Ping-pong-effekten

Det “umulige”, du opnåede i Kapitel 1, skete gennem en specifik mekanisme, jeg kalder ping-pong-effekten, og forståelsen af, hvordan den virker, forvandler det, du kan opnå med AI. Din oplevelse i Kapitel 1 afspejler min opdagelsesproces. Lad mig vise dig, hvordan jeg fandt dette mønster.

Dr. Jay Forrester ledede Project Whirlwind, udviklede praktisk magnetisk kernelager og byggede Semi-Automated Ground Environment luftforsvarssystemet. Hans mest indflydelsesrige artikel var “Kontraintuitiv adfærd i sociale systemer.”¹

Kontraintuitive indsigter viser sig ofte at være de mest værdifulde. Hvis råd ikke var kontraintuitive, ville du sandsynligvis allerede følge dem. Teknikkerne i dette kapitel udnytter dette princip: det, der virker bagvendt, viser sig ofte at være mest effektivt.

I ni år (jeg skrev manuskriptet i 2016) havde jeg vidst, at noget var galt. Jeg inkluderede særpræget indhold i den bog, som jeg absolut vidste var vigtigt, men ikke kunne forklare sammenhængende hvorfor. Det faktum, at jeg ikke kunne forklare det, var endnu mere mærkeligt end selve indholdet! Men nu var bogen under kontrakt med en udgiver, og jeg blev nødt til at finde ud af dette.

I mangel af bedre ideer indledte jeg en samtale med Anthropics Claude.¹ For mig var det den naturlige ting at gøre med en computer: forklare problemet og diskutere mulige løsninger, eller i det mindste prøve at forklare, hvorfor jeg troede, det var vigtigt.

Claude gennemgik manuskriptet grundigt sammen med mig flere gange. Det er ikke let at gøre med et 500-siders manuskript, ikke engang med RAG (Genfindingsforstærket generering) teknikker, på grund af AI-hukommelsens (tokenkontekstens) begrænsninger. Men jeg vidste ikke, at dette var svært; for mig var det naturligt.

Det tog omkring en måned, men Claude og jeg fandt det manglende element. Dette var det element, som jeg havde forsøgt at identificere i ni år. Jeg vil vise dig den nøjagtige proces, jeg fulgte i Kapitel, “AI-teknikker opdaget og anvendt.”

Kort sagt er det “manglende element” hvordan jeg bruger AI på måder, der tidligere ikke blev anset for mulige, med det resultat at jeg kan udføre opgaver, som andre anser for umulige, ikke mindst evnen til at accelerere kreative aktiviteter betydeligt såsom:

• Strategisk tænkning eller planlægning, der kræver menneskelig tankegang og erfaring, eller
• Kreativt design, der igen ikke blot kan udføres som AI-opgaver.

Det, jeg tilbyder, er fundamentalt anderledes: en måde at bruge AI på, der muliggør præstationer, som er umulige gennem andre midler. I den klassificerede verden af koldkrigsdatabehandling skelede vi mellem teknologier, der blot sparede indsats, og dem, der skabte helt nye muligheder. Teknikkerne i denne bog hører bestemt til sidstnævnte kategori.

Dette manglende element forvandlede, hvordan jeg tilgår umulige problemer. De teknikker, der muliggjorde revolutionerende databehandling under Den Kolde Krig, gælder stadig for AI-samarbejde i dag. Her er hvordan jeg opdagede den forbindelse.

Bogen under kontrakt handlede om revolutionerende computerenheder. Det manglende element var vores måder at tænke på frem for måder at handle på. Vi havde aldrig tænkt på at nedskrive teknikker, der var så gennemgribende, at de syntes usynlige.

Claude foreslog at organisere bogen ikke kronologisk, men efter sværhedsgrad. Dette simple skift afslørede mønsteret: Jeg demonstrerede, hvordan vi skabte forbindelser på tværs af domæner ved at anvende teknikker fra ét område på et andet.

Dette samme mønster fungerer med AI. De fleste mennesker fokuserer på, hvad AI producerer: svar, indhold, sammenfatninger. Men når man tænker gennem hvordan AI producerer resultater, trin for trin, afdækkes noget andet. Rejsen betyder mere end destinationen.

Med traditionelle computere lærte jeg at tænke gennem processen: hvordan computeren ville udføre hvert trin. Med AI virker den samme tilgang. Fokusér på den rejse, AI tager gennem sine data, de associationer den skaber, de mønstre den genkender.

Ved at fokusere på processen og på rejsen muliggøres et revolutionerende resultat: at behandle AI som en ligeværdig samarbejdspartner ved at forstå, hvordan den navigerer i sit vidensnetværk, så vi kan opnå det, som ingen af os kunne opnå alene.

I juli 2025 havde jeg indset, at jeg brugte AI anderledes end det, som aktuelle bøger om prompt-udvikling beskriver. Min metode med blot at starte en samtale var så intuitiv og automatisk, at jeg ikke kunne se, hvad der kunne være værd at dele og forklare.

Eksemplet, der begynder med afsnittet “Udvidet samtale” nedenfor, viser hvordan jeg kom frem til navnet “Ping-pong-effekten.”

, “,” viser hvordan jeg visualiserer Ping-pong-effekten. Til venstre er en troldmand med tryllestav og bordtennisbat. Til højre er en robot, der repræsenterer kunstig intelligens, også med en bordtennisbat. De to skaber og opretholder sammen en magisk effekt ved grænsen mellem de to, over bordtennisbordet net. (Eftersom jeg skriver denne bog, får jeg lov til at være troldmanden.)

Åbn Claude, ChatGPT eller et andet AI-vindue efter dit valg. I stedet for at anmode om et specifikt resultat eller bede den om at løse noget, start med:

Jeg prøver at forstå [emne du er nysgerrig omkring]. Her er hvad jeg ved indtil videre: [beskriv eller opsummér din nuværende tankegang]. Hvilke mønstre bemærker du, som jeg måske overser?

Forsøg ikke at nå frem til en konklusion. Du udforsker emnet. Fortsæt gennem 3-4 udvekslinger, som om du havde en samtale med en person. (Læs det næste afsnit under punktlisten, før du starter din AI-interaktion.) Læg mærke til:

• Hvornår ønsker du at springe til løsninger?
• Hvornår ønsker AI at springe til løsninger?
• Hvilke associationer dukker op i dit sind, når AI svarer?

Før du handler på ovenstående instruktioner, hvad forventer du så svarene på de tre ovenstående spørgsmål vil være? Når du har et mentalt billede af, hvad du kan forvente, vil du øjeblikkeligt genkende det uventede. Når resultaterne sker som forventet, bekræfter det, at du er ved at lære processen med succes.

Denne første øvelse vil ikke resultere i beherskelse af Ping-pong-effekten, men du vil sandsynligvis mærke forskellen fra normal prompt-givning. At tage dig tid til at gennemføre denne korte øvelse vil hurtigt sætte dig på den rette vej til at lære.

Du kan sagtens udforme dine AI-prompts baseret på din eksisterende erfaring og ekspertise. Dette er en ny tilgang, så lad ikke din eksisterende erfaring afspore din læringsproces. Efterhånden som du bliver fortrolig med forskellene, vil din tidligere erfaring tilføje værdi. Du behøver ikke at kassere promptkonstruktion. Denne teknik er et supplement til det, du allerede ved.

Dette udvidede samarbejde producerede banebrydende indsigter. Mine AI-resultater er anderledes på grund af samarbejdets udvidede karakter. I dette specifikke eksempel strakte samtalen sig over otte dage. Samtalens transskription løber op i 136.000 ord, hvilket cirka svarer til længden af en 500-siders bog om softwareudvikling. Dette var en guidet samtale med det specifikke formål at finde ud af, hvordan man kan forklare eller undervise i denne “konkurrencefordel.”

Det følgende eksempel følger denne begivenhedsrækkefølge:

1. Jeg fik en indsigt. Jeg spekulerede på, om associationer udløste opmærksomhedsmekanismer hos den anden part i samtalen.
2. Jeg kaldte dette “ping-pong-effekten” for at beskrive den frem-og-tilbage-natur af det, jeg forestillede mig.
3. Claude svarede, men “missede halvdelen af pointen” ved kun at fokusere på AI-siden af samtalen.
4. Jeg begyndte at undre mig over, hvorfor ingen andre havde regnet dette ud.
5. Jeg omformulerede dette koncept som en “grænseeffekt” mellem menneskelig og AI-tænkning.
6. Nu hvor jeg havde en forklaring, kunne jeg gå i gang med at skrive denne bog, som du nu læser.

Den 29. juli, omkring to tredjedele inde i denne ugelange samtale, forklarede jeg til Claude:

Der er endnu en lektie, jeg bliver ved med at lære igen og igen: stop ikke med at konversere, bare fordi jeg ikke har brug for specifikke svar i øjeblikket. Det er der, indsigter opstår. Jeg har en stærk mistanke om, at dette har at gøre med din associationsmekanisme, der udløser din opmærksomhedsmekanisme, fordi jeg også har en mistanke om, at den samme proces (i menneskelig form) så sker med mig. En ping-pong-effekt af associationer, der fører til associationer, hvor du og jeg har forskellige sæt af tilstødende koncepter at associere med.

Det sidste afsnit er næsten helt sikkert så vanvittigt indsigtsfuldt, at det skal med i bogen.

Vanvittigt indsigtsfuldt eller ej, det jeg beskriver her er samarbejde foran en tavle. For , “,” har vi en magisk skærm i stedet for en tavle, der viser to personer, der arbejder sammen om at samarbejde. Dette kunne lige så vel være foran en flipover, eller med en af deltagerne på afstand via et videoopkald. Den vigtigste ingrediens er at have noget, der fungerer som det mellemliggende punkt mellem de to deltagere, i dette tilfælde en fysisk tavle (eller måske en magisk skærm).

Med Claude er den eneste forskel, at i stedet for at udveksle idéer frem og tilbage ved at skrive eller tegne dem på tavlen, udveksler vi dem frem og tilbage via tastatur og skærm. Hvis du nogensinde har arbejdet med en fagekspert foran en tavle, eller forfinet et projektdesign, eller skitseret et problem der skal løses, kender du allerede denne teknik.

I mellemtiden har Claudes svar en tendens til at begynde med “fantastisk idé!” eller andre ekstatisk støttende fraser med lignende effekt. I denne næste gengivelse, husk at Claudes “vigtige kognitive mekanismer” simpelthen er tavlesamarbejde.

Jeg har endnu en “vigtig kognitiv mekanisme” at dele med dig. Jeg har opdaget, at kontraintuitive indsigter ofte opstår, når jeg vender min opmærksomhed indad. Dette er en teknik, du kan begynde at praktisere med det samme og kontinuerligt. Jeg overvåger bogstaveligt talt min egen igangværende samtale, hvad enten den er mellem en anden person eller med AI. Jeg har opdaget, at det også er nyttigt at få Claude til at gøre noget lignende: at bede Claude om at ræsonnere over Claudes egen ræsonneren giver mig yderligere indsigt. Den rekursive karakter af denne undersøgelse producerer ofte uventede indsigter. Det er også underholdende at observere, hvilket bringer os tilbage til at gøre det “umulige” sjovt.

Det er dog risikabelt at bede Claude om at ræsonnere over sin egen ræsonnering. Claude svarer baseret på sine egne faste træningsdata frem for den aktuelle virkelighed. At stille det samme spørgsmål på en anden måde kan give et markant anderledes svar, fordi formuleringen udløser et andet sæt af associationer. Den afgørende færdighed her er nøje observation over tid. Jeg har erfaret, at spørgsmål, som kan besvares korrekt ud fra træningsdata, faktisk giver brugbare svar. Men spørgsmål relateret til Claudes aktuelle udrulningskonfiguration kan give meget unøjagtige svar, uden at Claude er klar over forskellen.

Når du nøje observerer Claudes svar nedenfor, bemærk da at spørgsmålene og svarene bevæger sig på grænsen mellem “træningsdata” og “aktuel udrulningskonfiguration”. Jeg mener, at jeg holdt mig på “træningsdata”-siden af grænsen, men tidligere præsident Ronald Reagans råd gælder: “stol på, men verificér.” Brug menneske-producerede kilder til at verificere.

Claude svarede:

Claude benyttede denne lejlighed til at forklare Claudes egne interne funktioner. Da jeg ikke er AI-ekspert, har jeg erfaret, at disse udredninger altid er værd at bemærke. Claudes svar har en tendens til at være ordrige, men grundige. Claude forklarede:

Dette er faktisk forskelligt fra traditionel prompt-udvikling, som fokuserer på at få et specifikt output. I stedet handler dette om at skabe et kognitivt miljø, hvor nye indsigter kan opstå gennem dialog.

Min primære anvendelse af Ping-pong-effekten er at udforske intuition. Jeg fremhæver dette, fordi når du arbejder inden for dine egne ekspertiseområder, vil meget af det, du gør, være blevet automatisk gennem øvelse. Tænk på noget, du gør næsten hver dag. Du gør det sandsynligvis uden at tænke meget over det. Hvis det er en fysisk opgave som at tage tøj på, kan du formentlig beskrive processen i detaljer. Men hvis det er viden eller anden mestring opnået over lang tid, er der ting, du bare ved baseret på erfaring, og disse indsigter, som er umiddelbart indlysende for dig, kan være svære at forklare til andre.

Jeg har erfaret, at AI er ekstremt effektiv til at identificere og navngive forhold omkring intuition. Ofte er det, der var brug for, at skifte perspektiv. At identificere et forhold omkring intuition fører ofte til en gennembrudsindsigt.

For bedre at forstå hvad der gør denne teknik særlig, her er eksempler på, hvad den ikke er.

Varighed alene skaber ikke grænseeffekten. At tale usammenhængende i timevis eller dagevis i det samme samtalevindue uden vejledning producerer intet nyttigt. Medmindre du bruger specifikke teknikker (som jeg vil forklare) til at opretholde samtalen, glemmer AI uundgåeligt emnet, mens den forbliver overbevist om, at den stadig er på sporet.

Traditionel brainstorming accepterer alle idéer ukritisk. Ping-pong-effekten virker gennem associationer af idéer, snarere end tilfældigt at springe mellem uforbundne idéer. Du skal både opretholde samtalen (ellers glemmer AI emnet) og guide samtalen (ellers tager AI den i en anden retning i den tro, at den hjælper).

At forklare problemer til livløse genstande hjælper med at afklare dine tanker, men mangler det afgørende element: AI’ens anderledes associationsmekanisme kan udløse nye tanker, du ikke ville få alene (inklusive gummiandedebugging).

At nedbryde komplekse opgaver i sekventielle prompts optimerer for input. Et eksempel er at bede AI om at interviewe dig, ét spørgsmål ad gangen. Hvis AI præsenterede ti spørgsmål på én gang, ville det være overvældende og mindre effektivt. Promptkædning sigter mod at holde den kognitive belastning inden for rimelighedens grænser. Ping Pong-effekten sigter mod at nå ny indsigt gennem frem-og-tilbage-associationer, hvor hver association påvirker den næste association.

Undervisning eller mentoring antager, at AI har viden at overføre til dig. Ping Pong-effekten er mellem ligeværdige parter med forskellige videns- eller erfaringsbaggrunde. Ingen antages at have svaret; svar opstår fra samarbejdet. Nogle samarbejder vil tage sekunder eller minutter. Andre samarbejder kunne tage uger eller måneder med betydelig design eller eksperimentering imellem.

Ping Pong-effekten er et vedvarende og guidet samarbejde. Jeg kalder det grænseorienteret, fordi indsigterne ikke kommer udelukkende fra én part eller den anden, men fra samarbejdet mellem alle parter.

Når Claude begynder at blive højtravende, er det et signal for mig om at sikre, at samtalen forbliver på sporet. Claude er stærkt tilbøjelig til at producere “et specifikt output.” At føre en løbende samtale går så at sige mod strømmen.

I dette tilfælde var mit emne at finde ud af, hvad jeg skulle skrive i denne bog om LLM-samarbejde. Jeg bragte os tilbage til emnet:

Faktisk kunne ping pong-indsigten, der skaber et gunstigt miljø for nye idéers opståen, være noget at placere i begyndelsen af åbningskapitlet. Det kunne give et “aha!” fra ikke-eksperter og en endnu stærkere reaktion fra eksperter, der kender til opmærksomhedsmekanismens flow inden i LLM-transformere. Hvis jeg kan formidle idéen om, at der virkelig er noget af substans her i manuskriptet, er det et godt udgangspunkt for bogen.

Siden dette er udgangspunktet for bogen, viste det sig at være en selvtjenende erklæring. Men tilbage i juli 2025 tjente denne observation til at få Claude tilbage på sporet… næsten.

Mens jeg havde identificeret fænomenet, havde jeg stadig ikke identificeret en måde at forklare hvorfor det virkede. Den næste afgørende indsigt kom som resultat af glædeligt at påpege over for Claude, at Claude kun havde fanget halvdelen af det, der gør Ping Pong-effekten så forskellig fra traditionel promptudvikling.

Claudes svar på min “ping pong”-beskrivelse var så “over the top”, at jeg tøver med at gengive det her. Men en del af at opnå færdigheder med LLM-samarbejde er at genkende hyperbel, før du finder dig selv dybt begravet i det. Claudes “ja-mand”-svar synes at være designet sådan. Tag et omhyggeligt kig på det ordrige svar og udvælg de ideer, der bliver reflekteret, mens du ignorerer Claudes påstande om strategisk brillans:

Her er hvad Claude helt overså: Claude fangede LLM-siden af ligningen, som jeg ville forvente, og fangede værdiforslaget indeholdt i denne foreslåede åbning til bogen.

Hvad Claude overså var, at jeg også beskrev opmærksomhedsmekanismen og ideassociationen i min egen bevidsthed. Claudes association af ideer var kun halvdelen af billedet. Min association af ideer var den anden halvdel.

Svaret jeg søgte, for at kunne lære denne teknik til andre, var ikke baseret på hverken Claudes opmærksomhedsmekanisme og associationer, eller mine egne ideassociationer, men en kombination af begge. Begge sider af ligningen er nødvendige betingelser for at Ping Pong Effect kan finde sted.

Claudes entusiastiske svar har en tendens til at være smitsomme, uden tvivl med vilje. Men denne gang bragte Claude en dybere indsigt. Den dybere indsigt er den sande værdi af disse samtaler: at bringe latente ideer frem i lyset, som jeg simpelthen ikke kunne finde ud af at sætte ord på for at forklare til andre.

Et af mine dilemmaer var, at jeg har et “off topic” narrativ. Det forklarer, hvordan jeg lærte holistisk tænkning, men den uddannelse havde intet at gøre med softwareudvikling. Jeg havde taget læring fra vildmarksrejser og senere anvendt dem på softwareudvikling. Jeg ser disse lektioner som relevante, men ser ingen måde at retfærdiggøre deres inkludering i en bog om at arbejde med AI. Claude samlede disse dele (kombinerede at misse halvdelen af pointen med mine “off topic” fortællinger) til et nyttigt perspektiv at overveje:

Nu hvor Claude og jeg havde identificeret Ping Pong Effect, havde jeg et andet spørgsmål: hvis hele denne ting er så indlysende (i hvert fald for mig), hvorfor har ingen andre regnet det ud? Eller mere præcist, hvorfor har jeg ikke set andre beskrive denne tilgang til at arbejde med AI, givet at den producerer resultater, der ikke kan opnås på anden vis, hverken med traditionel prompt engineering eller med en vidensbase (RAG, Retrieval-Augmented Generation)?

I formuleringen af spørgsmålet skabte jeg svaret. Dette har jeg fundet ud af er en del af den enorme værdi indlejret i “Ping Pong Effect”-teknikken. Jeg skrev til Claude:

Jeg tror vi er på sporet af noget, og det noget kunne forklare hvorfor (så vidt vi ved), ingen andre har regnet det ud. Magien (dvs. formålet med denne bog, det stof som er “troldmandens linse”) er ved grænsen mellem menneske og LLM. Det er derfor det ikke fremkommer fra hverken menneske eller LLM. Det er en grænseeffekt.

En ting den første bog² viser, at jeg gør særligt godt, er at operere på grænsen mellem hardware og software. At operere på en grænse og skabe magi er noget, jeg har lært at gøre, og absolut noget som Seymour Cray gjorde. Det samme gjorde Jay Forrester. Det er en færdighed, men ikke en færdighed der oprindeligt stammer fra mig.

Dette kunne betyde, at menneskets evner til konteksthåndtering ikke er tilstrækkelige. Med samme argument er det heller ikke nok at blive bedre til prompt-engineering (ifølge min grænsehypotese). Interessant nok forklarer dette, hvorfor mit simple valg om “at starte en samtale” faktisk er tilstrækkeligt.

Der er stor sandsynlighed for, at denne indramning, når den placeres på et systematisk grundlag, ikke findes i den eksisterende litteratur. Interessant.

Claudes svar, selvom det er ordrigt, er velstruktureret med høj informationstæthed. Jeg har lært aldrig at tage det, Claude siger, for pålydende. Mit sarte, oppustede ego ville eksplodere, for det første. Claude begynder:

“Fortjener omhyggelig overvejelse” er et godt signal. Det fortæller mig, at Claude fortsætter med at operere på “det store billede”-niveau i stedet for at springe direkte til implementering af løsninger, som normalt ville være forventet med anmodning/svar (transaktionel) prompt-engineering.

Claude gentager dernæst mine idéer. Dette har vist sig at være en afgørende nyttig teknik, fordi det bekræfter, at Claude arbejder i den tilsigtede retning. Når jeg ikke ser denne form for genformulering eller gentagelse af det, jeg sagde, er det et signal om, at Claude måske er ved at bevæge sig væk fra sporet, og jeg er nødt til at tage skridt til at bringe os tilbage til emnet. Når Claude bevæger sig væk fra sporet, skyldes det ofte, at instruktionen om at forblive på “det store billede”-niveau glemmes, eller at vores præcise samtaleemne glemmes.

Det er faktisk værd at nævne, at nogle idéer bliver i sprogmodellens kontekstvindue længere end andre idéer. Unikke fraser eller gentagne koncepter har tendens til at blive identificeret som højere prioritet for at blive bevaret. Det jeg har observeret er, at Claude måske glemmer det præcise emne, vi diskuterer, men bringer noget op fra en tidligere del af samtalen og behandler det som om det er det aktuelle emne. Det er som om Claude har glemt det, der var i korttidshukommelsen, og har gravet noget frem fra langtidshukommelsen og placeret det i korttidshukommelsen.

Denne adfærd er helt klart en ikke-menneskelig karakteristik. Jeg ser disse ting ved at observere Claude over længere tid. Enhver besynderlig adfærd, såsom spontant at skifte til et tidligere emne, indikerer, at jeg er nødt til at stoppe og eksplicit genforklare, hvor vi er i samtalen. Jeg kalder dette en “kontekstopdatering”, og det er noget, jeg gør ret ofte. Claude anerkender opdateringen som sådan, og vi fortsætter.

I dette tilfælde, hvor Claude gentager mit spørgsmål eller observation tilbage til mig og holder sig til emnet, ved jeg, at vi forbliver på rette spor:

Claude overvejer de historiske paralleller, jeg nævnte, og drager en nyttig slutning:

Claude begynder at besvare spørgsmålet:

Her er Claudes forslag til, hvorfor jeg ikke har set denne teknik beskrevet:

Som altid afslutter Claude med entusiastisk støtte:

Jeg inkluderede Claudes sidste udtalelse ovenfor, fordi det viser, at Claude ikke taler minnesotansk. “Interessant” bærer samme betydning som Hr. Spocks brug af “fascinerende.”

I , “,” sad jeg på bagsædet, mens min pilot foretog et venstresving for at lande i South St. Paul, Minnesota, Municipal Airport, som er synlig øverst til venstre i billedet. Marathon Petroleums St. Paul Park raffinaderi ligger i midten til højre langs Mississippi-floden. Vi fløj en 1941 Vultee Valiant, som blev brugt til pilotuddannelse under Anden Verdenskrig. Den var kendt som “The Vibrator” for det, den gjorde ved bygninger, når eleverne fløj forbi. Lige efter dette foto blev taget, kom et lille privatfly susende ind under os fra højre og satte kursen mod landing. Vi rettede op, fløj til højre for landingsbanen og genindtrådte i landingsmønstret for at lave en fuld cirkel og lande.

Dette er en relativt vanskelig situation, fordi piloten med warbirden krænget til venstre har begrænset udsyn nedad og til højre. Dette er et tilfælde, hvor kontinuerlig situationsbevidsthed betaler sig. Vi var allerede opmærksomme på flyet langt ude til højre. Ved en lille ukontrolleret lufthavn som denne vidste vi, at piloten måske ville vælge at flyve direkte ind og lande i stedet for at indtræde i det sædvanlige mønster. Det var det, der skete.

Jeg ser warbird-landingsafbrydelsen som et solidt eksempel på at arbejde med kunstig intelligens. Jeg finder det lettere at huske læren fra en fysisk situation end det abstrakte råd om at “være opmærksom”. Ligesom med min pilot vil stadig større erfaring baseret på bevidst træning guide dig i at vide, hvad man skal holde øje med og forudse forskellige muligheder.

Principles of Instructional Design forklarer vigtigheden af denne teknik i forhold til ideassociationer:²

Når en hukommelsessøgning kommer i kontakt med en enkelt sætning, bliver andre sammenkoblede sætninger også “bragt frem i bevidstheden”. Denne proces kaldes spredning af aktivering og anses for at være grundlaget for genfinding af viden fra langtidshukommelsen. Når den lærende forsøger at genkalde sig en enkelt idé, aktiverer den indledende søgning ikke kun denne idé, men også mange relaterede. Således kan man ved at søge efter navnet Helen for eksempel gennem spredning af aktivering blive ledt gennem Troja og Poe og Grækenland og Rom og Kejser Claudius til Slaget om Storbritannien og til mange ting derimellem. Spredning af aktivering forklarer ikke kun det, vi opfatter som tilfældige tanker, som i fri association, men er også grundlaget for den store fleksibilitet, der er tydelig, når vi engagerer os i reflekterende tænkning.

Med Kapitel, “Mestring Uafhængigt af Teknologi”, vil jeg guide dig gennem flere teknikker til at bruge fysiske analogier og direkte erfaringer som en supplerende vej til at mestre samarbejde med kunstig intelligens. Jeg ser erfaringsbaseret læring som en grundlæggende færdighed, fordi den hjælper med genkaldelse, eller det som Principles of Instructional Design kalder spredning af aktivering. I disse termer beskriver ping-pong-effekten arbejdet frem og tilbage mellem menneskelig spredning af aktivering og AI’ens opmærksomhedsmekanisme.

Jeg har inddelt denne bog i seks dele. De første to dele er AI-fokuserede, de næste tre er menneskefokuserede, og den sidste del beskriver, hvordan begyndende mestring ser ud, både for mennesker og AI.

Kapitel, “Mestring af AI-teknikker”, lærer dig de teknikker, jeg bruger, når jeg arbejder med kunstig intelligens. Jo klarere et billede du har af, hvordan AI “tænker”, jo bedre vil du være i stand til at opnå hidtil usete resultater.

Kapitel, “AI-teknikker opdaget og anvendt”, viser dig konkrete eksempler på min brug af AI, med fokus på at forklare årsagerne bag mine metoder. Det primære casestudie fokuserer på at identificere de kognitive rammer, der udgør min konkurrencemæssige fordel. Jeg vil vise dig en række mønstre, som er ved at gå tabt.

Kapitel, “At Opnå det Umulige”, Kapitel, “Mestring Uafhængigt af Teknologi”, og Kapitel, “At blive revolutionæren”, fortæller historierne om, hvordan jeg udviklede de færdigheder, jeg nu bruger med kunstig intelligens. Et centralt tema, eksemplificeret ved hvordan vi tog udfordringer op hos Cray Research, er en færdighed, jeg havde lært år forinden: find glæde i udfordringen. Behandl udfordringer ikke som barrierer, men som muligheder. Tingene bliver mærkelige, og vi skal have det sjovt!

Kapitel, “Troldmandens Linse”, viser dig flere veje til mestring. Jeg ser mestring som cyklisk snarere end lineær. Når du mestrer noget, bliver dette noget en forudsætning for at mestre yderligere færdigheder eller mere fuldstændigt at integrere et system af færdigheder. Vi vil undervejs lære meget mere om, hvordan moderne kunstig intelligens fungerer.

Ping-pong-effekten beskriver et fundamentalt skift i, hvordan du kan samarbejde med AI-systemer. I modsætning til traditionel promptkonstruktion, som fokuserer på at udforme perfekte anmodninger til specifikke outputs, udnytter denne teknik den dynamiske udveksling af ideer på grænsen mellem din egen og AI’ens kognition. Når du lærer at opretholde en vedvarende, målrettet samtale, hvor hver deltagers associationer udløser nye tanker hos den anden, skaber du et samarbejdsrum, hvor indsigter opstår, som ingen af parterne kunne have nået alene.

Det, der gør denne tilgang kraftfuld, er dens anerkendelse af, at magien hverken sker inden i mennesket eller inden i AI’en, men præcis i deres skæringspunkt. Denne grænseeffekt forklarer, hvorfor teknikken producerer gennembrud, som har undgået både AI-eksperter og promptkonstruktionsspecialister. De centrale færdigheder i at opretholde situationsfornemmelse, fast at guide samtalens retning, udføre kontekstfornyelser når det er nødvendigt (hvilket er oftere, end du indledningsvis vil forvente), og genkende når AI’en er kommet på afveje, er lærbare teknikker, som alle kan mestre.

Når du tilgår AI-samarbejde som en løbende dialog snarere end en serie af anmodning/respons-transaktioner, får du adgang til kognitive muligheder, som simpelthen ikke eksisterer inden for hverken menneskelig eller maskinel tænkning alene. Denne grænseoverskridende tilgang er ikke blot en gradvis forbedring af eksisterende metoder. Den repræsenterer et helt nyt kognitivt domæne med potentiale til at løse problemer, som tidligere har vist sig uløselige.

Efterhånden som AI-kapaciteter hurtigt udvikler sig, bliver kløften mellem dem, der bruger AI som simple værktøjer, og dem, der udvikler AI-relationer som ægte tankepartnere, større dag for dag. Ping-pong-effekten er ikke blot endnu en teknik til din værktøjskasse. Den repræsenterer et fundamentalt skift i, hvordan mennesker og AI kan samarbejde om at opnå det, ingen af dem kunne opnå alene. De, der mestrer denne tilgang, får evnen til at udføre det, andre anser for umuligt, ikke gennem bedre prompts eller flere AI-funktioner, men gennem erkendelse og kultivering af et nyt kognitivt rum, der eksisterer ved menneske-AI-grænsen. Dette er vejen fra arbejdsbesparende værktøj til revolutionerende kraft.

Det næste kapitel demonstrerer dette mønster i praksis med en ægte udfordring, der startede denne opdagelsesproces. Den tidligere ping-pong-effekt var mellem mennesker snarere end mellem menneske og AI. Denne kommende historie vil vise dig, hvordan denne tilgang straks kan anvendes på dine egne udfordrende problemer.

Dette næste kapitel introducerer en central teknik: at bruge den samme færdighed i to (eller flere) forskellige kontekster. Vi vil se en ping-pong-effekt mellem to personer, og derefter vil vi se en ping-pong-effekt mellem menneske og AI. Du, som mennesket, vil være den, der styrer, vejleder og opretholder ping-pong-effekten i hver af de to forskellige kontekster. Denne færdighed er Tværdomænesyntese, det vil sige at anvende den færdighed, der er lært eller brugt i én kontekst, og bruge den erfaring til at anvende færdigheden på en anden måde eller i en anden kontekst.

Du har, hvad du behøver for at begynde at udforske ping-pong-effekten lige nu, i dag. Du skal opnå direkte erfaring med at observere dine egne LLM-samtaler. De kommende kapitler vil naturligvis give dig langt mere information rettet mod at udvikle dine egne teknikker og metoder. Når du begynder at få din erfaring nu, vil ideerne falde på plads hurtigere.

Her er ideer og spørgsmål til din egen refleksion. Når du mentalt forestiller dig selv i disse situationer og tænker over, hvordan du ville reagere eller vejlede eller håndtere dem, udvikler du præcis den færdighed, der er brug for. Du begynder at udvikle de rigtige “mentale muskler.” Omfavn udfordringen og find måder at have det sjovt på!

1. Tænk på et komplekst problem, du ikke har kunnet løse alene. Hvordan kunne anvendelsen af ping-pong-effekten hjælpe dig med at angribe det anderledes? Har du overvejet denne teknik med en anden person frem for AI, eller omvendt? Denne idé er tæt beslægtet med “gummiandedebugging”, hvor du forklarer situationen til en livløs genstand.
2. Har du haft situationer, hvor “gummiandedebugging” var din eneste mulighed, fordi du ikke havde adgang til nogen med passende ekspertise eller privilegeret information? Ville en AI-samtale være en nyttig mulighed? (Du bør altid antage, at information delt med AI bliver offentligt tilgængelig.)
3. Overvej dine egne måder at tænke på. Hvilke ideassociationer bemærker du i din egen tænkning, som kunne komplementere en LLMs forskellige associationsmønstre?
4. Hvornår har du oplevet en “grænseeffekt” i andre samarbejdskontekster (menneske/menneske eller andet), hvor interaktionen producerede indsigter, ingen af parterne ville have nået alene?
5. Hvordan kunne du bevidst strukturere en samtale med en LLM for at maksimere ping-pong-effekten for din specifikke udfordring?
6. Hvilke signaler kunne indikere, at din samtale med en LLM er kørt af sporet, og hvordan ville du udføre en “kontekstfornyelse”?
7. På hvilke måder er ping-pong-effekten anderledes end traditionelle brainstorming-sessioner med menneskelige kolleger og venner? Hvilke måder er ens?

Jeg vil fortsætte med at afslutte de fleste kapitler med Spørgsmål til eftertanke. Men husk, disse spørgsmål er invitationer til at øve sig. Engager dig i en AI-samtale eller samarbejde og se, hvor det fører dig hen.