AI 时代技术熟稔度的侵蚀

从技术熟稔向纯粹工具性的转变

现代计算正在从一种“阻力介质”转变为一种“完全顺应”的介质。虽然 AI 助手和无缝界面消除了配置和故障排除的摩擦，但它们也消除了“熟稔感”——即通过与机器搏斗直至其正常工作所获得的深层经验性理解。

在 20 世纪 90 年代，与计算机交互通常需要对其内部运作方式有基本的了解，仅仅是为了执行基本任务。用户经常需要编辑 autoexec.bat 文件，为特定游戏制作自定义启动盘，为驱动器设置物理跳线，或手动分配声卡中断。这种摩擦不仅仅是障碍；它是学习的主要机制。机器“有其规则”，用户只有在遇到并克服这些约束时才能获得知识。

能力与熟稔度的区别

技术能力（查找并应用信息的能力）与技术熟稔度（与系统搏斗并获胜的亲密感）之间存在关键区别。

• 能力得以保留： 技术知识比以往任何时候都更容易获取。AI 模型已经吸收了几乎所有可用的手册和文档集，使其能够完美地背诵技术规范。就原始信息检索而言，这是计算历史上最安全可靠的时代。
• 熟稔度正在消亡： 手动配置的“不那么光鲜的亲密感”正在消失。当一个工具根据用户的句子进行自我重组并为错误道歉时，用户变成了工具输出结果的消费者，而不是机器逻辑的协作人员。

因此，用户对工具的依赖程度越来越高，而对这些工具的了解却越来越少。这创造了一个悖论：系统变得更加强大，但人类与底层介质的关系却变得更加肤浅。

关于底层知识流失的观点

社区讨论揭示了关于这种转变是否代表了技能的真实流失，还是抽象化的自然演进，存在着一系列观点。

不透明抽象化的风险

某些人认为，底层理解的流失会造成系统性脆弱。如果理解基础知识的“老前辈”们逐渐老去，而维护工作又依赖于 AI，那么可能会发生深层的故障，导致没有任何一个活着的个体拥有修复所需的背景知识。

"What's not ok is losing the competence required to maintaining the infrastructure and supply chain supporting society and civilization."

其他人指出，AI 并不是完美的知识库。幻觉和过拟合意味着用户仍然需要现有知识来验证 AI 的输出是否正确，这表明通过“艰辛之路”获得的知识仍然是验证真理的唯一途径。

自然演进的论点

相反，一些人认为，“了解其运作方式”一直都是相对于一个人出生时所处的抽象层级而言的。技术栈的深度一直在增加，而 20 世纪 90 年代的大多数用户也只是遵循手册，并没有真正理解底层的物理学或逻辑。

• 抽象化即进步： 向自然语言界面的迈进被一些人视为计算演进的逻辑结论，类似于社会如何从劈柴或手动抽水转向更高级的形式。
• 好奇心的持久性： Modding 社区、DIY 8-bit 计算机爱好者以及托管私人服务器的人群表明，总会有一部分用户为了好奇心和控制权而寻求底层系统的“阻力”。

结论：便利性的代价

向 AI 驱动的计算转型，将预期的结果与实现它所需的工艺脱钩了。虽然这提高了效率和可访问性， 但它也移除了克服技术阻力所带来的心理和智力回报。早期用户一代所感受到的悲伤，并非因为工具的丢失，，而是因为与机器的关系——一种由“使其服从”的斗争所定义的关系——的丢失。