AI 悖论：依赖会导致被甩在后面吗？
“People who don't use AI will be left behind”（不使用 AI 的人将被甩在后面）这句话已经成为科技领域的常见口号，常被视为不容置疑的真理。然而，这一说法并未得到普遍认同，反而激起了关于将人工智能融入职业和认知生活的真实影响的激烈争论。核心问题在于，拥抱 AI 是提升生产力和相关性的途径，还是对基本人类技能和批判性思维的潜在侵蚀。
本文将深入探讨此争论的各个层面，审视那些将 AI 依赖视为对智力能力潜在危害的担忧，同时也呈现将 AI 视为不可或缺的增强工具的论点。我们将解析在 AI 驱动的世界中“被甩在后面”究竟意味着什么，并思考在保留关键人类能力的前提下，如何在这不断演进的技术前沿中航行。
盲目依赖的反对论点
原帖强力反驳了流行的叙事，认为实际上是依赖 AI 的人面临被甩在后面的风险。作者对过度依赖 AI 导致关键技能衰退表达了深切担忧：
People who rely on AI are the ones who will be left behind. They'll forget how to think, how to write, how to do a simple reliable search, how to tell fact from fiction... they'll forget how to fucking LEARN. I think that's the part that makes me the saddest. What a beautiful thing it is just to learn stuff.
这种情绪与许多担心社会整体转变的人产生共鸣。一位评论者哀叹所谓的“哑终端”回归以及个人计算自主权的丧失——软件被租用、规则不断变化——并将其与“个人计算的黄金时代”进行对比。这种观点凸显了对将控制权和基本技能交给外部、往往不透明系统的担忧。
另一个重要担忧是认知萎缩的潜在风险。正如一位网友指出的，正如久坐的生活方式影响身体健康，持续依赖 AI 可能削弱我们的神经能力：
I have a feeling that a big risk of using AI all the time is that our own neurological capacity starts to dwindle... You really want to be spending a bit of time every day operating at your cognitive limits - trying to fully engage your System 2 - if you want to avoid brain atrophy.
这暗示 AI 的便利可能无意中减少挑战大脑的机会，导致解决问题的能力下降。此外，AI 生成内容的质量也是常见争议点。多位评论者对 AI 产生的“糟糕且未优化的代码”表示不满，这类代码需要人工专业知识来发现并修复。人们担心如果用 AI 替代编程经验，便会失去辨别好代码与坏代码的能力，从而导致大量低质量解决方案的泛滥。
AI 作为增强工具：一种细致的视角
虽然对技能退化的担忧合理，但许多人认为将 AI 视为工具而非替代品能够提供更平衡的视角。AI 工具（尤其是大型语言模型，LLM）的学习曲线常被描述为极低。正如一位评论者所言：“任何工程师（实际上任何人）都可以在几天内‘学会使用 AI’。这不是火箭科学，也没有被甩在后面的可能。”这表明入门门槛足够低，以至于赶上并不构成重大挑战。
这种观点把 AI 看作专业人士工具箱中的另一件仪器，类似于木工使用的电锯。正如一位评论者阐述的：
It doesn't make sense to be better than a tool. A woodworker could use a hand saw and take an hour to cut wood... Or he could use a buzz saw and cut it in a few minutes. Is the woodworker any less of a woodworker when he uses a buzzsaw vs a hand saw?
该类比说明，利用高效工具并不会削弱工匠的技艺，反而提升其生产力。有人甚至认为 AI 能放大创造性思维。比如数学家陶哲轩（Terence Tao）就乐于将 AI 作为强大工具辅助研究，展示了高级智力活动可以与 AI 融合共存。关键在于如何使用这把工具。
重新定义“被甩在后面”：谁真正面临淘汰风险？
“被甩在后面”这一概念本身就有多种解释。一些人认为，那些在其领域中 AI 能显著提升效率却仍拒绝使用的人确实会面临挑战。正如一位评论者指出：“Some people who don't use AI will be left behind - those who work on things where LLM's are capable of a substantial amount of the tasks will be left behind if they just refuse to leverage the superhuman properties that LLMs have.”
然而，同一位评论者也给出了关键的反驳：“Some people who do use AI will be also left behind - those who use it to replace their skills without developing new ones themselves, and those who use it to do the same or worse work more cheaply.”这表明双重风险：既有彻底拒绝，也有不加批判的过度依赖，都可能导致职业停滞。真正的赢家将是那些学会利用 AI 完成更多或更好工作，同时不降低投入或理解的人。
对于那些工作不易被 AI 替代的人来说，采用的压力可能不那么迫切。正如一位网友所说：“If your job can't easily be done by AI, then you can pick it up and get 'up to speed' any time you like.”这凸显 AI 采纳的紧迫性高度取决于具体情境。
核心技能与认知健康的必要性
在争论中，一个反复出现的主题是基本人类技能的持久重要性。批判性思维、学习能力以及辨别真伪的能力被一致视为不可替代。关注点并非仅仅是工作被取代，而是如果这些技能被机器外包，可能导致更广泛的智力衰退。
一位评论者将用间接 AI 技能取代核心技能比作“一个作家决定不再直接写作，而是变得非常擅长使用 Microsoft Word”。这强调工具虽能提升产出，却不应取代核心能力本身。保持每日短时间的刻意练习，挑战自己的认知极限，被视为抵御大脑萎缩的有效方式。
引领未来：双模策略与怀疑论
展望未来，有人提出对组织和社区采用“双模策略”，即同时容纳 AI 使用者和 AI 规避者。这种做法旨在利用 AI 带来的快速探索与开发优势，同时确保保持传统、动手实践的批判性评估。正如一位评论者所言：“Diversity fuels evolution.” 这暗示多元方法可能产生最稳健的结果。
然而，对 AI 当前状态及其长期可行性的怀疑仍然存在。模型“把谎言当作事实”以及部分 AI 应用缺乏明确、可持续的商业模式，使得一些人对全面采纳持保留态度。当前大量 AI 生成内容的涌入——例如开源项目中缺乏人工审查的“大规模 PR”——也引发了对质量控制和协作完整性的担忧。
总之，声称“不使用 AI 的人将被甩在后面”过于简化了复杂的现实。AI 确实提供了强大的增强与效率工具，但不加批判的依赖会侵蚀批判性思维、学习能力以及辨别真相的基本人类技能。真正的挑战不在于二元的“使用或拒绝”，而在于如何审慎地将 AI 融入作为提升而非取代人类创造力与认知能力的工具。未来很可能属于那些既能驾驭 AI，又能保持核心智力实力的人。