撰文：不懂经也叔的 Rust
旧金山有一家叫 Cluely 的初创公司，做的是给打工人开会、面试、写代码时实时偷看 AI 答案的工具。他们有两条广告语，一条是“你再也不用思考了”(Stop thinking)，一条直接叫“思考的终结”(End of thinking)。
我看到这两句话的第一反应不是震惊，反倒觉得它们很诚实，而且抓住了这个时代的时代精神。
诚实在哪？诚实在硅谷已经准确判断了，这个时代真正能卖出去的东西，已经不是“让你更聪明”。那种话听上去高级，但产品做不到。
真正能卖出去的是“让你不用聪明”。这两件事不是程度差别，是方向相反。前者要求你投入摩擦，后者承诺帮你绕过摩擦。
今天这篇文章，想说的是一件比“AI 让人变笨”更黑色一点的事：
AI 可能没有让你变蠢，它只是让你失去了变聪明的那段过程。
我下面会反复用一个词来指称这种状态：伪智能。需要先把这个词的意思讲清楚，因为它的重音不在 AI 那一边，在人这一边。
伪智能不是 AI 输出的内容假。AI 大多数时候输出的内容是不假的，而且越来越不假。伪智能是一个人借助 AI 呈现出一种看似聪明的状态，却没有经历聪明背后必需的那段训练。
学生交上来的论文、CEO 看到的市场分析、医生收到的诊断建议、政府收到的政策报告，都“看起来对”。“看起来对”和“是对的”之间，差着一整个思考过程。“看起来聪明”和“真的聪明”之间，差着一整段没人愿意走的训练。
聪明从来不是一个状态，是一种习惯。一个人不是因为知道了答案就变得聪明，是因为反复经历了“自己摸到答案”的那个过程，才长出了下一次还能摸到答案的能力。AI 把过程消掉之后，结果还在，能力没了。
这件事，在三个层次上同时展开。第一层是个体的认知投降，第二层是组织和教育的算法塌缩，第三层是一个不懂技术的政府，把整个文明的判断力外包给一个三分之一到九成时候出错的系统。
下面我们一层一层来。
不是 AI 使人变笨，而是大多数人被困在了不奖励“思考”的游戏和系统中
每个人都在靠 AI 作弊上大学，传统教育已死
一、认知缴枪：当你不再是判断的来源
2015 年，赫尔辛基阿尔托大学(Aalto University)商学院的埃斯科·彭蒂宁(Esko Penttinen)教授注意到一件怪事。芬兰一家顶尖金融公司里，一款用来加速会计师工作的关键软件正面临被废弃。问题不是它运行得不好，问题是它运行得太好了。
这款软件负责自动化处理固定资产管理的会计工作，几乎没有出过错。但其中一位会计师告诉彭蒂宁：“当这份工作被自动化之后，你就不会再开始深入思考事物的本质了。”关键技能正在变成一种“丢失的能力”。公司高管震惊到，最后的决定是把这款完美运行的软件停掉，重新教员工固定资产管理会计的原理。
为了让公司活下去，这款软件必须死。
这个故事后来被收进彭蒂宁参与撰写的一篇研究论文，题目就叫《技能侵蚀的恶性循环：认知自动化的案例研究》(The Vicious Circles of Skill Erosion)。这篇论文是一个很早期的预警：当机器开始接管那些原本由人来思考的环节，人不会自动转去思考更重要的事，人会停止思考。
这个判断在 2024 年被一组实验数据精准确认了。
宾夕法尼亚大学沃顿商学院的 Steven Shaw 和 Gideon Nave，设计了一个非常巧的实验。他们让一组志愿者在 AI 协助下回答有难度的问题，故意在 AI 的答案里随机插入错误。结果分两种情况：
当 AI 给出正确答案时，使用 AI 的志愿者表现优于完全靠自己的对照组。这是大家预期的结果。
当 AI 给出错误答案时，使用 AI 的志愿者表现远远低于对照组。也就是说，他们没能识别出 AI 在胡说，他们直接采纳了。Shaw 和 Nave 给这种状态取了一个名字：认知投降(cognitive surrender)。
这个名字很准。它和“认知卸载”(cognitive offloading)区别很大。认知卸载是说“这件事我让工具去做”，前提是你还在判断“这件工具的输出靠不靠谱”。认知投降是说“判断这件事我也让工具去做”。前者你还是大脑，后者你只是一个传声筒。
AI 越像一个聪明人，人就越容易忘记它只是一个概率系统。
最危险的不是 AI 错，是 AI 错得很自信、很流畅、很有条理。一个明知道自己可能错的工具会让人保持警惕，一个看起来从不犯错的工具会让人完全松手。Cluely 那句广告语之所以能说出来，是因为他们已经看清楚：用户最想要的不是更聪明的助手，是一个让自己可以彻底松手的对象。
但真正让我觉得这件事必须被写下来的，是另一个层次的代价。代价不在于使用 AI 的人在某次任务中错得更多，而在于他们正在失去未来某天独立做对这件事的能力。
这就要谈一件公众号读者很少有人提到的事：很多被认为是低价值的工作，其实是高价值能力的训练场。
初级律师查案例，不是为了找到那个案例，是为了在翻阅几百份案件中长出“哪些细节会决定胜负”的直觉。
年轻分析师整理资料，不是为了交一份表格，是为了在数据里慢慢摸到“这个行业的真正机制是什么”。
程序员调 bug，不是为了让程序跑起来，是为了在反复定位错误中长出“代码在哪些地方最容易坏”的判断力。
编辑改稿，不是为了让句子更顺，是为了在改别人的文字中长出自己写文字时不再犯同样错误的本能。
学生写作文，不是为了交一篇作文，是为了在卡住、推翻、重写的过程中，把模糊的感觉变成清楚的语言。
这些工作有一个共同特征：它们看起来低效，但它们提供的是适度困难(desirable difficulty)。这是 1990 年代加州大学洛杉矶分校的认知心理学家罗伯特·比约克(Robert Bjork)提出的概念，后来被几百项研究验证：学习时如果完全没有摩擦，大脑不会留下深的痕迹；只有在一定程度的挣扎中，长期记忆和迁移能力才会形成。
AI 现在干的事，正好是把这一类工作整段整段吞掉。它不是从工作链条的最高端开始替代，它是从最底端、看起来最不重要的环节开始替代。但被吞掉的恰恰是判断力赖以形成的那段路。
我之前在一篇叫《AI 折叠》的文章里写过一句话：算法最先拿走的，不是你的工作，是你工作里最有成长性的部分。
那篇文章当时是从分配角度讲的：谁在算法上游，谁在算法下游。今天再回头看，这件事比我当时写的更彻底。芬兰那批会计师没有被裁，他们只是不再思考了。Wharton 实验里那批志愿者没有失业，他们只是把判断这件事让出去了。AI 不是抢走了你的工作，是抢走了你工作里那个让你变厉害的环节。
工作还在，人还在，变厉害的可能性没了。
判断力的无产阶级：AI 算法下的第一批炮灰已经诞生
现在看清了：AI 不是平权，它是资本和劳动力的最后一战。越有钱跑得越快
二、算法单一文化：当所有人借同一个外脑思考
英国保守派历史学家尼尔·弗格森(Niall Ferguson)给当下这个时代起了一个名字，叫“伪智能”(pseudo intelligence)。他最初用这个词，是描述大学里学生用 AI 代写论文造成的假智力表现：交上来的东西看起来很专业，实际背后没有任何真正的认知工作。
弗格森用得很窄。我们这篇文章想把这个词的范围拉大，因为同样的现象正在从教室扩散到整个组织世界，而且在组织层产生的后果比在个体层更难逆转。
先说一组数据。
2024 年，Meta 联合两所大学的研究团队发表了一篇研究，扫描了当时市面上 21 个最先进的大语言模型(包括 GPT-4、Claude、Gemini 等)，测试它们对常见问题的回答。结论是一个让人沉默的词：算法单一文化(algorithmic monoculture)。
这 21 个模型在面对同一个问题时，给出的答案在结构、立场、用词上呈现出强烈的趋同。
这不是巧合。这些模型大量训练数据重叠，对齐流程相似，人类反馈来源接近。它们在底层是同一种模型的不同变体。
那么问题来了：当全世界几亿人在用这 21 个模型问同一类问题、改同一类文档、写同一类报告、做同一类决策时，会发生什么？
麻省理工学院媒体实验室(MIT Media Lab)的纳塔利娅·科斯米纳(Nataliya Kosmyna)博士给了一个具体回答。她带领团队研究使用 ChatGPT 写论文的学生，对比只用搜索引擎的学生和完全靠自己写的学生。结论是，使用 AI 的小组写出的论文“非常同质化，它们都非常相似”。这些学生反复聚焦在更狭窄的观点集合上，创造性显著降低。
科斯米纳还用脑机接口监测了这些学生的大脑活动。使用 ChatGPT 的学生，与研究主题之间形成的神经连接更浅，批判性思维和长期记忆的形成都受到削弱，而且这种削弱程度甚至超过了用谷歌搜索的学生。
这就是伪智能在组织层的形态：输出看起来更多元，实际是同一个声音的回声。每个人都觉得自己用 AI 拿到了独家见解，实际上几亿人在拿到几乎一样的见解，只是措辞略有差异。
谷歌今年推出的 AI Mode 把这个过程做到了极致。过去你搜索一个问题，谷歌给你十条蓝色链接，你自己点开几条，自己判断哪个可信、哪个值得深读。现在你搜索同一个问题，谷歌直接给你一段 AI 生成的总结。你看到的是 AI 决定让你看到的内容。剩下的链接，你不会再点。
我以前写过一篇文章叫《不是 AI 使人变笨》。当时的核心判断是：社会正系统性地把奖励从“深度思考”转向“煽动情绪”。
AI 出现之后，这个奖励机制完成了最后一块拼图：现在连“煽动情绪”都不用你自己干了，模型替你干。你只负责按下生成按钮。
这就引出了海德格尔在 1953 年那篇著名演讲《技术的追问》里讲过的一个判断：技术真正的危险不是它本身，是它把整个世界揭示成可调度、可计算、可优化的资源。在他看来，技术不是中性工具，技术是一种“看世界的方式”。一旦人类开始用这种方式看世界，森林就不再是森林，只是木材储备；河流就不再是河流，只是水电潜力。
AI 是这条逻辑走到今天最干净的样本。它把语言变成可调用资源，把知识变成可调用资源，把观点变成可调用资源，把品味、风格、创意变成可调用资源，最后连“像一个聪明人在思考”这件事本身，也变成了可调用资源。
当一切都变成可调用，有一件事会被悄悄消灭：停下来真正理解一件事的意愿。
因为理解很慢、很不经济、很不能被复用。它在一个崇拜效率的系统里没有位置。
伪智能不是被强制接受的，是被效率本身筛选出来的。当你周围每个人都用 AI 三十秒生成一份报告、十分钟写完一篇文章、一小时做完一份方案，你坚持自己花三天去理解一件事，你会被认为是浪费时间的人。系统不会奖励你，系统会淘汰你。
这就是伪智能的第二层意思：它不只是一种使用方式，它正在变成一种环境压力。当所有人都借同一个外脑思考，世界不是变得更聪明，是变得更整齐。
永久底层：硅谷的 AI 从业者普遍认为，普通人已经“完蛋了”。
为什么最懂 AI 的人在纷纷离职：“我凝视过无尽的黑夜”
三、把文明外包给一个一半时间会犯错的系统
柏拉图在《斐德罗篇》(Phaedrus)里讲过一个埃及神话。
文字的发明者图特(Theuth)把这件礼物献给国王塔穆斯(Thamus)，声称它可以增强人的记忆和智慧。塔穆斯回答：不，这只会让人依赖外部符号、削弱真正的记忆。人们将看起来知道很多，实际上只是拥有许多外部记录。
两千五百年之后，塔穆斯的预言每隔几代就被重新激活一次。书写让人担忧记忆，印刷让人担忧专注，广播让人担忧严肃，电视让人担忧深度，搜索让人担忧理解。每一次新工具出现，都有人重述塔穆斯那句话，而每一次，这种担忧都被实践部分证伪、部分证实。
AI 让人担忧的是最后一件事：判断力本身。
而这一次的特殊之处在于，前几次的工具替代的是某种能力，这一次的工具替代的是判断。能力丢了可以重新练，判断让出去了，你连“这次让出去得对不对”都没法判断。
英国工党政府 2025 年公布了一份《人工智能行动计划》。计划的核心是政府聘请的科技投资者马修·克利福德(Matthew Clifford)提出的：通过“全方位数字化”，在公共部门尽可能普及 AI，据称可以为国家节省 460 亿英镑。
报告里有这样的语言：AI 将缩短等待时间、识别瓶颈、让公共服务“感觉更具人情味”，甚至可以在监狱暴乱发生之前就将其制止。
不过，英国小说家伊万·莫里森(Ewan Morrison)则认为：政府在把一个错误率在 33% 到 90% 之间的东西，引入医疗、军事、教育这些它最不该被引入的领域。
我们没有在拥抱技术。我们在让一个错一半时间的系统替我们做最重要的判断。
更荒诞的是，做出这个决定的人，大多数自己并不懂这个系统是怎么运作的。他们看到的是 PPT 上的省钱数字，是供应商演示里那些精挑细选的成功案例，是其他国家正在做同样的事所制造的紧迫感。
他们没有能力问出最基本的反问：这个系统在什么情况下会失败？失败的代价由谁承担？如果我们离不开它了再发现它有问题，有备份方案吗？
当被治理者懂技术、治理者不懂技术，这件事会出现一种奇特的反转：技术变得像魔法。一个不懂魔法的人怎么治理魔法？他只能信任那些自称懂魔法的人。
这种状态不是没有反例。前 Facebook 工程师格奥尔格·佐勒(Georg Zoeller)现在驻新加坡，担任新加坡政府的技术顾问。他观察到的新加坡是一个不同的样本：技术决策由懂技术的人做，引入 AI 的姿态是工程性的、计算代价的、保留备份的，而不是宗教性的、押注式的、不可逆的。
新加坡的样本意义在于：另一种治理姿态是可能的，一个国家可以认真使用 AI，同时拒绝相信 AI。这件事在英国、在美国、在欧洲大部分国家，都没有成立。
我之前判断 AI 是资本和劳动力的最后一战。今天看下来，这件事在加速，但加速的方式比我当初写的更黑色。劳动力还没来得及组织起反抗，已经先把自己的判断力交出去了。资本不需要剥夺工人的反抗能力，工人正在主动放弃。政府不需要压制公民的判断力，公民正在主动外包。
这让我想起 1909 年英国小说家 E.M. 福斯特写过一篇短篇小说，叫《机器休止》(The Machine Stops)。故事设定在一个高度依赖一台巨大机器的未来社会，人们的衣食住行、社交、教育、娱乐都通过这台机器实现。久而久之，人们忘记了机器是怎么运作的，也忘记了它是怎么修理的，他们开始把它当作神。
故事的高潮是机器开始出故障。但人们不把这看作危机，而看作神圣的智慧，他们已经把机器变成了不可质疑的对象。等他们终于意识到机器真的会停下来时，已经没有人记得怎么修了。
这本小说写于 1909 年。福斯特那时候没有计算机、没有互联网、没有 AI。他描写的不是技术，是人和技术的一种关系，一种当人完全依赖一个自己不再理解的系统时，会发生的事。
一个不懂技术的政府，把决策外包给一个不懂世界的模型。这不叫治理，这叫赌博。
你已经不再是地球上最聪明的存在了
为什么聪明人正在纷纷逃离社交媒体？
四、把变聪明的机会留下来
有观察家认为，“如果我们正在变得越来越笨，那我们几乎不能把责任推给 AI。这都是我们自己造成的。”
读到这句话的时候我有点不同意。
把责任推给自己听上去很有道德感，但这是另一种偷懒。变笨从来不是个人选择，是一整套奖励机制、政策导向、商业模式、教育体制合谋出来的结果。当你周围每个人都在用 AI 三十秒完成你需要三天才能完成的事，当你的老板拿着 AI 生成的方案问你“为什么这周只交了一个想法”，当你的孩子告诉你他班上每个人都在用 ChatGPT 写作业，你独自一个人选择“亲自思考”是一种奢侈，而不是一种美德。
真正的问题不是“我们怎么变得不那么依赖 AI”。真正的问题是“我们怎么重新设计一个奖励思考的环境”。
这件事不能靠个人意志解决。学校能不能在某些课程里强制下线？公司能不能保留一部分必须人工完成的环节？政府能不能在最敏感的决策领域立法限制 AI 介入？这些都是制度问题，不是道德问题。
但在制度回应到来之前，每个人能做的有限的一件事是：把判断权留在自己这里。不是不用 AI，是用了之后还要再过自己一遍。不是抗拒效率，是知道有些事情慢一点是值得的。不是回到没有 AI 的过去，是在有 AI 的世界里，守住一块不让 AI 进来的地方。
正如麦克卢汉所指出的，每一种新工具都会让某些东西过时，让某些东西复活。AI 让“知道答案”过时了。它复活的应该是什么？
应该是提出问题的能力。判断答案是否值得相信的能力。在没有答案的地方继续往前走的能力。这些是 AI 永远不能代替的能力。
但前提是，你得还留着它们。
