代理幻觉：AI 如何削弱人类思维的自主性

2016 年，Google DeepMind 的 AlphaGo 战胜李世石，这一事件是围棋历史上的分水岭，但 AI 对围棋的真正影响并非职业统治的即时丧失，而是人类自主性的缓慢、潜移默化的侵蚀。虽然国际象棋通过转向人类戏剧性和电子竞技而在超人类引擎出现后得以存活，围棋却成为了一个更令人担忧现象的实验室：逐步的失能。

当人类将认知委托给一个尚可或超人类的 AI 时，他们常认为自己在使用工具来提升技能。实际上，他们可能在自动化掉构成精通的核心过程。这种转变很少是突发的崩溃，而是一连串小而舒适的让步，最终使从业者在没有机器的情况下无法运作。

AI 作弊者的社会学

在欧洲团体锦标赛中，Carlo Metta 的案例展示了 AI 融入的社会动态。Metta 被指控在在线对局中使用 AI，这一指控得到其在线超人表现与其停滞的现场（OTB）水平之间鲜明对比的支持。尽管证据确凿，Metta 仍因起诉不力和社会压力而被宣告无罪。

这树立了一个危险的先例。当指控作弊者的社会成本高于作弊本身的成本时，赛事组织者往往会陷入无力感。这样的环境使得 AI 的使用变得普遍，并不一定出于恶意或争夺奖金的动机，而是出于“闲散的好奇心和懒惰”。

被动学习的陷阱

在教育环境中，在面对困难棋步时“侧目”AI 解答的诱惑无处不在。学生常以保留艺术控制权为借口，声称 AI 只是帮助他们发挥潜在潜能的工具。一位学生的感受呼应了 AI 使用者的常见妄想：

"我从不让 Leela 选走棋。我只自己决定哪个更好，正因为如此，我认为我可以在 Leela 的帮助下找到自己的风格。"

这种自认为的自主性是一种幻觉。verifying（验证）解答与constructing（构建）解答之间存在根本差异。就像一个能够跟随证明的原子步骤却无法把握“全局”动机的数学学生一样，AI 使用者记录了洞见却没有将其内化。他们始终处于为永远也考不过的考试做准备的状态，因为他们从未学会在没有提示的情况下驾驭不确定性的空白。

超越棋盘：编码与创意工作

在围棋中观察到的模式远远超出棋盘本身。在软件工程领域，AI 编码助手的兴起将工作从初级实现转向高级架构。虽然这提升了生产力，却为这门工艺创造了一个“临界时刻”。初级工程师在没有手动调试的艰苦教训的情况下，仅凭提示在代码库中穿梭，可能会引入只有经验丰富的工程师才能后来理清的隐形错误和架构混乱。

这种“认知卸载”在各种智力工艺中都可见：

• 写作： 将语法和流畅性委托给 LLM，可能会使作者通过润色文章的过程失去清晰思考的能力。
• 研究： 使用模型来探究假设而不手动检查数据，会导致“糟粕”被当作合法研究流通。
• 编码： 依赖代理修复错误常导致循环：AI 引入问题却无法解决，用户因缺乏基础理解而陷入困境。

舒适的代价

学习本质上是令人不适的。它需要在困惑中徘徊并与阻力抗争。AI 消除了这种摩擦，提供了一条通过模仿实现“惊人表现”的高速公路。然而，这种效率以探索为代价。当 AI 的走法随时可得时，尝试次优但由人类驱动的策略的动机便消失。

当我们将 AI 融入职业和创意生活时，我们面临选择。我们可以利用这些工具来启动我们的理解——先记录自己的判断，再让 AI 进行评估——亦或是滑入“脑腐烂”状态，成为雇主与模型之间的中层管理者。

归根结底，AI 辅助的棋手或程序员的悲剧并非被机器取代，而是他们自愿成为自己的替代品，用真正掌握的满足感换取模拟成功的舒适感。