画框与填色：人类与 AI 分工的本质区别

文章将人类活动分为"画框"（定义行为、文化与讨论的边界）和"填色"（在边界内实现与推进）两类，认为牛顿式的基础定义属于前者，后世物理学家与工程师的扩展应用属于后者。作者指出，LLM 在编程和数学中加速的正是"填色"环节，而基于人类数据训练的机器学习工具本质上只能回望过去、无法画出新的框。