查尔斯·西蒙尼把人工智能比作一条格外慷慨的金鱼：它可以实现许多愿望，但用户也可能有一天想不出新的愿望。问题因此不仅在于机器能做什么，还在于人究竟想用它完成什么。
机器越快，人的意图越重要
生成式人工智能可以在几秒钟内起草文字、解释概念、编写程序或整理数据。但快速产出无法替代前期思考：解决方案为谁而做，要解决什么问题，又如何才能真正有用。
同一种工具可以打开完全不同的道路。一张家庭照片可能引出地方史研究，一个异常数据可能催生新的调查，一项重复工作可能促使用户开发自己的小型应用。对另一些人来说，同样的服务在生成几张有趣图片、完成几次对话之后，只是又一种消遣。
新媒介中的旧知识差距
信息获取渠道扩大，从来不意味着人与人之间的差距会自动消失。书籍、电视和互联网同时增加了学习和娱乐的机会。拥有既有知识、持续兴趣，并善于理解信息的人，通常更能把新增信息转化为实际优势。
人工智能进入了这段更长的历史。可获得性固然重要，但它不等于实际收益。注意力、耐心、来源核验，以及把新信息与已有经验连接起来的能力，仍然决定着技术能够带来什么。
创造，还是轻松消遣
聊天机器人可能占据过去留给电视剧、手机游戏或短视频的夜间时间。这并不意味着娱乐性使用本身有害。它的影响取决于人工智能替代了什么、占用了多少时间，以及如何改变工作、学习和人与人之间的关系。
这并不是两个固定群体之间的界线。同一个人可能今天用人工智能工作，明天用它娱乐。真正重要的是比例和下一步：一个现成答案是否会引出新的问题、核验、实验或真正属于用户的作品。
既有知识仍然是一种优势
组织完整、语气自信的人工智能回答很容易给人“工作已经完成”的感觉。但一个混淆的姓名、一处缺失的来源或错误推断，就可能让整个项目偏离方向。用户需要知道哪些内容必须核验，什么时候应当求助于其他来源或专业人员。
既有知识并不意味着人工智能只能由专家使用。它的作用在于帮助人更好地驾驭工具。熟悉一个领域的人能提出更准确的问题，发现不确定之处，比较不同答案，并把机器产出整合进更完整的工作。
人工智能可以放大好奇心的回报
对于原本就想创造某种成果的人，人工智能尤其有价值。教师可以为自己的班级设计练习，小企业可以分析订单数据，地方社区可以把分散文档整理成可检索的资料库。过去需要专业人员或额外预算的一些环节，如今能够更快完成。
这里的好奇心是一种具体行动：追溯数据来源、阅读被引用的研究、在现实场景中测试建议，再带着更精准的问题返回系统。这样使用时，人工智能不会终止思考，而会把思考继续向前推进。
第26个愿望会是什么？
第26个愿望未必来自机器。它可能来自人工智能开启之前就已经存在的兴趣。整理完家族书信后，有人会想进一步了解书信所在城市的历史；建成一份目录后，他可能会思考如何把其他收藏也连接进来。
人工智能可以降低某些能力的门槛，但不会自动拉平动机、知识和使用习惯。机构的任务因此不能止于提供访问权限，还应培养问题定义、来源批判、结果核验和创造性使用能力。
技术可以摆在每个人面前。它最终成为娱乐、快捷助手，还是一项新研究、新产品或新事业的起点，仍然取决于人的选择。