偽智能時代：AI不是讓你變笨，是讓你失去變聰明的機會

舊金山有一家叫Cluely 的初創公司，做的是給打工人開會、面試、寫代碼時實時偷看 AI 答案的工具。他們有兩條廣告語，一條是“你再也不用思考了”(Stop thinking)，一條直接叫“思考的終結”(End of thinking)。

我看到這兩句話的第一反應不是震驚，反倒覺得它們很誠實，而且抓住了這個時代的時代精神。

誠實在哪？誠實在硅谷已經準確判斷了，這個時代真正能賣出去的東西，已經不是“讓你更聰明”。那種話聽上去高級，但產品做不到。

真正能賣出去的是“讓你不用聰明”。這兩件事不是程度差別，是方向相反。前者要求你投入摩擦，后者承諾幫你繞過摩擦。

今天這篇文章，想說的是一件比“AI 讓人變笨”更黑色一點的事：

AI可能沒有讓你變蠢，它只是讓你失去了變聰明的那段過程。

我下面會反復用一個詞來指稱這種狀態：偽智能。需要先把這個詞的意思講清楚，因為它的重音不在AI 那一邊，在人這一邊。

偽智能不是AI 輸出的內容假。AI 大多數時候輸出的內容是不假的，而且越來越不假。偽智能是一個人借助 AI 呈現出一種看似聰明的狀態，卻沒有經歷聰明背后必需的那段訓練。

學生交上來的論文、CEO 看到的市場分析、醫生收到的診斷建議、政府收到的政策報告，都“看起來對”。“看起來對”和“是對的”之間，差著一整個思考過程。“看起來聰明”和“真的聰明”之間，差著一整段沒人愿意走的訓練。

聰明從來不是一個狀態，是一種習慣。一個人不是因為知道了答案就變得聰明，是因為反復經歷了“自己摸到答案”的那個過程，才長出了下一次還能摸到答案的能力。AI 把過程消掉之后，結果還在，能力沒了。

這件事，在三個層次上同時展開。第一層是個體的認知投降，第二層是組織和教育的算法塌縮，第三層是一個不懂技術的政府，把整個文明的判斷力外包給一個三分之一到九成時候出錯的系統。

下面我們一層一層來。

一、認知繳槍：當你不再是判斷的來源

2015 年，赫爾辛基阿爾托大學(Aalto University)商學院的埃斯科·彭蒂寧(Esko Penttinen)教授注意到一件怪事。芬蘭一家頂尖金融公司里，一款用來加速會計師工作的關鍵軟件正面臨被廢棄。問題不是它運行得不好，問題是它運行得太好了。

這款軟件負責自動化處理固定資產管理的會計工作，幾乎沒有出過錯。但其中一位會計師告訴彭蒂寧：“當這份工作被自動化之后，你就不會再開始深入思考事物的本質了。”關鍵技能正在變成一種“丟失的能力”。公司高管震驚到，最后的決定是把這款完美運行的軟件停掉，重新教員工固定資產管理會計的原理。

為了讓公司活下去，這款軟件必須死。

這個故事后來被收進彭蒂寧參與撰寫的一篇研究論文，題目就叫《技能侵蝕的惡性循環：認知自動化的案例研究》(The Vicious Circles of Skill Erosion)。這篇論文是一個很早期的預警：當機器開始接管那些原本由人來思考的環節，人不會自動轉去思考更重要的事，人會停止思考。

這個判斷在2024 年被一組實驗數據精準確認了。

賓夕法尼亞大學沃頓商學院的Steven Shaw 和 Gideon Nave，設計了一個非常巧的實驗。他們讓一組志愿者在 AI 協助下回答有難度的問題，故意在 AI 的答案里隨機插入錯誤。結果分兩種情況：

當AI 給出正確答案時，使用 AI 的志愿者表現優于完全靠自己的對照組。這是大家預期的結果。

當AI 給出錯誤答案時，使用 AI 的志愿者表現遠遠低于對照組。也就是說，他們沒能識別出 AI 在胡說，他們直接采納了。Shaw 和 Nave 給這種狀態取了一個名字：認知投降(cognitive surrender)。

這個名字很準。它和“認知卸載”(cognitive offloading)區別很大。認知卸載是說“這件事我讓工具去做”，前提是你還在判斷“這件工具的輸出靠不靠譜”。認知投降是說“判斷這件事我也讓工具去做”。前者你還是大腦，后者你只是一個傳聲筒。

AI 越像一個聰明人，人就越容易忘記它只是一個概率系統。

最危險的不是AI 錯，是 AI 錯得很自信、很流暢、很有條理。一個明知道自己可能錯的工具會讓人保持警惕，一個看起來從不犯錯的工具會讓人完全松手。Cluely 那句廣告語之所以能說出來，是因為他們已經看清楚：用戶最想要的不是更聰明的助手，是一個讓自己可以徹底松手的對象。

但真正讓我覺得這件事必須被寫下來的，是另一個層次的代價。代價不在于使用AI 的人在某次任務中錯得更多，而在于他們正在失去未來某天獨立做對這件事的能力。

這就要談一件公眾號讀者很少有人提到的事：很多被認為是低價值的工作，其實是高價值能力的訓練場。

初級律師查案例，不是為了找到那個案例，是為了在翻閱幾百份案件中長出“哪些細節會決定勝負”的直覺。

年輕分析師整理資料，不是為了交一份表格，是為了在數據里慢慢摸到“這個行業的真正機制是什么”。

程序員調 bug，不是為了讓程序跑起來，是為了在反復定位錯誤中長出“代碼在哪些地方最容易壞”的判斷力。

編輯改稿，不是為了讓句子更順，是為了在改別人的文字中長出自己寫文字時不再犯同樣錯誤的本能。

學生寫作文，不是為了交一篇作文，是為了在卡住、推翻、重寫的過程中，把模糊的感覺變成清楚的語言。

這些工作有一個共同特征：它們看起來低效，但它們提供的是適度困難(desirable difficulty)。這是 1990 年代加州大學洛杉磯分校的認知心理學家羅伯特·比約克(Robert Bjork)提出的概念，后來被幾百項研究驗證：學習時如果完全沒有摩擦，大腦不會留下深的痕跡；只有在一定程度的掙扎中，長期記憶和遷移能力才會形成。

AI 現在干的事，正好是把這一類工作整段整段吞掉。它不是從工作鏈條的最高端開始替代，它是從最底端、看起來最不重要的環節開始替代。但被吞掉的恰恰是判斷力賴以形成的那段路。

我之前在一篇叫《AI 折疊》的文章里寫過一句話：算法最先拿走的，不是你的工作，是你工作里最有成長性的部分。

那篇文章當時是從分配角度講的：誰在算法上游，誰在算法下游。今天再回頭看，這件事比我當時寫的更徹底。芬蘭那批會計師沒有被裁，他們只是不再思考了。Wharton 實驗里那批志愿者沒有失業，他們只是把判斷這件事讓出去了。AI 不是搶走了你的工作，是搶走了你工作里那個讓你變厲害的環節。

工作還在，人還在，變厲害的可能性沒了。

二、算法單一文化：當所有人借同一個外腦思考

英國保守派歷史學家尼爾·弗格森(Niall Ferguson)給當下這個時代起了一個名字，叫“偽智能”(pseudo intelligence)。他最初用這個詞，是描述大學里學生用 AI 代寫論文造成的假智力表現：交上來的東西看起來很專業，實際背后沒有任何真正的認知工作。

弗格森用得很窄。我們這篇文章想把這個詞的范圍拉大，因為同樣的現象正在從教室擴散到整個組織世界，而且在組織層產生的后果比在個體層更難逆轉。

先說一組數據。

2024 年，Meta 聯合兩所大學的研究團隊發表了一篇研究，掃描了當時市面上 21 個最先進的大語言模型(包括 GPT-4、Claude、Gemini 等)，測試它們對常見問題的回答。結論是一個讓人沉默的詞：算法單一文化(algorithmic monoculture)。

這 21 個模型在面對同一個問題時，給出的答案在結構、立場、用詞上呈現出強烈的趨同。

這不是巧合。這些模型大量訓練數據重疊，對齊流程相似，人類反饋來源接近。它們在底層是同一種模型的不同變體。

那么問題來了：當全世界幾億人在用這21個模型問同一類問題、改同一類文檔、寫同一類報告、做同一類決策時，會發生什么？

麻省理工學院媒體實驗室(MIT Media Lab)的納塔利婭·科斯米納(Nataliya Kosmyna)博士給了一個具體回答。她帶領團隊研究使用 ChatGPT 寫論文的學生，對比只用搜索引擎的學生和完全靠自己寫的學生。結論是，使用 AI 的小組寫出的論文“非常同質化，它們都非常相似”。這些學生反復聚焦在更狹窄的觀點集合上，創造性顯著降低。

科斯米納還用腦機接口監測了這些學生的大腦活動。使用ChatGPT 的學生，與研究主題之間形成的神經連接更淺，批判性思維和長期記憶的形成都受到削弱，而且這種削弱程度甚至超過了用谷歌搜索的學生。

這就是偽智能在組織層的形態：輸出看起來更多元，實際是同一個聲音的回聲。每個人都覺得自己用AI 拿到了獨家見解，實際上幾億人在拿到幾乎一樣的見解，只是措辭略有差異。

谷歌今年推出的AI Mode 把這個過程做到了極致。過去你搜索一個問題，谷歌給你十條藍色鏈接，你自己點開幾條，自己判斷哪個可信、哪個值得深讀。現在你搜索同一個問題，谷歌直接給你一段 AI 生成的總結。你看到的是 AI 決定讓你看到的內容。剩下的鏈接，你不會再點。

我以前寫過一篇文章叫《不是AI使人變笨》。當時的核心判斷是：社會正系統性地把獎勵從“深度思考”轉向“煽動情緒”。

AI 出現之后，這個獎勵機制完成了最后一塊拼圖：現在連“煽動情緒”都不用你自己干了，模型替你干。你只負責按下生成按鈕。

這就引出了海德格爾在1953 年那篇著名演講《技術的追問》里講過的一個判斷：技術真正的危險不是它本身，是它把整個世界揭示成可調度、可計算、可優化的資源。在他看來，技術不是中性工具，技術是一種“看世界的方式”。一旦人類開始用這種方式看世界，森林就不再是森林，只是木材儲備；河流就不再是河流，只是水電潛力。

AI 是這條邏輯走到今天最干凈的樣本。它把語言變成可調用資源，把知識變成可調用資源，把觀點變成可調用資源，把品味、風格、創意變成可調用資源，最后連“像一個聰明人在思考”這件事本身，也變成了可調用資源。

當一切都變成可調用，有一件事會被悄悄消滅：停下來真正理解一件事的意愿。

因為理解很慢、很不經濟、很不能被復用。它在一個崇拜效率的系統里沒有位置。

偽智能不是被強制接受的，是被效率本身篩選出來的。當你周圍每個人都用AI 三十秒生成一份報告、十分鐘寫完一篇文章、一小時做完一份方案，你堅持自己花三天去理解一件事，你會被認為是浪費時間的人。系統不會獎勵你，系統會淘汰你。

這就是偽智能的第二層意思：它不只是一種使用方式，它正在變成一種環境壓力。當所有人都借同一個外腦思考，世界不是變得更聰明，是變得更整齊。

三、把文明外包給一個一半時間會犯錯的系統

柏拉圖在《斐德羅篇》(Phaedrus)里講過一個埃及神話。

文字的發明者圖特(Theuth)把這件禮物獻給國王塔穆斯(Thamus)，聲稱它可以增強人的記憶和智慧。塔穆斯回答：不，這只會讓人依賴外部符號、削弱真正的記憶。人們將看起來知道很多，實際上只是擁有許多外部記錄。

兩千五百年之后，塔穆斯的預言每隔幾代就被重新激活一次。書寫讓人擔憂記憶，印刷讓人擔憂專注，廣播讓人擔憂嚴肅，電視讓人擔憂深度，搜索讓人擔憂理解。每一次新工具出現，都有人重述塔穆斯那句話，而每一次，這種擔憂都被實踐部分證偽、部分證實。

AI 讓人擔憂的是最后一件事：判斷力本身。

而這一次的特殊之處在于，前幾次的工具替代的是某種能力，這一次的工具替代的是判斷。能力丟了可以重新練，判斷讓出去了，你連“這次讓出去得對不對”都沒法判斷。

英國工黨政府2025 年公布了一份《人工智能行動計劃》。計劃的核心是政府聘請的科技投資者馬修·克利福德(Matthew Clifford)提出的：通過“全方位數字化”，在公共部門盡可能普及 AI，據稱可以為國家節省 460 億英鎊。

報告里有這樣的語言：AI 將縮短等待時間、識別瓶頸、讓公共服務“感覺更具人情味”，甚至可以在監獄暴亂發生之前就將其制止。

不過，英國小說家伊萬·莫里森(Ewan Morrison)則認為：政府在把一個錯誤率在33%到90%之間的東西，引入醫療、軍事、教育這些它最不該被引入的領域。

我們沒有在擁抱技術。我們在讓一個錯一半時間的系統替我們做最重要的判斷。

更荒誕的是，做出這個決定的人，大多數自己并不懂這個系統是怎么運作的。他們看到的是PPT 上的省錢數字，是供應商演示里那些精挑細選的成功案例，是其他國家正在做同樣的事所制造的緊迫感。

他們沒有能力問出最基本的反問：這個系統在什么情況下會失敗？失敗的代價由誰承擔？如果我們離不開它了再發現它有問題，有備份方案嗎？

當被治理者懂技術、治理者不懂技術，這件事會出現一種奇特的反轉：技術變得像魔法。一個不懂魔法的人怎么治理魔法？他只能信任那些自稱懂魔法的人。

這種狀態不是沒有反例。前Facebook 工程師格奧爾格·佐勒(Georg Zoeller)現在駐新加坡，擔任新加坡政府的技術顧問。他觀察到的新加坡是一個不同的樣本：技術決策由懂技術的人做，引入 AI 的姿態是工程性的、計算代價的、保留備份的，而不是宗教性的、押注式的、不可逆的。

新加坡的樣本意義在于：另一種治理姿態是可能的，一個國家可以認真使用 AI，同時拒絕相信 AI。這件事在英國、在美國、在歐洲大部分國家，都沒有成立。

今天看下來，這件事在加速，但加速的方式比我當初寫的更黑色。勞動力還沒來得及組織起反抗，已經先把自己的判斷力交出去了。資本不需要剝奪工人的反抗能力，工人正在主動放棄。政府不需要壓制公民的判斷力，公民正在主動外包。

這讓我想起1909年英國小說家E.M.福斯特寫過一篇短篇小說，叫《機器休止》(The Machine Stops)。故事設定在一個高度依賴一臺巨大機器的未來社會，人們的衣食住行、社交、教育、娛樂都通過這臺機器實現。久而久之，人們忘記了機器是怎么運作的，也忘記了它是怎么修理的，他們開始把它當作神。

故事的高潮是機器開始出故障。但人們不把這看作危機，而看作神圣的智慧，他們已經把機器變成了不可質疑的對象。等他們終于意識到機器真的會停下來時，已經沒有人記得怎么修了。

這本小說寫于1909 年。福斯特那時候沒有計算機、沒有互聯網、沒有 AI。他描寫的不是技術，是人和技術的一種關系，一種當人完全依賴一個自己不再理解的系統時，會發生的事。

一個不懂技術的政府，把決策外包給一個不懂世界的模型。這不叫治理，這叫賭博。

四、把變聰明的機會留下來

有觀察家認為，“如果我們正在變得越來越笨，那我們幾乎不能把責任推給 AI。這都是我們自己造成的。”

讀到這句話的時候我有點不同意。

把責任推給自己聽上去很有道德感，但這是另一種偷懶。變笨從來不是個人選擇，是一整套獎勵機制、政策導向、商業模式、教育體制合謀出來的結果。當你周圍每個人都在用AI 三十秒完成你需要三天才能完成的事，當你的老板拿著 AI 生成的方案問你“為什么這周只交了一個想法”，當你的孩子告訴你他班上每個人都在用 ChatGPT 寫作業，你獨自一個人選擇“親自思考”是一種奢侈，而不是一種美德。

真正的問題不是“我們怎么變得不那么依賴 AI”。真正的問題是“我們怎么重新設計一個獎勵思考的環境”。

這件事不能靠個人意志解決。學校能不能在某些課程里強制下線？公司能不能保留一部分必須人工完成的環節？政府能不能在最敏感的決策領域立法限制AI 介入？這些都是制度問題，不是道德問題。

但在制度回應到來之前，每個人能做的有限的一件事是：把判斷權留在自己這里。不是不用AI，是用了之后還要再過自己一遍。不是抗拒效率，是知道有些事情慢一點是值得的。不是回到沒有 AI 的過去，是在有 AI 的世界里，守住一塊不讓 AI 進來的地方。

正如麥克盧漢所指出的，每一種新工具都會讓某些東西過時，讓某些東西復活。AI 讓“知道答案”過時了。它復活的應該是什么？

應該是提出問題的能力。判斷答案是否值得相信的能力。在沒有答案的地方繼續往前走的能力。這些是AI 永遠不能代替的能力。

但前提是，你得還留著它們。

偽智能時代真正稀缺的，不是答案，是還在思考的人。【懂】

經叔最近做了一個網站:https://budongjing.com

人肉篩選挖掘的硬核優質內容及深度原創，重點關注科技、文化、財富、權力四大要素以及它們之間的互動與影響。網站定價1999元/年，目前內測優惠價1299元/年，感興趣的讀者可以加經叔微信訂閱。

另外，歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由