去你常逛的社交媒体看看，你会发现满屏的帖子开始长得可疑地相似。那些帖子底下的许多评论，也是 AI 生成的。越来越多的学术论文是这样，《纽约时报》的评论文章是这样，显然，连获奖短篇小说也是这样。如果你经常用 AI，你大概早就注意到身边有多少文字是 AI 写的（经常用 AI 的人，历来都很擅长识别 AI 文体）；如果你没注意到，我向你保证：它比你想象的多得多。

问题不只是 AI 写作的那种千篇一律——尽管到最后，它乏味到只要我内心的“AI 探测器”一响，哪怕话题再有趣，我也会直接划过。问题还在于，草草提示出来的 AI 文字，每一个词里含有的意义少得可怜，只会带着你在思想上兜圈子。我们从小被训练成这样：看到工整的句子、听起来有学问的文本，就默认背后是人类花了力气，于是会认真去读这些 AI 写的评论。可那里常常根本没有人的意义——这些帖子不过是长得像意义的注意力吸血鬼，耗掉你的脑力去解码，却不还给你等量的理解。

但用 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的养成。我很幸运，写了几十年，养出了自己的风格——我觉得无论写书、发推还是写博客，它都透得出来。这个风格得来极其烦人：好老师、反复改稿、网上刻薄的评论，都有份。如果 AI 能写得足够好，我本可以跳过这一切；但那样做的代价，是放弃一件后来被证明对我的职业和幸福都极其重要的东西。

这不是要谴责用 AI 辅助写作的任何做法。我觉得 AI 对好作者可以是绝佳的工具（我所有的文章都会让 AI 检查一遍，还会让它扮演不同的读者，看看我有没有漏掉什么）。对不擅长表达的人，AI 能帮他们把想法说得更好；而且，对有些人来说写作未必等于思考。再说，稍微花点心思，就能让 AI 的文字少一点套话、多一点个性，值得用（适度地）。所以我要谴责的，是把 AI 当成默认选项，甚至不假思索地用它。在使用 AI 和动用自己的脑子之间找到平衡，将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，研究团队有重叠（包括我在沃顿的同行），很好地说明了“用 AI 抄近路”和“用 AI 助思考”之间的区别。第一篇是在土耳其一所高中做的实验，约一千名学生学数学。一组用普通的 ChatGPT，另一组完全不用 AI。用了 ChatGPT 的学生作业做得更好，也自以为学得更多；但到了考试，他们反而不如没用 AI 的同学。因为 AI 被设计成乐于助人的助手，实际上只是在直接给答案，而真正的学习需要付出脑力。绕开努力，就绕开了学习。这正是 AI 进入课堂的早期结果如此令人担忧的原因。

但在第二篇论文里，同一批作者中的许多人，在台北十所高中、近一千名学生中开了一门五个月的 Python 课，结果就不同了。由 AI 导师给出个性化题目的学生，在一场不能用 AI 的期末考试中，成绩高出 0.15 个标准差。按某些估算，这相当于多上了六到九个月的学，而且没有增加教学时间或老师的工作量。AI 在这里做的是因材施教。这也与其他关于 AI 辅导的研究相符：用得对，个性化导师确实能显著提升学习。

用 AI 的方式只差了这么一点，结果却天差地别。更糟的是，人性会推着我们做错选择。学习要求我们直面自己的无知、做费劲的智力劳动，而这些实在太难受了。这就是为什么学生会觉得生动的讲座比在课上做难题“更有教育意义”，尽管他们其实从难题里学到的更多。要想从 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，只是入口都不太直观。Gemini 最容易：点加号，选“引导式学习”。ChatGPT 要在对话框里输入“/learn”。Claude 要点加号、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）。无论哪种，尽量用思考型或高级模型，尤其是 STEM 科目。也要清楚：这些模式只能帮想学的人；你若想作弊，它拦不住你。

太顺滑了

AI 本不必削弱你的思考力，但用得不好就会，而“不好”往往就是默认状态。我在沃顿的同事把这叫作“认知投降”，他们记录了人们如何停止思考、任由 AI 代劳，哪怕 AI 是错的。我觉得问题一部分出在这些工具的设计上。

当 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进去。智能体系统则是为了让你省事而设计的，因为它们直接把事办了。这对完成任务是好事，对学习、对保持真实、对避免认知投降却是坏事。你丢进去一个难题、拿回一个答案，很难不顺手就用。

在我们最近与哈佛、MIT、华威大学、BCG 等机构同行发表的论文中，我们对波士顿咨询公司的 758 名顾问做了一项实验，其中一半人用上了 GPT-4。用 AI 的顾问表现大幅碾压不用的人。但我们也让顾问们做一道我们确知 AI 会答错的题。在这道题上，用 AI 的顾问答对的比例，显著低于不用 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表现优异的精英顾问——没有发现。当然，现在 AI 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，没能学会如何成为一个好顾问。

再强调一次，这不是非如此不可。Anthropic 做过一项小研究：程序员用 AI 完成一项新任务。那些全程让 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 帮一部分工作的人，似乎躲过了这个命运。

部分解法也许在工具本身，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，我们绝对需要这样的提醒。台北的那个结果指出了一个方向：靠系统层面的约束，而不是用户层面的意志力。但消费产品里我们还很少见到这个，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是完全没意见的。我再也记不住电话号码，因为手机替我记了。我很高兴我的孩子们不用学花体字。计算器做日常算术、电脑排我的课表，我都乐意。这些曾经都是有用的技能，但我们放弃它们，大概是对的。

AI 不一样，因为这项技术足够通用，几乎任何认知任务都能在某种程度上外包给它。我不想对写作太矫情：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；而对任何一项具体任务来说，什么重要、什么不重要，我们大多还不知道。把这件事想清楚，将是一个真正的挑战。

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，再想扭转就会非常难。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。