AI 热潮背后的社会病症

一、AI 时代的幻觉#

众所周知，几乎所有关于人工智能的宣传，都围绕着同一种承诺展开：你不必成为某类人，也能完成那类人的工作。

例如，不会编程的人，可以让 AI 替自己写出一个程序；不懂金融的人，可以要求 AI 生成一套量化策略；缺乏写作训练的人，也能在几分钟内得到一篇结构完整、措辞流畅的文章。在这种颠覆性浪潮的影响下，人们由此获得了一种前所未有的兴奋感，仿佛专业能力终于从漫长的学习中被解放出来，任何人只要会所谓的 Prompt Engineering，就能够抵达过去难以企及的高度。

诚然，AI 确实能够提升效率。但是，在我看来，大多数人依赖甚至痴迷于 AI，未必在于其对于效率的提升，更多在于它提供了一种“免于成长”的可能：一个人无需长期训练，无需承受失败挫折，也无需拥有对某一领域的深刻理解，就能暂时拥有那个领域的成果。过去，“能力”意味着一个人经过时间积累而形成的经验与判断力；现在，“能力”越来越像一种可以随时调用的服务。

问题也由此产生：AI 降低的是产出成品的门槛，却不能赋予使用者相应的专业判断力。例如，一套 AI 生成的交易策略确实能够回测盈利，但这不代表使用者理解了样本偏差、过拟合等现象，而这些在金融交易中反而是最为关键乃至致命的。

于是，一种危险的情况出现了：人的行动能力被迅速放大，认知能力和判断能力却停留在原地。一个人开始能够做出过去只有专业人士才能做出的行动，却不一定知道这些行动为什么有效，何时会失效，以及失效之后又应该如何应对。

因此，AI 与其说是彻底的“能力民主化”，不如说只是“专业成果”的大规模普及。它使人更容易进入一个领域，同时也使人更难意识到自己其实仍然站在门外。

这正是 AI 与许多传统工具的重要差别。拿大家用得很多的 Excel 举例：Excel 能极大提升处理数据的效率，但公式和数据结构依旧可见，而且操作 Excel 的人往往清楚自己的处理对象和预期目标是什么。但是，AI 则可以在用户缺乏领域知识时，主动补齐假设，进行推理并表达。有经验的朋友应该能注意到，AI 给出的错误往往并不粗糙，反而可能完整且极具迷惑性。这就导致，越缺乏相关领域知识的人，越难发现其中的问题，也越容易把语言上的“确定感”，认为是事实上的可靠。

二、“绕开他人”的诱惑#

个人学习方式也将由此发生变化，现代社会赖以运转的协作结构也会受到冲击。

社会分工之所以成立，是因为每个人都承认自身能力有限，并愿意把一部分事务交给在这个领域经过训练的人。人们寻找程序员、会计师、医生、学者，用货币购买到一个最终结果的同时，也隐性购买了对方的经验和责任。专业关系的本质，是一种可追溯的信任关系。

而 AI 给人的诱惑，则是可以绕开另一个人。

既然我可以让 AI 写程序，为什么还要与程序员沟通？既然 AI 可以分析股票，为什么还要承认自己不懂金融？既然 AI 可以生成报告，为什么还要花时间讨论和修改？在这种设想中，合作会逐渐失去其社会价值，被视为一种昂贵、低效，且可以消除的成本。

然而，被绕开的并不只是劳动者，也包括协作中诸如 RACI-VS 之类的反馈验证流程。AI 可以生成成果，但不能以社会主体的身份承担责任。所谓“人人都能做”，很多时候只是人人都能产出看似“完成”的东西，真正的验证、调整和修正反而会变得更加珍贵。

三、为什么我们无法拒绝 AI？#

AI 作为一种有颠覆力的技术，在低安全感的社会中尤其容易被狂热接受。

当人们普遍担心落后、失业和被社会淘汰时，技术首先会被理解为竞争武器，而不是认识世界的工具。“别人都在用，我不用就会被淘汰”，逐渐会成为一种近乎本能的判断。一个人是否真正理解 AI 已经不重要了，重要的是尽快把它接入学习、职场或者是其他竞争领域，以免在下一轮的筛选中失去当前的位置。

在这种环境里，长期学习甚至会显得不够理性。学习编程需要几年，生成一段代码只要几分钟；理解金融需要长期积累和总结，得到一份交易策略只要一次对话；独立写作需要持续阅读和修改，生成一篇文章则几乎没有成本。当个人被要求不断提交成果，以此来证明“自身价值”时，他自然倾向于选择最快的路径。

每个人的选择在个体层面都有道理，但汇集到社会层面，就会形成一种集体性的空心化：产出越来越多，但真正理解产出的人越来越少。

这种空心化又会反过来加重竞争。因为当产物都可以被快速生成，原有的评判标准开始失真。学校和企业只好设置更多考试、竞赛和考核，以区分真实能力与外在包装。评价体系越复杂，个人越焦虑；个人越焦虑，就越依赖 AI 来优化自己在评价体系中的表现。

四、可悲的诅咒#

技术没有消除内卷，反而可能推动内卷进入一个更高速的阶段。

中国大学中一些令人窒息的现象，正可以放在这一逻辑中理解。许多学生把大学生活压缩成一条由绩点、竞赛、实习组成的赛道。课程的意义在于能否拿高分，研究的意义在于能否形成成果，社团和实践的意义在于能否写进简历。每一件事情都需要回答“有什么用”，而“有用”通常指向下一次筛选。兴趣、探索、迟疑、漫无目的地消磨时间，都会被视为不够理性的消耗。

当评价只看可量化成果时，使用 AI 投机取巧便成为了一种“高明的”策略。我认为，问题的根源不能简单归结为学生“偷懒”，而是教育早已在相当程度上被设计成了结果导向的筛选机器。AI 只是让这台机器运行得更快罢了。

更值得警惕的是，AI 与服从权威、适应规则的文化具有天然的亲和性。久而久之，人的思考会从“我相信什么”退化成“怎样说才算正确”，从“我想研究什么”退化成“什么题目更容易获得成果”。

中国大学也因此呈现出一种诡异的死气沉沉感。所有人都十分忙碌，却很少有人在真正投入；竞赛和项目不断增加，个人的好奇心却不断萎缩。AI 加入之后，这种表面繁荣可能更加显著，但人的认知却越来越稀薄，教育中最重要的主体性反而被排挤到了边缘。

五、悲剧在职场上的延续#

这种服从规则、迎合评价的习惯，在年轻人步入职场后，就会不可避免地演变为绩效的膨胀。

AI 降低了报告等一系列产物的生产成本，但组织未必会因此而减少要求，反而可能变本加厉。过去因为费时而被克制的形式主义，现在可以被机器的廉价供应解决。

我们不难想象，在不久的将来，员工用 AI 生成汇报，管理者用 AI 提炼汇报，某一个系统再根据汇报评分。文字越来越多，真正的沟通难道也在同时增加吗？技术看似提高了效率，实际可能只是提高了制造“我在工作”的痕迹的效率。

其背后当然是一种短视主义：只要眼前能够交付，就不必追问长此以往的后果；只要个人能够轻松或获利，就可以把责任和风险留给别人。

这也解释了为什么 AI 热潮常常伴随着强烈的自私倾向。每个人都希望借助 AI 成为一支“一个人的队伍”——只凭借自己一个人，就能完成所有事情。

可当每个人都把他人的专业劳动视为应该压缩的成本时，自己的劳动也终将以同样方式被看待。人一方面希望机器让自己无所不能，另一方面又恐惧自己会被机器判定为多余。表面上，这看起来是技术竞争；更深处，则是一个低信任社会中普遍存在的相互替代的欲望。

六、结语#

说了这么多，是时候做个总结了。

知识和技术的普及当然具有积极意义。AI 可以帮助一个领域的初学者理解概念，也能让更多人以更低的成本接触过去难以获取的资源。

因此，我们更应当警惕上述那种错误的认知，即：把 AI 生成的结果误认为是自己掌握的结果，把暂时的产出能力误认为是自身稳定的能力，并以此跳过必要的学习、合作流程。

判断一种使用 AI 的方式是否健康，可以看几个简单的问题：使用者能否解释结果是如何产生的，能否识别其中常见的错误。更重要的是，这次使用究竟是帮助人形成了能力，还是仅仅帮助人隐藏了无知。

当然，要改变这种趋势，依靠个人远远不够。只要社会仍以标准化成果作为主要衡量指标，只要社会仍让一次失败带来难以承受的代价，人们就仍然会把 AI 当作投机取巧的工具。

更根本的改变，是让人们重新获得进行长期学习的安全感。一个允许缓慢成长、允许失败的社会，才可能让人把 AI 当作探索工具；而一个随时威胁、淘汰、不断制造恶性竞争的社会，任何新工具都会在其中被改造为更锋利的竞争武器。

AI 热潮就像一面镜子。它既照出机器变得多么强大，也照出我们已经多么急于淘汰他人。一个社会反复追问“AI 能替我做什么”，却很少追问“我想做什么”，这难道不是世间最为悲哀的事情吗？