騰訊前沿科技論文解讀專欄，在程式碼與商業的交匯處，尋找AI的確定性。
文｜博陽 彭超
編輯｜徐青陽
很多人第一次意識到 AI 可怕，不是因為它會寫程式碼、畫圖、做簡報。
而是某一天，你面對一個稍微複雜的問題，大腦還來不及展開思考，手已經伸向了 ChatGPT 或 Claude。一個觀點還沒成形，AI 已經替你列好了架構。一份報告還沒讀完，AI 已經告訴你重點、邏輯和結論。
AI 替你省下了思考的力氣，卻也拿走了抵達答案之前那段笨拙、緩慢、痛苦但卻必要的過程。猶豫、試錯、繞遠路、在死胡同裡徘徊，最後突然把兩條線索接上的那一刻，全都被折疊了。
這種感覺，現在已經被越來越多的研究證實。
賓夕法尼亞大學華頓商學院的學者 Steven Shaw 和 Gideon Nave 將這種微妙的心理狀態精準地命名為「認知繳械」（Cognitive Surrender）。
在他們 2026 年發表的研究《思考——快、慢與人工智慧：AI 如何重塑人類推理與認知繳械的崛起》中，兩位研究者提出了一套「三系統理論」（Tri-System Theory）。在傳統的認知心理學雙系統模型中，System 1 代表直覺的、快速的反應，System 2 代表深思熟慮的、緩慢的邏輯推理。
而現在，AI 正在強勢介入，成為一種在大腦之外運行的外部人工認知系統，也就是 System 3。
他們做了一個實驗。1,372 名參與者被要求完成 9,593 次認知反射測試（Cognitive Reflection Test, CRT）類的推理題。這類題目的特殊之處在於，它們往往有一個極具迷惑性的直覺答案（誘導 System 1 犯錯），需要參與者主動調動深層思考（System 2）來推翻直覺。
在實驗中，是否使用 AI 輔助是可選的，結果顯示，參與者在超過一半的題目中主動選擇了向 AI 諮詢。
研究者透過後台隱藏的提示詞，隨機控制了 AI 給出答案的準確性。結果一旦開啟 AI 輔助，參與者中 90% 都按照 AI 的正確建議答題；而當 AI 給出錯誤答案時，依然有 80% 的人選擇了盲從。
在這裡，這種對直覺和深思熟慮的雙重壓倒，正是「認知繳械」的行為學特徵。
AI 不光是替你做了回答，也讓你放棄了「是否還需要繼續思考」的判斷權。
01
人類文明本就是一部能力外包史
如果把歷史的鏡頭拉遠，我們就會發現，AI 並不是第一個讓人類陷入「喪失能力」恐慌的工具。
事實上，將能力外包給外部媒介，本身就是人類文明演進的底層邏輯。
古希臘時期，蘇格拉底就曾強烈反對文字的普及，認為將知識記錄在羊皮卷上會摧毀人類記憶的內部肌肉。
這其實並非杞人憂天。
2020 年，Louisa Dahmani 和 Véronique Bohbot 在《科學報告》（Scientific Reports）上發表了關於 GPS 使用與空間記憶相關性的深度研究。他們追蹤了常規駕駛者的 GPS 使用習慣和空間記憶能力。結果顯示，越習慣使用 GPS，人在沒有導航時的空間記憶就越差。研究者還提醒，這不只是「方向感差的人更愛用 GPS」，更可能是對 GPS 的依賴本身讓空間記憶退場。
GPS 並沒有摧毀人類的整體智力，導航軟體的普及甚至極大地提升了整個社會的物流和出行效率。但它確實不可逆地削弱了人類在物理世界中建立認知地圖的具體能力。
但退場也不等於清零，而是意味著轉移。
2011 年，哥倫比亞大學的 Betsy Sparrow 及其合作者在《科學》（Science）雜誌上發表了一篇論文《Google 效應對記憶的影響：資訊觸手可及的認知後果》。
透過四項精心設計的實驗，研究團隊發現了一個現象：當人們面對困難問題時，他們的大腦會被啟動，下意識地想到電腦和搜尋引擎。而且，當人們潛意識裡知道某項資訊未來可以透過網路輕鬆找到時，他們記住這條資訊本身內容的機率會顯著降低；相反地，他們被強化的記憶力在於「去哪裡以及如何找到這條資訊」。
搜尋引擎沒有清空記憶，它改變了記憶的形態。
人從記住內容，變成記住入口。
從古至今，正是這種工具形式的外包和能力繳械，構成了文明前進的一種動力。
人類把消化能力交給火，把切割、搬運和打擊能力交給了工具，把記憶交給了文字，把計算交給計算機，把信任和協作交給了規則制度。
人並不是靠把所有能力都保存在身體和大腦內部而成為文明動物的，相反地，人正是透過不斷把能力遷移到體外，遷移給工具或群體，才建構出更複雜的文明。
那這不是好事嗎？我們只要任由工具繼續進步就好了。
但社會學和哲學多年來的研究，證明這一過程並非毫無代價。
它最大的代價就是人的異化和我們後工業時代逐漸加深的時代病。
02
認知繳械的歷史代價
從剛才的能力外包過程中，我們可以發現，記憶具體內容的能力被工具外包後，人們開始去訓練如何高效率地搜尋。
工具接管什麼，舊能力就退場。人也會把能力改造成新的形態。
如果工具替我們省下了某些能力，這些被釋放出來的認知頻寬，最後去了哪裡？
轉向了縱深和碎片化。
技能外包與人的異化
1974 年，哈里·布雷弗曼在其經典著作《勞動與壟斷資本》（Labor and Monopoly Capital）中，剖析了資本主義勞動過程中的「去技能化」現象。
布雷弗曼指出，現代管理科學（如泰勒制）的核心動作之一，就是殘忍地將勞動的「構思」與「執行」徹底剝離。
在前工業時代，一個鐵匠或木匠掌握著一件物品從設計、選材到打造、打磨的完整生命週期，知識和動作是統一在手工藝人身上的。
但隨著工業化和壟斷資本的推進，這個完整的流程被拆解成了無數個可被精確測量、可被標準化管理、可被隨時監督和替換的碎片化環節。
我們的認知，也因此被拆分成細碎的方向。其餘的或者外包給工具，或者外包給他人。
整體性已不復存在。這其實正是馬克思主義意義上的異化。
對馬克思而言，勞動並不只是謀生手段。人透過勞動把自己的意圖、判斷、技巧和想像力對象化到世界之中。一個人造出一張桌子、一把椅子、一件器物，他不只是獲得一個產品，也在這個產品中確認了自己的能力：我理解材料，我能組織過程，我能把一個想法變成現實。
但當勞動被極端分工切開之後，這條自我確認的迴路就斷裂了。勞動者不再面對一個完整的造物，而只面對流程中一小段被測量、被監督、被替換的動作。他參與了生產，卻不再真正擁有生產過程；他創造了價值，卻越來越難知道這個價值與自己有什麼關係。
於是，產品不再是人的能力的外化，反而變成一種陌生的東西。它屬於資本，屬於工廠，屬於市場，屬於管理系統，卻不再像是勞動者自己的生命活動。人和自己的造物之間，被工資、流程、機器、管理和所有權隔開了。
布雷弗曼對泰勒制的批判，正是把這種異化推進到勞動過程內部。資本不只是佔有產品，還要佔有「如何生產」的知識。
構思被管理層拿走，執行被工人留下。勞動者由此失去的不只是完整產品，更是對自身能力的整體支配。
完成外包所必需經歷的步驟，就是能力外包和認知繳械。當它讓生產出的結果反過來代表我、評價我、支配我，而我卻不再能在其中確認自己時，它就成為異化。
而這種異化，在20至21世紀的進程中一直在持續加深。
分工開始極端化，向著一側邁進
到了20世紀後半葉，隨著電腦技術的興起，人需要被社會需要的碎片化環節發生了一種更為極化的轉移。
2003 年，麻省理工學院的 David Autor、Frank Levy 和 Richard Murnane 在《經濟學季刊》（The Quarterly Journal of Economics）上發表了一篇極具影響力的論文《近期技術變革的技能構成：一項實證探索》。
這項研究透過對 1960 年至 1998 年勞動市場海量數據的分析，提出了一個核心判斷：電腦技術（作為一種資本投入）對於人類勞動的替代並非是無差別的。它會無情地替代那些「常規的認知和體力任務」，也就是那些可以被拆解為明確規則、可被演算法和程式碼表達的程序性工作。
但與此同時，電腦技術會強烈地補充和需求「非常規的分析和非常規的互動任務」，例如複雜的溝通、模糊問題的解決、以及對技術輸出的解釋。
Autor 團隊的發現意味著，技術外包在20世紀中，不是讓人不再勞動，而是把人推向更抽象、更不穩定、更難退出的任務。
你不用手工整理數據了，但要解釋數據。你不用記路線了，但要判斷平台規則。
工具的興起，讓更抽象、更制度化、更難退出的思考成了我們技能鍛鍊的核心。
這帶來了兩個我們現在耳熟能詳的時代病症。一是疲憊，二是安全感的喪失。
首先是疲憊，更複雜的工作必然帶來更大的消耗，而且隨著這種轉移，工作日中的低負荷環節被不斷抽走。那些無聊、重複、機械、看似低效的任務，曾經在複雜勞動之間提供了一種天然的腦力緩衝。它們讓人從高強度判斷中暫時退出來，以較低功耗完成一些仍然必要的工作。
當人的勞動越來越被窄化為連續的複雜認知任務，這種緩衝就消失了。你不再是在輕重任務之間交替，而是從一個需要判斷的會議，跳到一個需要解釋的數據，再跳到一封需要拿捏語氣的郵件，最後進入一項需要承擔後果的決策。
這正是哈特穆特·羅莎所說的「社會加速」在日常工作中的具體形態。技術本來承諾節省時間，但節省下來的時間並不會自然變成閒暇，而會被更高頻的任務、更快的回應、更密集的溝通重新填滿。
疲憊正是在這裡生成的。不是因為每一項任務都極其困難，而是因為幾乎每一項任務都要求你保持清醒、理解語境、做出判斷、協調他人，並對結果負責。
其次是不安全感。隨著分工不斷細化，人類自身價值的定義也被急遽窄化。你值不值錢，越來越取決於你能不能在某套局部系統裡持續輸出可計量的結果，能不能接更多單，能不能更快回應，能不能寫出更漂亮的週報，能不能適應更多工具，能不能在評價系統裡表現成一條向上的成長曲線。
人的能力被綁定到越來越狹窄的場景裡。一個人要麼被迫保持完全靈活，隨時接受低技能、低保障、可替換的任務；要麼被釘死在一個高度專業化的崗位、行業或平台規則中，把全部訓練押注在一個越來越小的價值座標上。
鮑曼在《流動的現代性》中，描述的正是這種安全感的瓦解。在更早的工業社會裡，人也許被工廠、單位、階層和職業牢牢固定，但這種固定至少提供了一種可預期性。你知道自己被什麼束縛，也知道自己依靠什麼生存。
而當下，你只能與一個行業、乃至一個崗位本身同生共死。
而不幸的是，崗位被科技吞沒的速度越來越快。流動變得幾乎不可避免。
21世紀，向介面的窄化
當時間來到21世紀，這種窄化的、被馴化的適應社會評價體系的能力，甚至窄化到了介面層。
2016 年，科技民族誌學者 Alex Rosenblat 和 Luke Stark 發表了一項關於 Uber 司機的研究。在他們的研究中，Uber 等網路叫車平台的出現，徹底重構了司機的技能樹。Rosenblat 和 Stark 在研究中發現，他們的新技能變成了讀懂平台。什麼時候上線，哪裡等單，熱區是否可靠，什麼訂單不划算，評分如何影響後續派單，這些東西構成了新的街道。
這些被逼迫著窄化的新生技能，變成一種極其狹隘的、高度依附於特定數位環境的「平台依賴型技能」。
它比細分行業本身更無可救藥地脆弱。
一個前工業時代的木匠，他掌握的是對木材紋理的理解、對榫卯結構的物理直覺。這種技能是屬於他個人的，也是面向整個物質世界的。即便他換了一個村莊，換了一套工具，只要木頭還在，他的技能就永遠有效，永遠可以兌換生存資源。
但是，一個精通「養系統」的外送員，或者一個極擅長揣摩動態定價的網路叫車司機，他們引以為傲的複雜技能，卻僅僅依附於幾家科技公司的伺服器。
這種技能不具有任何跨越平台的遷移性。
在整個20至21世紀時，異化也藉由這種由科技帶來的外包，逐步向著更窄、更碎片化的自我狂奔。
泰勒制把生產過程從人身上拿走，電腦化把常規任務從人身上拿走，平台化把行動環境從人身上拿走。
但人在每一輪裡，仍然被迫在剩餘位置上形成某種新能力。
而AI，帶來的並不是這一方向的繼續演進，而是一種全新的異化。
03
AI的新異化
如果說泰勒制把人壓縮成生產流程中的手，電腦化把人推向更為抽象的解釋和協調，平台化把人訓練成演算法介面裡的適應者，但每一次外包之後，人仍然會被強迫在剩餘位置上形成某種新的能力。
文字削弱記憶，卻強化閱讀、解釋和書寫；搜尋引擎削弱內容記憶，卻強化檢索、篩選和判斷來源；平台演算法削弱對真實城市的掌握，卻逼迫司機和外送員學會讀懂系統、規避規則、養出自己的數據畫像。
他仍然可以說，我懂這個系統，我掌握這套規則，我有一套經驗，我知道該怎麼做。
這也許是現代人在高度分工社會中殘存的最後一點安全感。
完整的造物已經沒有了，完整的過程已經沒有了，穩定的環境也逐漸沒有了，但人至少還可以抓住一種東西，即我會、我懂、我判斷過。
這是我的能力。
但 AI 開始讓這層安全感鬆動。
思維過程的坍塌
第一個倒下的是懷疑。
懷疑是認知主體性的第一道防線。一個判斷之所以真正屬於我，不是因為它從我的帳號發出，而是因為它曾經被我追問過、抵抗過、檢驗過。
華頓商學院「認知繳械」的實驗揭示的，正是這種防線如何被 AI 提前關閉。人並不是在充分比較之後選擇相信 AI，而是常常在 AI 給出一個流暢、完整、自信的答案之後，就停止了繼續追問。
AI 最危險的地方，不是它會替你想，而是它會讓你覺得已經想過了。
第二個倒下的是整合摩擦。
搜尋引擎時代，人已經開始把內容記憶外包出去。但搜尋仍然保留了許多學習摩擦：你要點開網頁，比較來源，識別偏見，篩選材料，把衝突的資訊重新組織起來。
這些動作看起來低效，卻正是學習發生的地方。
華頓商學院的 Shiri Melumad 和新墨西哥州立大學的 Jin Ho Yun 在 2025 年發表於《美國國家科學院院刊》（PNAS Nexus）的一項大規模研究，他們做了 7 個實驗，樣本超過 10,000 人。參與者用大型語言模型（LLM）總結或網頁搜尋學習一個主題，然後撰寫建議。
結果是，LLM 組報告的學習體感更淺，寫出的建議更短、更泛、更少有事實引用。獨立讀者也認為，LLM 組建議較少有用、較少可信。
這說明，搜尋的麻煩本身是一種學習摩擦。搜尋保留了混亂，混亂迫使你參與，摩擦迫使你判斷，來源之間的不一致迫使你整合。
LLM 則把這些東西壓縮成一個順滑的答案。它拿走的不只是麻煩，也拿走了學習嵌入主體的路徑。
你的認知就是提問、求證、懷疑、判斷、整合的綜合體。
在不再懷疑，不再自我整合知識，求解答案之後，認知的參與幾乎就完全消失了。
麻省理工學院媒體實驗室（MIT Media Lab）的 Nataliya Kosmyna 團隊進行了一項研究《你的大腦對 ChatGPT 的反應》（Your Brain on ChatGPT）。這項研究不再僅僅依賴問卷或行為觀察，而是直接使用腦電圖（EEG）技術，來窺探在使用 AI 時，人類大腦內部究竟發生了什麼。
研究團隊將參與者分為三組：純腦寫作組、傳統搜尋引擎輔助組，以及 LLM（ChatGPT）輔助組。當參與者在撰寫關於複雜話題（例如什麼是幸福）的文章時，EEG 數據顯示，LLM 組在任務中的神經連結和大腦活化模式顯著更弱，其神經連結比純腦組減少了高達 55%。
更可怕的是，在隨後的記憶測試中，LLM 組表現出了極差的記憶力，高達 83% 的參與者甚至無法引用他們剛剛「寫」出的文章中的句子，他們對自己生產的內容也缺乏基本的歸屬感。
參與者「寫」出了文章，卻難以引用自己的句子，也缺乏對內容的歸屬感。
這正是認知產品和認知參與之間的脫鉤。
之後，就是放棄思考過程的後果，能力形成過程的喪失。
能力形成並不是 AI 異化的全部，但它是現代人抵抗異化的最後憑據。
在一個被分工、崗位、平台、工具鏈不斷窄化的社會裡，人還能用「我會」來確認自己。我會寫，我會判斷，我會除錯，我會理解一個系統，我能在錯誤中找到原因。
2026 年，來自頂尖 AI 研究機構 Anthropic 的研究員 Judy Hanwen Shen 和 Alex Tamkin 發表了一項關於 AI 如何影響程式設計師技能形成的深度研究。這項研究切中了現代職場最大的痛點：用 AI 提效，是否等同於個人能力的提升？他們讓 52 名有 Python 經驗但沒用過 Trio 的開發者學習一個陌生非同步庫。AI 輔助組完成任務後，看起來並不差。但在後續閉卷測驗裡，他們平均低 17%，差距最大的是除錯能力。
這說明，完成任務和形成能力不是同一回事。
AI 的問題，不是讓人永遠不能學，而是讓學會這件事看起來越來越不必要。
AI 之後，你仍然可以擁有結果，甚至擁有更多結果。更多文本，更多方案，更多總結，更多程式碼，更多判斷，但這些結果不再必然意味著你經歷過相應的形成過程。
定義AI的異化
到這裡，我們才真正可以命名 AI 帶來的新異化。
它不是簡單的能力退化，也不是普通的效率提升，而是認知成果和主體形成過程之間的斷裂。
人擁有越來越多「自己的」認知成果，但卻越來越少在這些成果中確認自己。
泰勒制讓人變成生產流程中的手。AI 則可能讓人變成認知流程中的簽名。它不再需要完整的你，它需要的是你的確認、署名、提交、偏好、背書和責任承擔。
這才是 AI 認知繳械真正的歷史位置。
它不是工具外包史上的又一次省力，而是異化從勞動過程深入到思想生成過程的一刻。
人類第一次大規模擁有了「像是自己的思想成果」，卻越來越難確認，這些成果是否真的曾經經過自己、改變自己、成為自己。
難以成形的解法
為了阻止這種異化的真正發生，2026 年，Xu 等人在題為《認知主權讓渡》的論文中提出了一個方法：鷹架式認知摩擦。
一個真正優秀的 AI 系統，應該在互動中刻意製造合理的認識論張力，甚至扮演「計算魔鬼代言人」的角色，來打斷人類下意識的直覺依賴。
好的工具必須製造適當的阻力，強迫人類保留提出問題、尋找證據、保持懷疑和做出最終判斷的主動權。
但你會用一個有阻力的AI，還是會用一個幹活更快的AI呢？一個想要業務更創新高的公司，又會選擇哪一種產品呢？
對於當代的用戶來講，答案似乎不言而喻。
AI 的新異化並不是由 AI 單獨造成的。它需要三個條件同時成立。
因為異化的引擎聲隆隆作響，一刻也不會停息。
我們似乎步上了一條絕望的路徑。
當認知主權被 AI 全面接管，人類似乎注定要淪為演算法豢養的寵物，在零摩擦的溫水裡逐漸失去所有直面真實世界的能力。
04
異化的引擎
在我青年時期，想像科技解放人類時，腦海中浮現的往往是古希臘哲學家在雅典學院漫步的閒暇畫面：機器代替人去勞作，人則退回書齋，去從事純粹的思想、藝術和公共生活。
但現實的引力截然不同。科技確實替我們省下了做舊任務的時間和腦力，但這部分被釋放出來的「認知頻寬」，並沒有以一種無條件的型態回到普通人手中。相反地，它幾乎是在被釋放的瞬間，就被現代社會飛速運轉的新任務、新系統和新評價標準重新吸走。
機器提高了產能，於是工人被要求服從更精確的工廠節奏；電腦提高了處理速度，於是白領被要求承擔更多溝通、解釋和協調；平台提高了媒合效率，於是勞動者被要求更快回應、更準配對、更徹底地服從評價系統；AI 提高了認知產出速度，於是人被要求提交更多方案、更快做出判斷、更少犯錯、更持續在線。
科技本可以釋放人，但增長社會不會允許釋放出來的東西空置。於是，每一次解放都會被重新編碼為義務。
前面的實驗只能說明一件事：人在低摩擦 AI 面前存在認知繳械的傾向。但傾向並不等於命運。真正把這種傾向變成社會結構的，是增長社會。
在增長和效率最大化的組織邏輯中，更快的工具不會自動釋放人，而會立刻被重新編碼為更高產出、更快回應、更少錯誤和更多責任。AI 因此不是異化的充分原因，而是增長引擎深入認知生產過程的放大器。
AI真正帶來異化的前提，是我們默認了增長主義那套理論，將「追求效率最大化」當成人類生存的絕對本質。
對增長和效率的狂熱，才是異化的真正引擎。
異化的引擎，發動得很晚
但這種對效率的追逐並不是歷史的全部，而是現代社會在很短一段歷史中訓練出來的集體人格。
人當然一直想活得更好，也一直會尋找省力的辦法。但「更好」並不天然等於「更快」，省力也不天然等於把所有被省下來的時間重新投入生產。
在絕大多數歷史時期，人類社會並不是圍繞著年年增長、持續提效、無限產出組織起來的。
人更多地生活在生計、宗教、土地、家族、節慶、榮譽、手藝、共同體和秩序之中。那些社會並不浪漫，也並不自由，但它們至少說明把效率最大化當作人的最高命運，並不是人類文明的永恆底色。
增長成為一種道德，是很晚近的事情，它既不符合人性，也並非是交易自由導向的結果。
諾貝爾經濟學獎得主喬爾·莫基爾在《增長的文化》中解釋了為什麼持續增長會在早期現代歐洲發生。他的答案不是人類天然熱愛增長，而是歐洲在 1500 到 1700 年間形成了一種特殊的知識文化。
在啟蒙運動之中，有用知識被推崇，技術改良被賦予尊嚴，科學共同體和文人共和國加速了思想流通，人們開始相信世界可以透過知識被持續改進。
增長文化並非永恆，它有明確的歷史起源。
從韋伯的《新教倫理與資本主義精神》開始，他就認為現代人並不是天然把持續勞動和積累當作美德。
它曾經需要一套宗教倫理把世俗職業神聖化，把克制、勤勉和再投資塑造成得救焦慮下的生活紀律。增長文化的第一步，是把「更多」變成「更正當」。
而經濟人類學家波蘭尼在《大轉型》中，乾脆認為「自我調節市場」成為社會的最高組織原則是完全不符合人性的。
他的證據是人類學面向的。歷史上的交換、貿易和集市長期存在，但它們大多嵌在親族、宗教、身分、互惠、再分配和共同體秩序之中。
人們交換物品，並不總是為了利潤最大化，也可能是為了維持關係、履行義務、獲得承認、完成生計或維持社會平衡。
到了現代，勞動、土地和貨幣被改造成商品，社會關係反過來服從價格機制。於是，盈利不再只是某些交易中的動機，而被提升為整個社會運轉的道德和紀律。
逐利不是人類經濟生活的永恆本質，而是市場社會把自身歷史型態偽裝成了人性。
新教倫理把世俗職業神聖化，讓持續勞動、節制消費和資本積累獲得了宗教意義。工業資本主義把這種倫理壓進工廠制度，用鐘錶、紀律、工資和生產率重新組織人的身體。泰勒制進一步把勞動拆成可測量、可優化、可替換的動作。到了 20 世紀，GDP、國民經濟帳戶、戰後發展主義和冷戰競爭，又把增長率變成國家之間互相比較的成績單。
而現在，在這條增長社會的道路下，人類必然選擇用AI取代自身的判斷。
但既然它本就並非人類的本性，那為什麼它是唯一的解呢？
真正決定 AI 會把人推向更深異化，還是幫助人擺脫某些異化的，是它被接入哪一套社會邏輯之中。
如果它繼續接入增長引擎，那麼它只會把認知繳械變成新的生產紀律。它會讓人更快地產出更多「自己的」文本、方案和判斷，卻越來越少在這些成果中形成自己。
在AI沒有完全替代的時代，我們迎來最疲憊的流動性
當然，數百年歷史層累的社會文化引擎並不會馬上熄火。我們即將面對幾乎是個無可逆轉的暗淡近世。
根據經濟學中的薄弱環節理論，AI並不會直接替代掉人類，而是會加劇前面的流程，把人類重新安置到一條更窄、更高壓、更不穩定的生產鏈上。
在一個高度互補的生產系統裡，整體產出並不取決於最快的環節，而是被最慢、最難壓縮、最難自動化的環節卡住。AI 可以讓寫作、程式設計、檢索、繪圖、總結、客服、排程、數據分析這些環節迅速變便宜，但只要整條鏈條裡還存在責任、信任、協調、例外處理、客戶關係、倫理判斷、組織博弈和最終簽字，系統就仍然需要人。
人被壓縮成責任瓶頸。更多低強度任務會被吸走，喘息環節會被消滅。留下來的，幾乎全是高密度判斷。在更快速的技能吞沒過程中，你學到的東西越來越像臨時通行證，只能保證你暫時不被下一輪自動化吞掉。人仍然在流程裡，但完全不能稱為勞動主體，而更像是認知生產鏈上的蓋章點。
流動、無安全感、疲憊，將在這個未完成的加劇異化中達到極致。
直到有一天，或者這台增長引擎不再擁有解釋一切的權力，或者人已經完全從勞動循環中排除出來後。
另一條路才會顯現。 AI 釋放出來的認知頻寬，才可能不再立刻被績效系統捕獲。
05
另一條路的可能
牛津大學哲學家，AI倫理當下主流理論的發軔者 Nick Bostrom 在其著作《未來之地》中試圖回答一個問題：當一個超級 AI 完美地解決了一切工具性的問題、人類所有的物質需求和日常決策都被妥善包辦之後，人，還有什麼理由繼續行動？
在那個時代，增長的價值對於個人而言，必然大打折扣。
他設想，也許在那之後，人類將全面轉向「目的性活動」（Autotelic Activities）。
這些活動之所以有價值，並非因為它們能產出某種有用的結果（因為機器總能產出得更好），而是因為活動過程本身就具有內在價值，形成了一個自給自足的閉環。
人，不再是為了完成任務而機械運動的齒輪，而是為了關係、遊戲、審美、探索和自我塑造而鮮活存在的主體。
效率和能力，可能都變得沒那麼重要了。人要回答的是自己對意義的追問。
所以要問我「如何讓AI能夠給你帶來最大的好處？」那就是挺過當下，等待異化引擎幾乎不可避免的熄火。
本文作者：彭超 OneOneTalk CTO & 聯合創辦人 微信 pengchaovista；博陽 微信 haoboyang001 如有興趣討論，歡迎添加微信溝通。
推薦閱讀