更多的知識可以帶來更好的選擇。在許多情況下，這是一個可靠的想法。了解我們原本不知道的風險、學習過去的案例、理解不同選項之間的差異，都能幫助我們避免更多錯誤。AI可以幫助我們迅速接觸到這些知識。然而，無論知識增加多少，人類都有一個不會改變的條件：我們無法把同一段人生嘗試多次，然後只保留結果最好的一次。
假設一個人正在考慮，是去另一個地區生活，還是留在現在的地方。他可以蒐集大量關於生活成本、工作、教育、交通和氣候的資訊。做過類似選擇的人的經驗也可以作為參考。即便如此，他也無法同時活出搬走的自己和留下的自己，再在幾年後比較兩者。知識可以照亮一個選擇，卻不會把沒有選擇的人生保存成實驗組。
這個事實並不會降低知識的價值。相反，它讓我們更清楚應該對知識期待什麼。知識並不只是為了完全確定未來，它也幫助我們區分什麼是已知的、什麼是未知的。它還可以幫助我們確認自己重視哪些條件，並在做出選擇之後理解「為什麼當時會那樣決定」。
當AI呈現大量案例時，我們可能會想把平均而言效果不錯的選擇套用到自己身上。但即使看起來條件相同的人，想要守護的關係、可以支配的時間以及能夠承擔的風險也可能不同。利用過去的知識思考未來的可能性，與把自己的人生交給過去的結果，是兩回事。知識可以成為判斷的材料，卻無法自動決定一個人最不願失去什麼。
因此，在使用AI和知識時，我們不僅需要問「什麼是正確的？」，還需要問「這些知識與我自己的哪一個判斷條件有關？」某項統計資料之所以重要，可能是因為它有可能改變我們的選擇。某個人的經驗之所以重要，可能是因為它讓我們注意到先前忽略的價值。資訊並不會僅僅因為數量多就與自己的選擇相連；只有當知識與判斷之間的關係變得清晰時，資訊才真正與自己的選擇連結起來。
Sai＊aus所追求的，是不把增加知識與取代人的判斷等同起來。AI可以整理大量資訊、呈現不同觀點，並釐清判斷所需要的條件。在此基礎上，還要為人留下空間，讓人能夠思考：「在這些條件下，我會選擇什麼？」知識不應成為答案的替代品，而應成為我們在有限的人生中理解選擇的立足點。
我們不可能在開始生活之前就知道一切。我們一邊了解一邊選擇，一邊選擇一邊獲得新的認識，並把結果帶到下一次判斷中。即使AI提高了我們接觸知識的速度，這個順序本身也不會消失。正因為知識再多也不能讓我們把人生一次又一次地重新嘗試，重要的就不只是「我知道多少？」我們還需要面對這樣的問題：這些知識究竟能在多大程度上幫助我們理解自己只能做一次的那個選擇。
不是答案，而是理解。
━━━━━━━━━━━━━━━━━━