用AI进行“分类”的大聪明

说起分类这事儿，老祖宗早就点透了：道生一，一生二，二生三，三生万物。万事万物的演化起点，往往就落在“怎么分、怎么归类”上。分类的颗粒度是否清晰，直接决定了后续判断的底子硬不硬——这一点，做复杂分析的人体会最深。

那好，今天咱就聊聊怎么用AI真正把“分类”这件事做利落。

一、MECE原则

假设要对AI的展示形态进行分类，主流看法会分出三种：嵌入式、伴随式、沉浸式。它们之间的核心差异到底是什么？这个问题可以拿去问问AI助手——比如Kimi。不过，问法不同，结果天差地别。

“嵌入式、伴随式、沉浸式的核心差异是什么”
“嵌入式、伴随式、沉浸式的核心差异是什么，要求符合MECE原则”

你看，加没加MECE规则，出来的东西完全是两码事。举个例子，左边那组内容：

1. 交互方式
2. 用户参与度
3. 应用场景
4. 自主性
5. 界面和可视化
6. 个性化

拿同样的Kimi再问一句：“这6点符合MECE规则吗？”立马就会发现——不加规则时，这些维度之间是有重叠的。再看右边这组：

1. 交互的主动性
2. 用户界面的可见度
3. 交互的深度
4. 用户体验的沉浸感
5. 应用的复杂性
6. 用户参与度

同样问一句“这6点符合MECE规则吗？”结果呢？明明已经要求按MECE规则输出，但再追问时，得到的回答却未必遵守规则。这里的关键在于：上面那组维度其实是在“AI交互”这个特定维度上符合MECE，换一个维度就不一定了。

所以，可以顺着问下去：“除了交互维度，还有哪些维度？”这样就能逐步拓展分类的边界。

说到底，上面这个例子展示的就是“分类”提问上的应用——既要符合MECE规则，还得想清楚所属的维度。

二、结束语

一个概念，用MECE规则分类，再从多个维度去切分，这是理解这个世界演变方式的一种基本功。反过来，如果能把多个零散的点抽象成一个概念，同样适用这套方法。