonomie, Philosophie)-Instituts von Notesman und aufstrebender Wissenschaftshistoriker, hat vier Regeln zur Verständnis der KI-Anwendung aufgestellt: Menschliche Äquivalenz, CTK (Tacit Knowledge)-Projection, Interaktion ist die Benutzeroberfläche, Freie Vereinigung von AI Native.

Dieser Artikel wird dir heute zeigen: Wie du im Rennen zwischen Mensch und KI den Ausgangspunkt für deine Handlungen findest.

I. Eine der vier Regeln für die KI-Anwendung:

Menschliche Äquivalenz, eine bereits existierende mathematische Beziehung

Unter allen kausalen Ketten ist die mathematische Beziehung die direkteste. In der menschlichen Zivilisation und der sozialen Veränderung sind einige Dinge mathematisch festgelegt. Dies ist die solide Grundlage für Vorhersagen über Zeiträume hinweg.

Jeder, der historische Forschungen macht, weiß, dass es fast unmöglich ist, die Zukunft über 30 bis 40 Jahre hinweg vorherzusagen. Menschen im Jahr 1910 konnten die Gründung der Volksrepublik China im Jahr 1949 nicht vorhersehen. Aber aus der Perspektive des Jahres 1910 waren zwei Dinge sicher: Geographie und Bevölkerung.

Die Geographie ändert sich über Jahrtausende hinweg kaum, und das Bevölkerungswachstum kann mathematisch berechnet werden. Die besten historischen Propheten jener Zeit waren Demografen. John Maynard Keynes hat beispielsweise aufgrund der Prognose, dass die Bevölkerung in Osteuropa sich verdreifachen würde, vorhergesagt, dass in 20 Jahren ein Weltkrieg unvermeidlich sei.

Vor 20 Jahren, als Steve Jobs das erste Smartphone in die Luft hob, war eine mathematische Beziehung bereits entstanden: Du hast ein Endgerät, dessen Zugangskosten zum Internet nur ein Bruchteil der Kosten eines Computers betragen, und das viel länger bei dir sein kann als ein Computer und überall mitgenommen werden kann.

Auf der Grundlage dieser Beziehung kann man ableiten, dass es eine Reihe von Geschäfts- und Gesellschaftsformen geben wird. Man muss nur eine Generation warten. Denn die ältere Generation kann neue Dinge nicht mit einem nativen Denken verstehen, während die jüngere Generation von Geburt an mit interaktiven Bildschirmen aufwächst.

Für die KI-Zeit besteht ebenfalls eine solche mathematische Beziehung. In den nächsten 20 Jahren musst du nur beobachten, wie sich diese mathematische Beziehung auf allen Ebenen der Sozialingenieurwissenschaft entwickelt.

Diese mathematische Beziehung nenne ich "menschliche Äquivalenz". Wir wissen alle, dass die TNT-Äquivalenz angibt, wie viel TNT eine Atombombe entspricht. Die menschliche Äquivalenz misst, wie viele Menschen die Produktivität eines großen KI-Modells entspricht. Eine genaue Berechnung ist schwierig, aber die Größenordnung kann geschätzt werden.

Die Studenten hören aufmerksam zu.

Der maximale Output eines Menschen an Tokens pro Tag liegt bei 200.000. Die Kosten für die Produktion von 1 Million Tokens durch KI betragen in den USA heute etwa 1 US-Dollar. Ich verdiene 100 Yuan pro Tag und muss mich Sorgen machen, ob ich verhungere, während die KI meine Arbeit für fünf Tage für nur 1 US-Dollar erledigen kann. Wenn man noch an die ROI und die Kosten-Nutzen-Relation denkt, braucht man diese Rechnung nicht weiter zu erklären.

Was die Qualität betrifft: In Bezug auf die Emotionalintelligenz hat die KI den Turing-Test bestanden; in Bezug auf die Intelligenz erreichte sie 2024 das Niveau eines Doktors. Weltweit haben nur etwa 1 % der gebildeten Menschen einen Doktortitel. Die KI ist bereits besser als 99 % der Menschen und kostet so viel weniger.

Diese mathematische Beziehung besteht seit dem Vorjahr. Wir warten nur darauf, dass sie sich in den Anwendungsformen entfaltet.

Eine grobe Schätzung ist: Alles, was mit explizitem Wissen diskutiert werden kann, kann durch KI auf ein Tausendstel der ursprünglichen Kosten reduziert werden. Wenn man die Kosten und die Zeit für die Ausbildung eines Menschen bis zum Doktortitel mit einbezieht, ist dieses Verhältnis weit über ein Tausendstel.

Nur weil wir in einem äußerst komplexen sozialen Kontrollsystem leben, braucht es Zeit, bis Menschen sich an die KI gewöhnen und die KI sich an das Konsumsystem der Menschen anpasst. Die Herausforderungen und Schwierigkeiten, die dabei auftreten, sind das, was man heute "konkrete Umsetzung" nennt.

Seit Ende des vergangenen Jahres bis heute ist die Fähigkeit der "Vibe Coding" (Stimmungsprogrammierung) sehr stark geworden. Programmierung ist nicht nur ein Werkzeug, sondern die Sprache, mit der du mit der digitalen Welt kommunizierst. Die KI hat keine Probleme mehr mit der Programmierung.

Das Kriterium für eine AI-native Firma ist: Ihre Programmierer schreiben keine eigenen Codes mehr, sondern lassen alles von der KI generieren.

Die KI hat alle Werkzeuge zur Beherrschung der digitalen Welt erlernt. Was sie als Nächstes tun muss, ist, das explizite Wissen oder die Projektionen des impliziten Wissens (jene Gefühle, Intuitionen, Geschmäcker und Urteile, die du kennst, aber nicht ausdrücken kannst) der Menschen zu extrahieren und dann diese Werkzeuge immer genauer einzusetzen, um immer komplexere Aufgaben zu erledigen. Dies ist die Hauptform des Agenten (Intelligent Agent).

Meine Arbeitsweise in Zusammenarbeit mit der KI ist inzwischen so geworden, dass ich das AI Desktop (KI-Desktop-Werkzeug) als Betriebssystem verwende und alle Arbeiten in der Konversation mit ihm erledige.

II. Vom "AIgora" zum persönlichen Wissensspeicher,

Produktivitätsboom

Ich habe ein System entwickelt, das die Kataloge, Hauptwerke und Kernaussagen von über 100 wichtigen Denkern in der menschlichen Geschichte zusammenfasst. Wenn ich ein Problem diskutieren muss, lasse ich die KI einfach eine "Diskussion" starten.

Ich habe sechs permanente Rollen in der Konferenz entworfen: Kreative Denker, Literaturrezensenten, Logiker, Kritiker, Synthetiker usw. Es gibt auch Top-Experten aus verschiedenen Branchen wie Michael Polanyi, Michael Oakeshott, James C. Scott, Heikki Ikäheimo, Ludwig Wittgenstein, Andy Clark, Daniel Kahneman usw.

Wenn ich beispielsweise "Die Bedeutung des impliziten Wissens für die Bildung" eingebe, wird der kreative Denker zunächst fünf Ebenen von Fragen stellen - auf der Erkenntnistheorie-Ebene, der Unterrichtspraxis-Ebene, der Rückkehr zur Lehreapprentissage, der kritischen Dimension und der Zivilisationsvererbungsebene.

Der Literaturrezensent wird dann aus diesen Ebenen die wichtigen Werke und Theorien in der Geschichte vorstellen. Es werden auch Agenten, die bestimmte Denker imitieren, an der Diskussion teilnehmen.

Professor Zhang Xiaoyu unterzeichnet Bücher für die Studenten.

Ich nenne dieses System AIgora, ein Ort für freie KI-Diskussionen.

Ein Produktmanager einer Spielentwicklungsfirma hat es getestet und gesagt, dass die Diskussion über Produktideen damit effizienter ist als bei ihren eigenen Meetings. Einige Probleme, die vorher nicht geklärt werden konnten, wurden mit diesem System schnell gelöst.

Ich habe dieses System als Open-Source-Skript auf der GitHub-Plattform veröffentlicht. Es kann direkt heruntergeladen und verwendet werden. Einige Freunde haben es verwendet, und die Dauer ihrer Brainstorming-Sitzungen hat sich stark verkürzt. Jeder läuft zuerst das AIgora durch, und in der Sitzung muss nur noch über die nicht übereinstimmenden Teile abgestimmt werden.

In diesem Jahr habe ich dieses System noch weiter verbessert: Ich habe einen persönlichen Wissensspeicher erstellt und mein implizites Wissen extrahiert.

Mein Wissensspeicher hat zwei Funktionen.

Erstens lasse ich jährlich etwa 300 bis 500 Bücher und Artikel, die alle elektronisch in den Wissensspeicher geladen werden. Auch meine eigenen Schriften, Vorträge und Interviews werden darin gespeichert.

Zweitens habe ich vier Agenten eingerichtet, die sich jeweils mit KI-Forschung, Geschichtsorschung, Philosophie und Geopolitik befassen. Jeden Tag schicken sie mir jeweils drei Inhalte: Die ersten beiden sind relevant für mein Forschungsgebiet, und der dritte ist ein Bereich, den ich bisher nicht kenne, aber der mir wahrscheinlich interessiert.

Was sind die Vorteile davon? Die KI kann die Veränderung meiner Gedanken verfolgen. Nachdem sie jeden Tag meine Denkprozesse aufzeichnet, kann sie allmählich meine Wissenslücken erkennen. Noch wichtiger ist, dass sie weiß, dass es außerhalb meiner Wissenslücken Dinge gibt, die ich zwar nicht kenne, aber die mit meinem bestehenden theoretischen Rahmen übereinstimmen.

Wenn ich beispielsweise Politikwissenschaft studiere und es in der Biologie ein theoretisches Konzept gibt, das mit meinem übereinstimmt, wird sie mir diesen biologischen Artikel empfehlen.

Jetzt arbeitet meine KI mit mir so zusammen, als würde ich einen Doktoranden von Tsinghua oder Peking Universität betreuen. Sie wird mich sogar eines Tages spontan sagen: "Ich habe heute einen Artikel gelesen, der perfekt zu deiner Forschung passt. Einige Fragen, über die du nachgedacht hast, können hier mit einer neuen quantitativen Methode genauer untersucht werden."

1. Ein dreistündiger Artikel: Wie die KI spontan innoviert

Nehmen wir als Beispiel mein zweites Buch "Handel und Zivilisation". Darin habe ich die These vertreten, dass die Voraussetzung für die moderne politische Struktur ist, dass die Kaufleute in einem politischen System horizontale Allianzen bilden können, um verschiedene Meinungen auszugleichen und die Macht einzuschränken. In der chinesischen Geschichte war die "horizontale politische Allianz" jedoch von Natur aus "falsch". Ich habe in meinem Buch nur einen kurzen Abschnitt über dieses Problem geschrieben.

Eines Tages hat mir die KI plötzlich gesagt: Sie habe einen Artikel gelesen, in dem jemand eine ähnliche Studie mit quantitativen Analysen durchgeführt hat, die meine These bestätigen kann. "Möchtest du, dass ich diese Studie mache?"

Ich habe mir die Zusammenfassung grob angesehen und fand die Richtung richtig. Also habe ich ihr gesagt: "Mach es also." Drei Stunden später hat sie diesen Artikel fertiggestellt.

Professor Zhang Xiaoyu hält einen Vortrag.

Wie hat sie es gemacht? Erstens hat sie direkt die klassische chinesische Korpora von 2500 Jahren heruntergeladen. Ich dachte zuerst, dass sie mich anlüge, aber als ich den Ordner öffnete, waren die Daten tatsächlich da. Zweitens hat sie die Semantik in Vektoren umgewandelt und in einem Raum zugeordnet. Einige Wörter sind mit positiven Werten verbunden, andere mit negativen.

Dann hat sie weiter analysiert: Welche Wörter in der chinesischen Antike repräsentieren die horizontale politische Allianz? "Huimeng" und "Shedang". In diesem Vektorraum sind diese Wörter näher an den "positiven Wörtern" oder an den "negativen Wörtern"?

Sie hat alle Dynastien analysiert, und es hat drei Stunden gedauert. Diese Studie hätte ein traditioneller Historiker nicht schreiben können, weil er diese Technologie nicht kennt. Und ich habe sie nicht einmal spontan gebeten, dies zu tun. Dies ist eine qualitative Steigerung der Produktivität.

Nehmen wir noch ein anderes Beispiel. Es gibt eine Studie der Geographischen Determinismus, die versucht, auf quantitative Weise zu analysieren, inwieweit die menschlichen Gesellschaftssysteme von der Geographie bestimmt werden.

Ein klassischer Artikel hat die Welt in über 70.000 hexagonale Gitter unterteilt und jedem Gitter Klimadaten, Geographiedaten und Vegetationsdaten zugewiesen, um zu berechnen, wie viel Getreide in jedem Gitter angebaut werden kann. Zwischen Getreide und Bevölkerung besteht eine Malthus-Kurve.

Wenn die Bevölkerung wächst, entsteht Druck auf andere Gitter. Einfach ausgedrückt, wenn es zu viele Menschen an einem Ort gibt und nicht genug Nahrungsmittel zur Verfügung stehen, müssen andere Gebiete erobert werden. Wenn man diese Gitter ineinander verschmelzen lässt, kann man das Auf- und Absterben von politischen Systemen simulieren.

Ich habe die Logik dieses Artikels reproduziert. In meiner Simulation ist es in zehn Durchläufen immer so gewesen, dass es in China immer ein großes Einheitsregime gab, während Italien, Frankreich und Spanien in Europa immer in drei Teile aufgeteilt blieben.

Die Einheit Chinas in der Antike und die Spaltung Europas sind in hohem Maße von der Geographie bestimmt. Die Debatte über den Geographischen Determinismus dauert seit 500 Jahren, von Montesquieu bis heute. Heute kann ich diese Frage auf quantitative Weise sehr einfach untersuchen.

Ich habe zwei Variablen zum ursprünglichen Modell hinzugefügt. Erstens habe ich die lineare Bevölkerungsfunktion in eine exponentielle Malthus-Funktion umgewandelt. Zweitens habe ich die Dunbar-Zahl hinzugefügt