AI 時代下技術熟悉度的侵蝕

從技術熟悉度向純粹工具性的轉變

現代運算正從一種「具備阻力」的媒介轉向「完全適應」的媒介。雖然 AI 助手和無縫介面消除了配置與故障排除的摩擦，但它們也消除了「熟悉度」——即透過與機器搏鬥直到其運作成功所獲得的深層經驗性理解。

在 1990 年代，與電腦互動通常需要對其內部運作方式有基本的了解，才能執行基本任務。使用者經常必須編輯 autoexec.bat 檔案、為特定遊戲製作自定義啟動磁碟、在硬碟上設置物理跳線，或手動分配音效卡中斷。這種摩擦不僅僅是障礙；它是學習的主要機制。機器「有其條件」，而使用者唯有透過遇到並克服這些限制，才能獲得知識。

能力與熟悉度的區別

技術能力（尋找並應用資訊的能力）與技術熟悉度（與系統搏鬥並獲勝的親密感）之間存在著關鍵的區別。

• 能力得以保留： 技術知識比以往任何時候都更容易取得。AI 模型已經吸收了幾乎所有可用的手冊與文件集，使其能夠完美地背誦技術規格。就原始資訊檢索而言，這是運算歷史上最穩固的時代。
• 熟悉度正在消亡： 手動配置的「不華麗的親密感」正在消失。當一個工具圍繞著使用者的句子進行自我重組，並為錯誤道歉時，使用者變成了工具輸出結果的消費者，而非與機器邏輯的協作者。

因此，使用者對工具的依賴程度越來越高，但對這些工具的了解卻越來越少。這造成了一個悖論：系統變得更強大，但人類與底層媒介的關係卻變得更加表面化。

對於低階知識流失的觀點

社群討論揭示了對於這種轉變究竟代表真正的技能流失，還是抽象化演進的自然過程，存在著不同的觀點。

不透明抽象化的風險

某些人認為，低階理解的流失會造成系統性的脆弱性。如果理解基礎知識的「老手」們年歲增長而退出，且維護工作依賴於 AI，那麼可能會發生任何現存人類都缺乏背景知識來修復的深層故障。

"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 並非完美的知識庫。幻覺與過度擬合意味著使用者仍需要現有知識來驗證 AI 的輸出是否正確，這表明「透過掙扎而獲得的道路」仍然是驗證真理的唯一途徑。

自然演進的論點

相反地，有些觀點認為，「了解其運作方式」一直以來都是相對於一個人出生時所處的抽象層級而言的。技術棧的深度一直都在增加，且 1990 年代的大多數使用者也只是遵循手冊，而沒有真正理解底層的物理或邏輯。

• 抽象化即進步： 向自然語言介面的轉向被一些人視為運算演進的邏輯結論，類似於社會如何從劈柴或手動抽水轉向更便利的模式。
• 好奇心的持續存在： Modding 社群、DIY 8-bit 電腦愛好者，以及那些託管私有伺服器的使用者，顯示出一部分使用者將永遠為了好奇心與控制權而尋求低階系統的「阻力」。

結論：便利性的代價

向 AI 驅動的運算轉型，將預期的結果與達成該結果所需的工藝分離了出來。雖然這增加了效率與可及性，但它也移除了克服技術阻力所帶來的心理與智力回報。早期世代的使用者所感受到的悲傷，並非因為工具的工具性流失，而是因為與機器之間的關係——那種由「讓它服從」的掙扎所定義的關係——正在消失。