新时代的人工智能对人类究竟意味着什么？
过去，人类是很擅长制造和使用工具的动物，工具扩展了我们的身体，也改变了我们和世界的关系。在马车出现之前，我们需要靠双腿行走；马车出现后，我们可以借助交通工具，在更短的时间内去到更远的地方，后来，计算器替代了大量手算，搜索引擎替代了大量记忆和检索。
这些工具都在某种意义上替我们减轻负担。但生成式 AI 带来的变化更深。它不只是替代体力，也不只是替代记忆和计算，而是开始替代表达、归纳、解释、推理、计划、判断，甚至创造的中间过程。我们可以让它一句话生成一篇文章，一句话给出一套解释，一句话产出大量看似成熟的想法。
问题是：当这些过程被代劳之后，我们牺牲了什么？ #
AI 最容易制造的一种错觉，是让人的当下表现和真实能力发生分离。借助 AI，我们看起来做得更快、更多、更完整；但一旦 AI 被拿走，我们未必真的拥有相应的理解和技能。在一项基于 GPT-4 的高中数学学习实验中，普通 GPT 辅助显著提升了学生做练习题时的表现，但当之后不允许使用 AI 时，这组学生反而比从未使用 AI 的学生表现更差。更值得警惕的是，学生对自己学习效果的感知往往过度乐观：他们并不一定能意识到，AI 正在削弱自己独立解决问题的能力。
学习和表现不是同一件事。表现是此刻能不能完成任务，学习是未来离开辅助之后是否仍然能够独立完成。AI 很擅长提升表现，却也很容易让我们跳过形成能力所必需的困难。
掌握任何东西都需要经历一定的困难和挣扎。写作需要经历把模糊想法变成清晰语言的困难；数学需要经历从定义、条件和结论之间一步步推导的困难；阅读一本难书，需要经历误解、卡顿、重读、辨析和重构的困难。真正的理解通常不是从流畅开始的，而是从不流畅开始的。然而，AI 把过程中的所有难度都抹平了。因此，在使用 AI 的很大一部分时间里，我看似做到了更多事情，但理解和技能并没有随之上升，反而因此退化了许多。
因而替代性地使用 AI 就像是一道“斩杀线”。在 AI 出现之前就已经将技能打磨熟练的人是幸运的，因为他们拥有了一个高倍杠杆，可以做到原先很难做到的事情。一个已经会写作的人，用 AI 可以扩展材料、改写结构、测试表达；一个已经懂数学的人，用 AI 检查推导很有价值。但是 AI 的危险不在于它能帮助我们，而在于它太容易在能力尚未形成之前，就替我们完成本该亲自完成的认知动作。一个还不会写作的人，如果一开始就让 AI 生成文章，他可能永远跳过“把想法组织成语言”的艰难过程；一个还不懂数学的人，如果直接拿答案，就会把最该训练的地方外包掉。
认知外包与能力 #
认知外包并不是坏事，通过外部的行动和工具来改变任务的信息处理需求从而降低内部的认知负荷是人类一直在做的事情。记笔记，查字典，用日历都属于这个范畴。外包工具的使用会相应地改变我们大脑运行的方式，比如在搜索引擎被广泛使用之后，“Google Effect"研究就发现，当人们预期之后还能访问某些信息的时候，对信息本身的回忆就会下降，而对在哪里找到信息的记忆就会增强。互联网因此成为一种外部的、交易式记忆系统。
搜索引擎外包的是记忆的检索，但是生成式的 AI 开始外包高级认知的中间过程。历史上有很多认知外包的先例，但是 AI 第一次以低成本，即时，主动的方式外包了大范围的高级认知活动。如果说之前大部分的认知外包在解决低效重复无意义的摩擦，AI 就是直击我们生成理解的必要困难。
在自来水普及之前，水并不是一种随取随用的资源；而普及之后，它就像空气一样取之不尽、用之不竭，以至于我们体会不到它的存在。可能有一天，AI 也会变得像自来水一样。可是水断了，人会渴；AI 断了，人可能突然发现自己不会写、不会想、不会判断。
这并不仅仅是技术问题，因为高级认知能力一旦被绑定到少数公司、政策和云端服务上，个人与组织都会暴露在非技术性的断供风险中。Anthropic 在 2026 年 6 月 12 日发布声明称，因美国政府出口管制指令，公司不得不暂停所有客户对 Fable 5 和 Mythos 5 的访问，这个事件也值得我们警醒：工具可用并不等于能力属于自己。
所以，我们不是要拒绝 AI，而是要拒绝替代式使用 AI。我们不是要崇拜困难，而是要保留那些能够形成理解的困难。真正的理解通常不是从流畅开始的，而是从卡顿、辨析、误解和重构开始的。学习从来不只是获得答案，而是亲自经历这些不流畅，而这种训练正是这个时代洪流中逐渐稀缺的价值。
过去的人被动地、没有选择地穿越了困难，而如今困难变成了可选的，自我施加的，问题在于人绝大多数时候不会主动选择难走的路。流畅、便利、即时反馈，会天然地吸引我们；缓慢、卡顿、反复重构，则需要被刻意保护。
寻找同路人 #
这就是我希望寻找一些同路人的原因。
我们会选择阅读一些有困难、有结构、可讨论、可检验的书，练习记忆、推理、表达和反思，对抗个体意志的自然滑坡。这是一次关于学习本身的训练，因此我们会限制 AI 的使用，不是因为 AI 不重要，而是因为这是形成理解，获得能力的必要取舍。
我希望我们在阅读一本书的过程中，重新理解学习究竟是怎么发生的。什么叫真正理解一个概念？什么叫把概念组织成模型？什么叫能够解释和预测？什么叫只是被流畅表达说服，而不是真正掌握？什么叫把一本书变成自己的内部结构？
在我看来，在 AI 时代无辅助思考并不是为了远离未来，而是一种必要的基础建设，为了让自己在未来能够更好地使用 AI。人与 AI 协作的上限取决于人离开 AI 时能力的下限。正如一个人第二外语的水平很大程度上受制于他的母语水平，因为语言的能力背后是组织经验，辨析概念，展开论证，感受细微差别的能力。母语薄弱的人，即使背了很多外语单词，也很难在第二语言里进行复杂表达，因为他缺乏的是更深的思维能力。
AI 也是如此，重要的不是会不会提问，会不会写 prompt，更底层的是：有没有问题意识？有没有判断标准？有没有领域知识？能不能识别含混、偷换、遗漏、虚假流畅？能不能把 AI 给出的材料整合到自己的理解结构里面？如果没有这些能力 AI 给的越多，人反而越容易被淹没。它会让你误以为在思考，其实只是在选择；误以为自己在理解，其实只是在接受一段顺滑的解释；误以为自己在创造，其实只是把生成结果重新包装。
所以，不借助 AI 的阅读和思考不是对技术的拒绝，而是为了建立使用技术所需的内在结构。真正要训练的不是不用 AI，而是有资格使用 AI。真正高质量的人机协作，不发生在空白的大脑和强大的模型之间，而发生在一个已经有结构、有问题、有判断的人与 AI 之间的相互激发。
先亲自走过困难，再使用 AI 加速。
先形成能力，再使用杠杆。
不要把尚未形成的自己外包出去。