The Age of De-Skilling

Will AI stretch our minds—or stunt them?

By Kwame Anthony Appiah

人工智能會拓展我們的思維，還是阻礙其發(fā)展？

插圖：馬特奧·朱塞佩·帕尼 / 《大西洋月刊》

2025年10月26日，美國東部時間上午6點

相關(guān)擔(dān)憂已從竊竊私語升級為高聲喧囂，且都圍繞著同一個令人不安的主題：“ChatGPT影響下的大腦”“人工智能正讓你變笨”“人工智能在扼殺批判性思維”。曾經(jīng)，人們害怕的是失控的智能會將人類消滅，甚至可能在這個過程中把地球變成一座回形針工廠。如今，聊天機器人正走上谷歌的老路——從“神奇之物”變成“理所當(dāng)然的存在”，人們的焦慮也隨之轉(zhuǎn)變，從對“世界末日”的恐懼轉(zhuǎn)向?qū)Α澳芰λネ恕钡膿?dān)憂。尤其是教師們表示，他們開始看到這種“衰退”的跡象。描述這種現(xiàn)象的術(shù)語雖不悅耳，卻也貼切：去技能化。

這種擔(dān)憂絕非空想。如果孩子依賴Gemini總結(jié)《第十二夜》，他們可能永遠(yuǎn)無法學(xué)會獨立品讀莎士比亞的作品。如果胸懷大志的律師借助Harvey AI（法律領(lǐng)域AI）進(jìn)行法律分析，他們可能無法培養(yǎng)出前輩們視為理所當(dāng)然的解讀能力。在近期一項研究中，數(shù)百名英國參與者完成了標(biāo)準(zhǔn)的批判性思維測試，同時接受了關(guān)于使用人工智能獲取信息或做決策的訪談。結(jié)果顯示，年輕使用者對這項技術(shù)的依賴度更高，測試得分也更低?！坝眠M(jìn)廢退”是該研究最核心的結(jié)論。另一項研究關(guān)注了醫(yī)生進(jìn)行結(jié)腸鏡檢查的情況：在使用人工智能系統(tǒng)輔助識別息肉三個月后，醫(yī)生在不借助該系統(tǒng)時識別息肉的能力明顯下降。

但真正的謎題不在于“去技能化”是否存在——它顯然是存在的——而在于它究竟屬于何種性質(zhì)。所有形式的去技能化都會產(chǎn)生負(fù)面影響嗎？還是說，有些去技能化是我們可以接受的，甚至是值得歡迎的？“去技能化”是一個籠統(tǒng)的術(shù)語，涵蓋了多種截然不同的能力喪失情況：有些會帶來損失，有些無關(guān)緊要，還有些反而會催生新的可能。要弄清楚其中的關(guān)鍵，我們必須仔細(xì)觀察：當(dāng)新技術(shù)出現(xiàn)時，技能會以何種方式逐漸減弱、消失或發(fā)生改變。

如今的聊天機器人算是新技術(shù)：它們所依賴的“Transformer”架構(gòu)誕生于2017年，而ChatGPT在五年后才首次公開亮相。但“新技術(shù)可能會削弱人類思維”的擔(dān)憂卻由來已久。早在公元前4世紀(jì)的《斐德羅篇》中，蘇格拉底就講述了這樣一個神話：埃及神透特將“書寫”這一禮物獻(xiàn)給國王塔姆斯，稱其是“記憶與智慧的秘訣”。但塔姆斯對此不為所動。他警告說，書寫會產(chǎn)生相反的效果：它會滋生健忘，讓人們用紙上的符號取代記憶的努力，將“理解的表象”誤認(rèn)為“理解本身”。蘇格拉底支持塔姆斯的觀點。他抱怨道，文字永遠(yuǎn)無法回應(yīng)你提出的具體問題；無論是智者還是愚者，文字對所有人的回應(yīng)都是一樣的；而且當(dāng)人們誤解文字時，文字也無能為力。

當(dāng)然，我們之所以能知曉這一切——這段故事之所以能不斷出現(xiàn)在輝格黨式的科技史敘述中——正是因為柏拉圖將其寫了下來。但反對書寫的人也并非完全錯誤。在口頭文化中，吟游詩人能將史詩記在腦海里；非洲部落的格里奧（說書人）能隨口說出數(shù)百年的族譜。而書寫的出現(xiàn)讓這些非凡的能力變得不再必要。人們無需深入思考，就能理解他人的想法。對話需要回應(yīng)：或是澄清疑問，或是提出反對，或是修正觀點（有時一句“蘇格拉底，您說得太對了”就能起到作用，但即便如此，對話仍在繼續(xù)）。相比之下，閱讀時你只需沉浸在他人的智慧中，點頭認(rèn)同，卻無需通過自我檢驗來印證這些智慧。

不過，從某個角度看是“損失”的東西，換個角度或許就是“收獲”。書寫為人類開辟了新的思維領(lǐng)域：評論文章、法學(xué)理論、可靠的歷史記載、科學(xué)研究。研究口頭文化與文字文化的學(xué)者沃爾特·J.翁曾精辟地指出：“書寫是一種能重構(gòu)思維的技術(shù)?！边@種模式并不陌生。當(dāng)水手開始使用六分儀時，他們便不再需要掌握水手的“觀天技藝”——那種曾指引他們安全返航的、對星辰的細(xì)致觀測能力。后來，衛(wèi)星導(dǎo)航的出現(xiàn)又讓六分儀技能徹底消失。過去，擁有一輛福特T型車意味著你得兼職做機械師——要知道如何修補內(nèi)胎、憑聽覺調(diào)整點火正時、在引擎熄火后想辦法讓它重新啟動。如今，性能高度可靠的引擎將這些“秘密”隱藏了起來。計算尺被計算器取代，計算器又被電腦取代。每一次技術(shù)更迭，個人的精湛技藝都會隨之減弱，但整體效率卻在提升。

這種“有所失，必有所得”的模式確實令人安心。但有些收獲背后，隱藏著更深層的代價。它們不僅改變了人們“能做什么”，還改變了人們“認(rèn)為自己是誰”。

20世紀(jì)80年代，社會心理學(xué)家肖莎娜·祖博夫曾在美國南部的紙漿廠進(jìn)行調(diào)研，當(dāng)時這些工廠正從人工操作轉(zhuǎn)向計算機控制。曾經(jīng)，操作員需要通過觸摸來判斷紙漿的狀態(tài)（“它滑嗎？它粘嗎？”）；如今，他們只需坐在有空調(diào)的房間里，看著數(shù)字在屏幕上滾動，過去的技能既無人使用，也無人重視。一位操作員告訴祖博夫：“通過電腦工作，感覺完全不一樣。就像你騎著一匹強壯的駿馬，但有人坐在你身后的馬鞍上，握著韁繩。”新系統(tǒng)速度更快、更清潔、更安全，但也讓工作失去了原本的意義。

社會學(xué)家理查德·森內(nèi)特也記錄了波士頓一家面包店的類似變化。20世紀(jì)70年代，店里的工人都是希臘男性，他們靠嗅覺和視覺判斷面包是否烤好，并為自己的手藝感到自豪；到了90年代，接替他們的工人只需操作帶有Windows風(fēng)格控制器的觸摸屏。面包變成了屏幕上的圖標(biāo)——它的顏色由數(shù)據(jù)推斷得出，品種則從數(shù)字菜單中選擇。技能的弱化伴隨著身份認(rèn)同的弱化。面包依然美味，但廚房工人知道，自己不再是真正的面包師了。有人半開玩笑地對森內(nèi)特說：“烘焙、制鞋、印刷——隨便你說什么手藝，我都‘會’?！毖酝庵馐?，他其實根本不需要掌握任何真正的技能。

在文化領(lǐng)域，人類與“實物的接觸”無疑早已逐漸減少。在19世紀(jì)歐洲的中產(chǎn)階級家庭中，熱愛音樂通常意味著會演奏音樂。交響樂要進(jìn)入客廳，靠的不是音響，而是鋼琴改編版——兩個人四只手，在一架鋼琴上，盡最大努力演繹勃拉姆斯的《第一交響曲》。這需要技能：識譜、掌握演奏技巧、用手指勾勒出交響樂的意境。要聽到自己想聽的音樂，你必須不斷練習(xí)。

后來，留聲機流行起來，客廳里的鋼琴開始積滿灰塵。隨之而來的好處顯而易見：你可以把整個管弦樂隊“召喚”到客廳里，可以將聽覺體驗從沙龍里的輕音樂拓展到德彪西、施特勞斯、西貝柳斯的作品。如今的音樂愛好者或許不再擅長演奏，但從某種意義上說，他們更懂“聆聽”。然而，廣度的拓展是以深度的喪失為代價的。練習(xí)一首曲子的過程，會讓你對曲子的結(jié)構(gòu)和脈絡(luò)有深入的理解。而擁有閃亮的維克多牌留聲機的孩子，能獲得這種理解嗎？

每當(dāng)強大的新工具出現(xiàn)時，這種“疏離感”——即與“真實事物”產(chǎn)生距離的感覺——就會隨之而來。從17世紀(jì)開始，計算尺減少了人們對“心算能力”的依賴；幾個世紀(jì)后，便攜式計算器又讓一些工程師感到不安，他們擔(dān)心“數(shù)感”會逐漸消失。這些擔(dān)憂并非毫無根據(jù)。按下鍵盤上的“Cos”鍵就能得到一個數(shù)值，但這個數(shù)值背后的含義可能會被人們遺忘。即便在更專業(yè)的領(lǐng)域，這種擔(dān)憂也依然存在。麻省理工學(xué)院的物理學(xué)家維克多·魏斯科普夫?qū)ν聜冊絹碓揭蕾囉嬎銠C模擬感到困擾。當(dāng)同事們把打印出來的結(jié)果交給時，他對他們說：“計算機理解這個答案，但我覺得你們并不理解?！边@種不安就像古埃及國王的“數(shù)字時代版本”——他們堅信，人們正把“輸出結(jié)果”誤認(rèn)為“深刻見解”。

在祖博夫所說的“智能機器時代”，自動化主要局限于工作場所——工廠、工業(yè)面包店、駕駛艙。而到了個人電腦和互聯(lián)網(wǎng)時代，技術(shù)“逃離”了工作場所，進(jìn)入家庭，成為通用工具，融入日常生活。早在21世紀(jì)初，研究人員就開始探討搜索引擎對人類的影響。當(dāng)時的新聞標(biāo)題諸如“谷歌影響下的大腦”屢見不鮮。盡管這種恐慌有些過度，但一些影響確實真實存在。一項被廣泛引用的研究發(fā)現(xiàn)，在某些情況下，人們會記住“某個事實可以在哪里找到”，而非“事實本身”。

事實上，人類的認(rèn)知能力從來都不局限于大腦內(nèi)部——它還存在于工具、符號以及人與人之間的互動中（想想你認(rèn)識的夫妻：有人記得生日，有人記得護(hù)照放在哪里）。從刻痕計數(shù)的骨頭到泥板文書時代，數(shù)千年來，我們一直在將“思維”存儲在外部世界中。許多生物都會使用工具，但它們的技能會隨著個體的死亡而消失；而人類的技能會以文化的形式積累下來——形成一種“智能傳遞系統(tǒng)”。我們繼承這種系統(tǒng)，拓展它，在此基礎(chǔ)上不斷構(gòu)建，讓每一代人都能站在更高的起點上：從壓制剝落的石片，到骨針，再到印刷機，直至量子計算。這種“見解的積累”——外部化、保存、共享——正是智人與其他生物的區(qū)別所在。倭黑猩猩生活在“生態(tài)當(dāng)下”，而人類生活在“歷史之中”。

與此同時，“積累”會帶來一個關(guān)鍵結(jié)果：它會推動“專業(yè)化”的發(fā)展。隨著知識不斷拓展，它不再能被每個人平等掌握。在小型部落中，任何人都能追蹤獵物、采集植物、生火。但在農(nóng)業(yè)革命后，社會規(guī)模不斷擴(kuò)大，手工業(yè)和行會逐漸增多——能鍛造出鋒利且耐用刀刃的工匠、懂得如何防止拱頂坍塌的石匠、掌握著嚴(yán)密保密的配方和技藝的玻璃吹制工。曾經(jīng)存在于人體中的技能，逐漸轉(zhuǎn)移到工具中，進(jìn)而上升到制度層面。隨著時間的推移，勞動分工不可避免地演變成“認(rèn)知分工”。

哲學(xué)家希拉里·普特南曾說過，他會用“榆樹”這個詞，但無法區(qū)分榆樹和山毛櫸?！爸阜Q”是具有社會性的：你能談?wù)撚軜?，是因為語言社群中的其他人——植物學(xué)家、園丁、林業(yè)工作者——能識別榆樹。語言如此，知識亦是如此。人類的能力不僅存在于個體之中，還存在于個體所形成的網(wǎng)絡(luò)之中。我們每個人都依賴他人來彌補自己能力的不足。社會規(guī)模的擴(kuò)大，將“社會交換”轉(zhuǎn)變?yōu)椤跋到y(tǒng)性的相互依賴”。

由此產(chǎn)生的世界，正如一個經(jīng)典例子所描述的：沒有人知道如何完整地制造一支鉛筆。一個人要制造鉛筆，需要掌握伐木工、鋸木工、礦工、化學(xué)家、涂漆工等多種技能——即便是最簡單的物品，其背后也存在一個無形的“工藝網(wǎng)絡(luò)”。馬克·吐溫在《康州美國佬在亞瑟王朝》中，想象一位19世紀(jì)的工程師穿越到卡梅洛特（亞瑟王傳說中的王國），用現(xiàn)代奇跡讓當(dāng)?shù)厝梭@嘆不已。讀者們對此深信不疑。但如果把21世紀(jì)的工程師放到同樣的場景中，他會束手無策。制造絕緣電線？調(diào)配一批炸藥？從零開始制造電報機？一旦連不上無線網(wǎng)絡(luò)，我們大多數(shù)人都會陷入困境。

如今，認(rèn)知分工已發(fā)展到極高的程度：兩位物理學(xué)家可能彼此都難以理解對方的研究——一位在模擬暗物質(zhì)，另一位在制造量子傳感器。如今的“科學(xué)精通”，意味著對“越來越窄的領(lǐng)域”了解“越來越多”。這種專注帶來了驚人的進(jìn)步，但也讓我們意識到自身能力的局限性：專家們使用的概念工具，是他們能“運用”卻無法“創(chuàng)造”的。即便是長期被視為“孤獨天才領(lǐng)域”的數(shù)學(xué)，如今也遵循著這樣的模式。當(dāng)安德魯·懷爾斯證明費馬大定理時，他并沒有重新推導(dǎo)每一個引理；而是整合了他信任但并未親自驗證的成果，構(gòu)建出一個完整的理論框架——即便他沒有親手“切割”每一根“橫梁”，也能看清整個框架的結(jié)構(gòu)。

合作范圍的擴(kuò)大，改變了“知曉某事”的含義。知識曾被視為一種“占有物”，如今卻變成了一種“關(guān)系”——即我們能否很好地定位、解讀和整合他人的知識。我們生活在一個“分布式智能網(wǎng)絡(luò)”中，依賴專家、數(shù)據(jù)庫和工具來拓展自己的認(rèn)知邊界。數(shù)據(jù)規(guī)模就能說明問題：當(dāng)年宣布DNA雙螺旋結(jié)構(gòu)的《自然》論文只有兩位作者；如今，一篇關(guān)于基因組學(xué)的《自然》論文可能有40位作者。而宣布希格斯玻色子發(fā)現(xiàn)的兩篇論文呢？作者多達(dá)數(shù)千人?！按笮涂茖W(xué)研究”之所以“大型”，是有原因的。遲早，這個“網(wǎng)絡(luò)”會迎來新的參與者——一個不僅能存儲信息，還能模仿“理解”本身的參與者。

在大型語言模型時代，“信息”與“技能”、“知道是什么”與“知道怎么做”之間的傳統(tǒng)界限變得模糊。從某種角度看，這些模型是“靜態(tài)”的：它們是一組可下載到筆記本電腦中的固定權(quán)重矩陣。但從另一個角度看，它們又是“動態(tài)”的：一旦運行，就能實時生成回應(yīng)。它們能做到蘇格拉底所抱怨的“書寫無法做到的事”：回答問題、適應(yīng)對話者、進(jìn)行對話（有時甚至能與自己對話；當(dāng)人工智能將自身輸出作為輸入時，人工智能研究人員稱之為“推理”）。將谷歌視為“記憶的延伸”并不難；但對許多人來說，大型語言模型更像是“思維本身的替代品”。在利用新型人工智能時，我們自身的智能是在被“拓展”，還是說，這種“人工”智能正悄然崛起，逐漸占據(jù)主導(dǎo)地位？

我們無法將“精靈”放回“瓶子”里，但我們可以決定讓它施展哪些“魔法”。當(dāng)人們談?wù)摗叭ゼ寄芑睍r，通常會想到一個人失去了某種技能——比如飛行員的手動駕駛能力變得生疏，醫(yī)生在沒有人工智能輔助時會漏診腫瘤。但如今，大多數(shù)工作都需要協(xié)作，人工智能的出現(xiàn)并沒有改變這一點。問題不在于“人類與機器人相比表現(xiàn)如何”，而在于“使用機器人的人類與不使用機器人的人類相比表現(xiàn)如何”。

有些人擔(dān)心，對人工智能的依賴會讓人類在某些方面變得更糟，這種負(fù)面影響會蓋過其承諾的好處。Anthropic公司首席執(zhí)行官達(dá)里奧·阿莫代伊樂觀地設(shè)想會出現(xiàn)一個“天才之國”，但這些擔(dān)憂者則預(yù)見會出現(xiàn)一個“傻瓜之國”。這與過去關(guān)于“風(fēng)險補償”的爭論如出一轍：幾十年前，一些社會科學(xué)家認(rèn)為，增加安全帶或防抱死剎車后，人們會駕駛得更加魯莽——科技帶來的安全感會讓他們“消耗掉”安全余量。但后來的研究得出了更令人鼓舞的結(jié)果：人們確實會做出調(diào)整，但這種調(diào)整是有限的，因此技術(shù)仍能帶來顯著的好處。

在人工智能的臨床應(yīng)用中，類似的規(guī)律似乎也成立——人工智能在醫(yī)院中的應(yīng)用已超過十年。回想一下之前提到的結(jié)腸鏡檢查研究：在進(jìn)行人工智能輔助檢查后，胃腸病醫(yī)生在無輔助情況下的息肉識別率下降了6個百分點。但另一項研究匯總了24000名患者的數(shù)據(jù)，呈現(xiàn)出更全面的情況：人工智能輔助使整體識別率提高了約20%（此處的人工智能是一種“專家系統(tǒng)”——即一種狹義、可靠的機器學(xué)習(xí)形式，而非驅(qū)動聊天機器人的生成式人工智能）。由于識別率的提高意味著漏診癌癥的減少，無論個別醫(yī)生的能力是否略有下降，這種“半人半機”的協(xié)作模式顯然是有益的。如果這種協(xié)作能拯救生命，那么胃腸病醫(yī)生若出于“自尊心”而堅持獨自操作，就是不負(fù)責(zé)任的。

在其他領(lǐng)域，近期的一些研究表明：一個人的技能越高，與人工智能的協(xié)作效果就越好。其中一項研究發(fā)現(xiàn)，在對兩種鷦鷯和兩種啄木鳥的圖像進(jìn)行分類時，人類的表現(xiàn)優(yōu)于機器人。但在識別虛假酒店評論時，機器人則更勝一籌（大概是“同類識別同類”吧）。隨后，研究人員讓人類與機器人配對，讓人類在參考機器人建議的基礎(chǔ)上做出判斷。結(jié)果因任務(wù)而異：在人類直覺較弱的領(lǐng)域（如識別虛假酒店評論），人們會過多地質(zhì)疑機器人，從而拉低整體結(jié)果；而在人類直覺較強的領(lǐng)域，人們似乎能與機器人協(xié)同工作——在確定自己判斷正確時相信自己，在意識到機器人發(fā)現(xiàn)了自己遺漏的信息時也會認(rèn)可機器人。在識別鳥類圖像的任務(wù)中，“人類+機器人”的組合表現(xiàn)優(yōu)于兩者單獨工作的效果。

同樣的邏輯也適用于其他領(lǐng)域：一旦機器進(jìn)入工作流程，“精通”的定義可能會從“產(chǎn)出”轉(zhuǎn)向“評估”。2024年一項關(guān)于程序員使用GitHub Copilot（代碼生成工具）的研究發(fā)現(xiàn)，人工智能的使用似乎會“重新引導(dǎo)”人類的技能，而非“取代”它。程序員花在“生成代碼”上的時間減少了，花在“評估代碼”上的時間增多了——檢查邏輯錯誤、排查邊界情況、清理代碼腳本。技能從“創(chuàng)作”轉(zhuǎn)移到了“監(jiān)督”。

如今，“人機協(xié)作”越來越多地意味著這一點：專業(yè)能力不再體現(xiàn)于“寫出初稿”，而體現(xiàn)于“編輯初稿”；不再體現(xiàn)于“速度”，而體現(xiàn)于“判斷力”。生成式人工智能是一個“概率系統(tǒng)”，而非“確定性系統(tǒng)”；它給出的是“可能性”，而非“真相”。當(dāng)風(fēng)險切實存在時，具備專業(yè)能力的人類必須對最終決策負(fù)責(zé)——要能發(fā)現(xiàn)模型何時偏離現(xiàn)實，要將模型的輸出視為“待驗證的假設(shè)”，而非“必須遵守的答案”。這是一種新興的技能，也是至關(guān)重要的技能。未來的專業(yè)能力，不僅取決于工具的優(yōu)劣，更取決于我們能否與工具“協(xié)同思考”。

但協(xié)作的前提是“自身具備能力”。如果人類一方毫無頭緒，“人機協(xié)作”就會陷入混亂。這正是人們對“教育”感到恐慌的原因：如果一個人從未掌握過某種技能，就談不上“失去”這種技能。在這個“世界上最強大的作業(yè)工具”能輕松裝進(jìn)每個學(xué)生口袋的時代，我們該如何培養(yǎng)學(xué)生的基本能力？

我們這些教育工作者還有很多“作業(yè)”要做。過去的教學(xué)方法需要革新；在過去幾年里，太多大學(xué)生陷入了一種令人不安的狀態(tài)——用一句話形容就是“主修ChatGPT”。但現(xiàn)在就斷言人工智能對教育的整體影響，還為時過早。誠然，人工智能可能會讓某些能力變得生疏，但如果使用得當(dāng)，它也能強化另一些能力。

以哈佛大學(xué)一門大型物理課程的近期隨機試驗為例。一半學(xué)生以傳統(tǒng)的“最佳方式”學(xué)習(xí)兩節(jié)課：由資深教師帶領(lǐng)的互動式實踐課堂。另一半學(xué)生則使用定制的人工智能導(dǎo)師。之后兩組學(xué)生交換學(xué)習(xí)方式。結(jié)果顯示，在兩輪試驗中，使用人工智能導(dǎo)師的學(xué)生表現(xiàn)都要好得多——優(yōu)勢非常明顯。他們不僅學(xué)到了更多知識，學(xué)習(xí)速度也更快，而且反饋說自己更有動力、更投入。該人工智能系統(tǒng)的設(shè)計初衷是“像優(yōu)秀教練一樣工作”：教學(xué)生如何將復(fù)雜問題拆解成小問題，提供提示而非直接給出答案，根據(jù)每個學(xué)生的進(jìn)度調(diào)整反饋的強度和內(nèi)容。

這種“針對性關(guān)注”正是老式輔導(dǎo)體系的強大之處。我還記得在劍橋大學(xué)的最初幾周，我與生物化學(xué)導(dǎo)師進(jìn)行一對一交流的場景。當(dāng)我說“我大概懂了”時，他會不斷追問，直到我們都確信我真的懂了。這種有針對性的關(guān)注，是劍橋大學(xué)“輔導(dǎo)制度”的核心。如果設(shè)計得當(dāng)，大型語言模型有望將這種“關(guān)注”大規(guī)模推廣——不是復(fù)制輔導(dǎo)老師的羊毛開衫、锃亮的煙斗或若有所思的表情，而是復(fù)制那種“持續(xù)、靈活的引導(dǎo)”，幫助學(xué)生從困惑走向理解。

機器不會取代導(dǎo)師。它們有望承擔(dān)輔導(dǎo)中“常規(guī)性”的部分——檢查代數(shù)運算、反復(fù)練習(xí)引理、提醒學(xué)生注意單位書寫、確保學(xué)生理解膜通道的工作原理。理論上，這能讓教師騰出時間，專注于其他重要工作：講解核心概念、追求更簡潔優(yōu)雅的表達(dá)、與學(xué)生探討職業(yè)規(guī)劃、關(guān)注學(xué)生是否面臨過度壓力。

當(dāng)然，這只是一種樂觀的設(shè)想。我們不應(yīng)僅憑一項研究就得出普遍結(jié)論（有一項針對土耳其高中生的研究發(fā)現(xiàn)，使用輔導(dǎo)機器人并未帶來明顯進(jìn)步）。同時我們也要注意，那些物理專業(yè)的學(xué)生之所以能很好地利用輔導(dǎo)機器人，是因為他們要面對“課堂考試”——有監(jiān)考老師、有時間限制、有嚴(yán)格的評分標(biāo)準(zhǔn)。

我們還需注意，在STEM（科學(xué)、技術(shù)、工程、數(shù)學(xué)）學(xué)科中有效的方法，在人文學(xué)科中可能并不適用。盡管學(xué)期論文枯燥乏味，但它能培養(yǎng)一種“對話難以復(fù)制”的能力：逐步構(gòu)建論證、權(quán)衡證據(jù)、組織材料、錘煉表達(dá)風(fēng)格。我們這些教授本科生的教師中，已有不少人開始對有上進(jìn)心的學(xué)生說：如果他們寫一篇論文，我們會閱讀并與他們討論，但這篇論文不會計入最終成績。這只是一種權(quán)宜之計，而非根本解決方案。說來也奇怪，在文化層面，我們似乎正在“回歸口頭表達(dá)”——口頭交流可能需要承擔(dān)更多教學(xué)任務(wù)。如此看來，對話的堅定捍衛(wèi)者蘇格拉底，最終會笑到最后嗎？

“破壞性去技能化”仍是一種無法忽視的可能性：由于過度依賴工具，人類基本的認(rèn)知或感知能力會逐漸衰退，且沒有相應(yīng)的能力提升作為補償。這種能力缺失會耗盡一個系統(tǒng)的“儲備能力”——即那些平時很少用到，但在出現(xiàn)問題時必須具備的能力。沒有這些儲備能力，系統(tǒng)的“韌性”會下降，“脆弱性”會上升。想想那些航空公司的飛行員：他們花數(shù)千小時監(jiān)控自動駕駛儀，卻在系統(tǒng)故障時不知所措。一些自動化理論學(xué)者將“人機協(xié)作”分為兩類：“主動參與的人機協(xié)作”和“被動簽字的人機協(xié)作”。后者如果管理不當(dāng)，就會導(dǎo)致工業(yè)心理學(xué)家莉薩妮·貝恩布里奇早就警告過的問題：角色混亂、意識減弱、準(zhǔn)備不足。就像救生員在大多數(shù)日子里，只是看著游泳技術(shù)嫻熟的人在平靜的水中游泳——這類人類監(jiān)督者很少需要采取行動，但一旦需要，就必須迅速、熟練地行動。

同樣的問題也困擾著各類辦公室工作。當(dāng)律師、項目經(jīng)理和分析師花數(shù)月時間“批準(zhǔn)”系統(tǒng)已起草或推斷出的內(nèi)容時，他們就變成了“被動簽字者”，逐漸生疏了核心技能。這就是“部分自動化”的悖論：系統(tǒng)性能越好，人們就越不需要保持專業(yè)敏銳度，在系統(tǒng)偶爾失靈時，就越缺乏應(yīng)對準(zhǔn)備。解決這個問題的方法可能在于“制度設(shè)計”。例如，工作場所可以定期開展“演練”——類似飛行員定期進(jìn)行的飛行模擬器訓(xùn)練——讓員工必須挑戰(zhàn)機器，確保在“平穩(wěn)運行”的漫長過程中，他們真正的判斷能力沒有衰退。

在很多情況下，“儲備技能”不需要人人具備，只需在系統(tǒng)的某個環(huán)節(jié)存在即可——就像那些能識別榆樹的專家一樣。正因如此，美國海軍學(xué)院擔(dān)心GPS（全球定位系統(tǒng)）可能被干擾，在多年忽視后，重新恢復(fù)了基礎(chǔ)的“天體導(dǎo)航”訓(xùn)練。大多數(shù)水手在遠(yuǎn)洋航行中可能永遠(yuǎn)不會用到六分儀，但只要有少數(shù)人掌握這項技能，在衛(wèi)星失靈時，就足以穩(wěn)住整個艦隊。這樣做的目的，是確保至少有一部分“實際能力”得以保留，以便在系統(tǒng)出現(xiàn)故障時，人類仍能站穩(wěn)腳跟——至少不至于陷入困境。

最令人擔(dān)憂的可能性，或許可以被稱為“根本性去技能化”：即那些“構(gòu)成人類本質(zhì)”的能力逐漸衰退。判斷力、想象力、同理心、對意義和分寸的感知——這些能力不是“備用選項”，而是我們?nèi)粘６夹枰\用的能力。如果按照讓-保羅·薩特?fù)?dān)憂的說法，我們變成了“機器的機器”，那么這種損失會體現(xiàn)在日常生活的方方面面。可能會消失的，是支撐我們?nèi)粘Ｅ袛嗟摹半[性、內(nèi)化的知識”。如果人們開始按照系統(tǒng)偏好的方式提出問題，從系統(tǒng)提供的“看似合理的答案”中選擇，那么這種損害不會表現(xiàn)為“嚴(yán)重的判斷失誤”，而會表現(xiàn)為“人格的逐漸弱化”：對話變得膚淺、對模糊性的容忍度降低、在需要尋找恰當(dāng)措辭的地方習(xí)慣性使用套話、用“流暢”替代“理解”。如果將這些能力“外包”出去，實際上就是將“我們自己”外包出去。失去這些能力，不僅會改變我們的工作方式，還會改變我們“是誰”。

從長遠(yuǎn)來看，大多數(shù)形式的去技能化都是“良性”的。有些技能之所以過時，是因為支撐它們的“基礎(chǔ)設(shè)施”也已消失。電報技術(shù)需要熟練掌握“點和劃”（莫爾斯電碼）；萊諾鑄排機需要熟練操作“熔鐵鍵盤”；平板膠片剪輯需要使用修版鉛筆和拼接膠帶，還要在腦海中記住不同場景在膠片和音軌中的位置。當(dāng)電報線路、熱金屬印刷機和賽璐珞膠片消失時，它們所支撐的技藝也隨之消失。

另一種去技能化，代表著“枯燥工作”的消除。很少有人會為“不再用手搓衣服”或“不再在紙上演算長除法”而惋惜。我認(rèn)識一位神經(jīng)科學(xué)家，他堅信大型語言模型能加快“撰寫資助申請”這一枯燥且模板化的工作。他仍然對內(nèi)容負(fù)責(zé)，但即便自己的“資助申請撰寫能力”下降，他也毫不在意。在他看來，這不屬于“科學(xué)研究”，而是“研究體系要求的表演”。將這部分工作外包出去，能讓他騰出時間用于“發(fā)現(xiàn)”。

事實上，“職業(yè)去技能化”可能具有“民主化”意義，能讓更多人有機會從事某項工作。對于英語能力有限的科學(xué)家來說，聊天機器人可以幫助他們順利撰寫“機構(gòu)審查委員會陳述”，掃除“語言障礙”——而這種障礙與他們的研究質(zhì)量毫無關(guān)系。在這種情況下，去技能化拓寬了“準(zhǔn)入門檻”。再想想森內(nèi)特提到的那家面包店，以及過去在廚房工作的希臘男性。過去的烤爐會燙傷他們的手臂，老式揉面機可能拉傷他們的肌肉，搬運沉重的面包托盤會讓他們的背部承受壓力。到了20世紀(jì)90年代，當(dāng)系統(tǒng)改為由Windows控制器操作時，勞動力構(gòu)成發(fā)生了變化：不同種族的男性和女性站在屏幕前，點擊圖標(biāo)即可工作?！笆炙嚒钡囊蠼档土?，但“符合條件的勞動者”范圍擴(kuò)大了（當(dāng)然，他們的工資也降低了：門檻越低，工資越低）。

通常情況下，技術(shù)讓我們能將時間用在更有價值的事情上，培養(yǎng)“更高價值鏈條”上的技能，因此我們會主動放棄一些技能。在祖博夫調(diào)研的其中一家紙漿廠，操作員不再需要進(jìn)行體力勞動，得以將更多時間用于“預(yù)測和預(yù)防問題”。有人說：“坐在這個房間里思考，也成了我工作的一部分?！弊娌┓?qū)⑦@種變化稱為“再技能化”：“行動技能”讓位于“抽象思維和流程推理能力”——也就是她所說的“智力技能”。類似的情況也發(fā)生在“電子表格軟件（如VisiCalc）出現(xiàn)后的會計師”身上：他們不再需要手工計算一列列數(shù)字，得以將更多時間用于“稅務(wù)策略”和“風(fēng)險分析”。

更重要的是，新技術(shù)能催生出“全新的技能”。在顯微鏡發(fā)明之前，有“博物學(xué)家”，但沒有“顯微鏡學(xué)家”：羅伯特·胡克和安東尼·范·列文虎克必須發(fā)明“觀察和解讀微觀世界”的方法。電影制作不僅借鑒了戲劇，還催生了“攝影師”和“剪輯師”——這些職業(yè)沒有真正的歷史先例。每一次技術(shù)飛躍，都拓寬了“可能性的邊界”。如今的人工智能技術(shù)可能也是如此。我的年輕同事們堅稱，與大型語言模型合作，已經(jīng)在培養(yǎng)一種新的“技藝”——設(shè)計提示詞、追問驗證、發(fā)現(xiàn)偏見和幻覺，當(dāng)然，還有“學(xué)會與機器協(xié)同思考”。這些都是“新興技能”，源于與“不會消失的數(shù)字架構(gòu)”的互動。重要的技術(shù)，本質(zhì)上都會催生我們目前還無法命名的“技藝和職業(yè)”。

困難之處在于，要拋開“懷舊情緒”和“慣性思維”，判斷哪些技能值得保留，哪些可以舍棄。沒有人愿意看到自己辛苦掌握的技能被視為“過時”而遭拋棄，因此我們必須抵制“情感的誘惑”。每一次進(jìn)步都需要付出代價：文字讀寫能力削弱了“記憶壯舉”，但創(chuàng)造了新的“分析能力”；計算器影響了“心算能力”，但讓更多人能夠“運用數(shù)學(xué)”；錄音技術(shù)降低了“日常音樂演奏能力”，但改變了我們“聆聽音樂”的方式。那么如今呢？我們顯然有權(quán)決定，大型語言模型究竟會“拓展”還是“縮小”我們的思維。

縱觀人類歷史，我們的能力從未“停滯不前”。技能總是不斷“向外流動”——從雙手到工具，再到系統(tǒng)。個體的才智已融入“集體協(xié)同智能”，而推動這一過程的，是人類長久以來的“思維外化”習(xí)慣：將記憶存儲在符號中、將邏輯嵌入機器中、將判斷融入制度中，近來又將“預(yù)測”托付給算法。過去催生行會的“專業(yè)化”，如今催生了“研究聯(lián)盟”；過去在師徒間傳遞的知識，如今通過“網(wǎng)絡(luò)和數(shù)字矩陣”傳播。生成式人工智能——人類知識的“統(tǒng)計濃縮”——只是我們“向自身發(fā)明學(xué)習(xí)”這一漫長過程中的最新篇章。

因此，最緊迫的問題是：如何保持我們的“主體性”——如何在“即將承擔(dān)我們大量思考工作的系統(tǒng)”中，依然保持“主導(dǎo)者”的身份。每一代人都必須學(xué)會如何與“新獲得的認(rèn)知工具”共處，無論是鐵筆、卷軸，還是智能手機。如今的新變化，在于“互動的速度和親密程度”：工具在向我們學(xué)習(xí)的同時，我們也在向工具學(xué)習(xí)。如今的“管理”，意味著要確?！皹?gòu)成人類本質(zhì)的能力”——判斷力、想象力、理解力——在我們身上得以保留。如果說有哪項技能我們絕對不能失去，那就是“判斷哪些能力真正重要”的技能。

本文作者夸梅·安東尼·阿皮亞（Kwame Anthony Appiah）是紐約大學(xué)哲學(xué)和法學(xué)教授，著有《被俘的神：宗教與社會科學(xué)的興起》。

說明：本號刊發(fā)來自各方的文章，是為了獲得更全面的信息，不代表本號支持文章中的觀點。由于微信公眾號每天只能推送一次，無法即時更新，本站目前在騰訊新聞發(fā)布最新的文章，每天24小時不間斷更新，請收藏以下地址（請完整復(fù)制），隨時刷新：

https://news.qq.com/omn/author/8QIf3nxc64AYuDfe4wc%3D