AI 是工具：在 LLM 时代定义技能与代理权

关于 AI 作为工具的争论

大型语言模型 (LLMs) 是否属于工具是一个激烈争论的话题，其核心在于自动化与人类所操纵的工具之间的区别。认为 AI 不是工具的观点——通常归因于这些系统缺乏传统软件的可预测性和边界性——遭到了另一种观点的反驳，即技能、意图和反馈循环定义了一个工具的效用。一个工具不会仅仅因为它复杂、不可预测或容易被滥用而不再是工具。

人类技能与监督的作用

有效地使用 AI 需要一个深思熟虑的反馈循环，其中人类始终是主要代理人。专业知识并没有过时；相反，它被重新导向于知道该问什么、如何验证输出，以及何时拒绝或完善 AI 生成的内容。正如一种观点所指出的，区别在于“熟练地使用工具”与“在没有充分理解或监督的情况下委派工作”。如果没有这种监督，用户就有陷入“货物崇拜”的风险，即他们依赖于自己并不完全理解的输出，这可能会导致认知能力和领域专业知识的长期侵蚀。

拟人化框架的风险

“AI 作为工具”框架的批评者认为，行业对拟人化语言的使用——如“失控”或“密谋”等术语——制造了一种虚假的代理感。通过将软件描述为一个独立的实体，我们冒着掩盖真实工程问题的风险。技术故障、幻觉或意外输出并不是有感知力的代理人的证据，而是复杂、非确定性系统的症状，这些系统需要更好的护栏和更严格的验证流程。

来自社区的观点

从业者之间的讨论揭示了那些将 AI 视为强大的力量倍增器的人与那些将其视为对基本人类技能威胁的人之间的分歧。

• 技能倍增器观点： 许多用户发现 AI 充当了“智力陪练”，使他们能够探索复杂的代码库、挑战自己的解释并加速学习。在这种观点下，技能在于清晰传达意图的能力。
• 过时担忧： 相反，一些人认为，随着模型变得越来越强大，使用 AI 所需的“技能”正在迅速减少。人们担心，随着模型的改进，对人类专业知识的需求将会萎缩，这可能会导致“人类认知能力长达数十年的下降”，因为人们将批判性思维外包了出去。
• 代理权问题： 一个反复出现的主题是“外包思维”的危险。正如一位评论者所指出的：“它是一个工具，直到你开始把思维外包给它。那时它就不是工具了，它实际上是代码库中唯一能工作的东西。”

结论：一种新型工具

归根结底，将 AI 分类为工具的重要性可能不如使用它所需的纪律重要。无论一个人将 AI 视为偶尔产生结果的“老虎机”，还是视为提高生产力的复杂工具，结果都取决于用户保持控制的承诺。随着技术的发展，最能经受住未来考验的技能仍然是定义明确目标、根据领域知识验证结果以及防止工具主导工作流程的能力。