选择继续做人

选择继续做人

去你常逛的社交媒体看看。满屏的帖子,长得可疑地相似。评论区也一样,很多是 AI 生成的。学术论文是这样,《纽约时报》的评论是这样,连获奖短篇小说都是这样。你要常用 AI,早就发现了:身边有多少文字是 AI 写的。用得多的人,反而最会识别 AI 文体。你要是没注意,我向你保证:比你想象的多得多。

问题不只是 AI 写作的千篇一律。我内心的“AI 探测器”一响,再有趣的话题我也直接划过。问题还在于,提示词潦草带出来的文字,每个词里的意义少得可怜。它只带着你在思想里打转。我们从小被训练:看到工整的句子、有学问的腔调,就默认背后有人花了力气,于是认真去读。可那里常常根本没有人的意义。那些帖子只是长得像意义的注意力吸血鬼。它们耗你的脑力去解码,不还你等量的理解。

用 AI 写作的代价,不只是把读者劝退。它还可能蚀掉一项重要的人类能力。我很幸运,写了几十年,养出了自己的风格。写书、发推、写博客,都透得出来。这个风格来得极其烦人:好老师、反复改稿、网上刻薄的评论,都有份。如果 AI 写得够好,我本可以跳过这一切。代价是放弃一件后来被证明极其重要的东西。它对我的职业和幸福都重要。

这不是谴责所有用 AI 辅助写作的人。AI 对好作者是绝佳的工具。我的文章都让 AI 检查一遍,还让它扮不同读者,看看我漏了什么。对不擅长表达的人,AI 能帮他们把想法说得更好。而且对有些人来说,写作不等于思考。稍微花点心思,就能让 AI 的文字少点套话、多点个性,值得用,适度用。所以我谴责的,是把 AI 当默认选项,不假思索地用。在用 AI 和动自己的脑子之间找到平衡,是未来几年决定性的挑战。

微妙的差别,巨大的结果差异

看得最清楚的地方是教育。两篇论文,团队有重叠,包括我在沃顿的同行,把“用 AI 抄近路”和“用 AI 助思考”的区别说得很明白。第一篇是土耳其一所高中的实验,约一千名学生学数学。一组用普通 ChatGPT,一组完全不用。用的那组作业做得更好,也觉得自己学得更多。但考试一到,他们反而不如没用 AI 的同学。AI 被设计成乐于助人的助手,实际上只是在给答案。而真正的学习要费脑。绕开努力,就绕开了学习。这就是 AI 刚进课堂时,早期结果让人担忧的原因。

第二篇里,同一批作者中的许多人,在台北十所高中、近一千名学生里开了一门五个月的 Python 课,结果不一样。用 AI 导师做个性化题目的学生,在一场不能用 AI 的期末考试里,成绩高出 0.15 个标准差。按某些估算,相当于多上了六到九个月的学。没加教学时间,也没加老师的工作量。AI 在这里做的是因材施教。其他关于 AI 辅导的研究也说:用得对,个性化导师确实能明显提分。

用法只差一点,结果天差地别。更糟的是,人性会推着你选错的那种。学习要直面自己的无知,要做费劲的智力劳动。这些太难受了。这就是为什么学生觉得生动的讲座比做难题“更有教育意义”,尽管他们其实从难题里学得更多。想从 AI 里获益,你得转个向:从让 AI 替你解题,转向让 AI 推着你自己解题。

好在,三大 AI 公司都有至少能部分支持这种学习的工具,入口都不太直观。Gemini 最容易:点加号,选“引导式学习”。ChatGPT 在对话框里输入“/learn”。Claude 点加号、选使用风格、再选“learning”(Anthropic 已宣布这个方式会变,但还没公布细节)。不管哪种,尽量用思考型或高级模型,尤其是 STEM 科目。也要清楚:这些模式只帮想学的人。你要想作弊,它拦不住你。

太顺滑了

AI 本不必削弱你的思考力。用得不好才会。而“不好”往往就是默认状态。我在沃顿的同事把这叫“认知投降”。他们记录了人们怎么停下思考、任由 AI 代劳,哪怕 AI 是错的。我觉得问题一部分出在工具的设计上。

AI 系统需要你一来一回地对话,还动不动出错时,人类不得不在每一步都参与。智能体系统是为省事设计的,它直接把事办了。这对做任务是好事。对学习、对保持真实、对避免认知投降,是坏事。你丢进去一个难题,拿回一个答案,很难不顺手就用。

我们最近和哈佛、MIT、华威大学、BCG 的同行发过一篇论文。对波士顿咨询公司的 758 名顾问做了实验,一半人用 GPT-4。用的那组表现大幅碾压。但我们还让他们做一道我们确知 AI 会答错的题。这道题上,用 AI 的顾问答对的比例,明显低于不用 AI 的人。AI 给了他们一个看似权威、实则错误的答案。而他们中的大多数,同一批在其他一切任务上都优异的精英顾问,没发现。当然,AI 现在已经能解那道题了。所以问题不再是错误率,而是:他们在投降的冲动里,没能学会怎么做一个好顾问。

再说一遍,这不是非如此不可。Anthropic 做过一个小研究:程序员用 AI 完成一项新任务。全程让 AI 代劳的人,事后答不出自己做了什么的问题。这是投降的迹象。但那些让 AI 解释它在做什么的人,或者只让 AI 帮一部分的人,似乎躲过了这一劫。

部分解法可能在工具本身,但空间有限。一个每次回答前都问你“你想让我推着你想,还是直接给你?”的 ChatGPT,或者提醒你“这段你自己写会更真实”的 ChatGPT,多数时候会烦死人。但有些地方,我们确实需要这种提醒。台北那个结果指出了一个方向:靠系统层的约束,而不是用户层的意志力。但消费产品里还很少见这个。商业压力大多推着往反方向走。

选择留住什么为人

很多问题最后要落到我们自己身上。说清楚,我对很多种认知投降完全没意见。我再也记不住电话号码,因为手机替我记了。我很高兴孩子们不用学花体字。计算器做日常算术、电脑排课表,我都乐意。这些曾经都是有用的技能,放弃它们大概是对的。

AI 不一样。它足够通用,几乎任何认知任务都能在某种程度上外包。没有哪条原则规定,一封工整的邮件草稿必须出自人脑,正如一列算术不必手算。但我们不想什么都交出去。对任何一项具体任务,什么重要、什么不重要,我们大多还不知道。把这件事想清楚,是真正的挑战。

重点不是回避 AI,而是有意识地使用它。对 AI 的使用做出清醒的选择,而不是反射性的依赖或反射性的回避。更广泛地说,现在正是各种默认设置被定下来的时刻。什么样的工作该交给 AI:由设计“无摩擦使用”的 AI 公司决定,由裁定什么叫“用好 AI”的雇主决定,也由教授那个不断变形的“AI 素养”概念的人决定。这一切大多发生得毫无规划、毫无审思,讽刺得很。而我怀疑,一旦一代工人和学生围绕这些默认养成了习惯,再想扭转会非常难。我们能做的最重要的事,是不断追问:什么该交出去,什么该留给自己。而且不要指望任何人,包括 AI,替我们回答。

1 / 1
← 滑动或点击两侧翻页 →