AI 的下一站：拓展人的可能性

2026.10.29 09:31

工业革命以后，机器逐渐接管了大量体力劳动。人类不再需要依靠自己的肌肉完成耕种、搬运和制造，生产效率得到了前所未有的提升。但有意思的是，机器虽然解放了体力，却没有自动让人拥有更健康的身体。随着生活方式的变化，我们反而需要专门花时间运动，弥补日常生活中逐渐消失的身体活动。

如今，类似的变化可能正在认知领域发生。AI 开始替我们阅读、写作、编程、分析问题，甚至辅助做出决策。许多过去需要长期训练才能掌握的技能，现在只需要一句自然语言指令，就能够获得像模像样的结果。我们正在获得前所未有的认知生产力，但一个问题也随之出现：当机器替我们完成越来越多的思考，人本身会因此变得更聪明，还是逐渐失去独立思考的机会？

一、完成了任务，不代表获得了能力

过去，我们衡量一项工具的价值，通常看它能帮助人节省多少时间、提高多少效率。按照这个标准，AI 无疑是非常成功的。但如果我们把观察的时间拉长，从一次任务延伸到一个人长期的学习和成长，可能会发现一些被忽略的东西。

假设有两种 AI 写作产品。一种只需要十秒钟，就能根据要求生成一篇完整的文章；另一种则需要二十分钟，通过不断提问、讨论和修改，帮助用户逐渐形成自己的观点，最终完成写作。如果只看任务完成效率，第一种产品显然更有优势。但如果把时间拉长到一年，两种产品可能给使用者带来完全不同的影响。前者让人完成了更多文章，却不一定提高了自己的思考与表达能力；后者虽然效率较低，却可能帮助人逐渐形成独立的分析框架，甚至在没有 AI 的时候，也能够写得更好。

这当然不是说第二种方式一定更好，而是说明：任务的完成质量，与人的能力变化，是两件不同的事情。在过去，这两者往往紧密联系。我们通过解决问题积累经验，通过写作整理思想，通过反复尝试形成判断。完成任务的过程，本身也是一种学习。而 AI 正在改变这种关系，让我们能够跳过许多中间过程，直接获得结果。

这种变化让我想到导航软件。它让我们能够轻松抵达陌生的地方，却不一定帮助我们建立对城市道路的理解。使用导航当然没有问题，毕竟我们的目的通常是抵达终点，而不是记住每一条街道。但如果我们把这种模式延伸到所有认知活动中，问题就变得复杂起来：当我们越来越习惯于直接获得答案，是否也在逐渐减少形成自己理解的机会？

人类从来不是依靠独立完成一切来发展的。文字帮助我们突破记忆的限制，书籍让知识得以跨越时空传播，计算器让我们摆脱大量重复计算。每一次认知工具的进步，都让我们能够将精力投入更复杂的问题。因此，真正需要讨论的并不是我们是否应该把思考交给 AI，而是哪些认知活动值得交出去，哪些过程本身就是我们不应该轻易放弃的成长机会。

二、好的帮助，有时恰恰是逐渐退出

心理学家维果茨基曾提出过一个概念，叫做「最近发展区」。简单来说，一个人能够独立完成的事情，与在他人帮助下能够完成的事情之间，存在一个可以促进学习和成长的空间。好的老师懂得如何利用这个空间，他不会始终替学生解答问题，而是根据学生当前的能力提供适当支持，随着学生逐渐掌握方法，再慢慢减少帮助，直到学生能够独立完成。

这个思想给 AI 产品设计带来了一个很有意思的启发。今天，大多数 AI 助手都在努力提供更多帮助：更主动地理解需求，更完整地执行任务，更少地打扰用户。但对于那些涉及学习、思考和判断的事情，最好的帮助有时恰恰不是直接给出答案。当我们试图理解一个复杂概念时，AI 可以通过反例检验我们的理解；当我们形成一个观点时，它可以指出论证中的漏洞；当我们面对一个重要决定时，它可以帮助我们澄清真正重视的东西，而不只是给出一个看似最优的建议。

更重要的是，这种帮助应该随着人的变化而变化。对于刚刚接触一个领域的人，AI 可以提供充分的解释和指导；随着理解逐渐深入，它可以减少直接回答，转而提出更有挑战性的问题，让人有机会独立完成思考。最终，AI 的参与应该使我们能够处理原本无法独立解决的问题，而不是让我们永远停留在需要它帮助的状态。

当然，并不是所有事情都需要这样的过程。整理发票、转换文件格式、处理重复性事务，本来就应该尽可能自动化。一个人也不应该在每次使用 AI 时都被迫接受一场训练。关键在于，系统能否理解不同场景下人的真实需要，在效率与成长之间提供恰当的支持。

这意味着，我们或许需要重新理解一个优秀 AI 产品的价值。它的成功，不只是帮助用户完成了多少事情，还包括长期使用之后，用户获得了多少原本不具备的能力。更进一步，真正好的帮助，应该允许人最终不再需要这种帮助。

三、比能力退化更值得担心的，是失去自己的判断

如果继续往深处思考，我认为还有一个比认知能力更根本的问题，那就是人的主体性。

我们很容易意识到，过度依赖 AI 写作，可能影响自己的表达能力；过度依赖 AI 分析，可能减少独立推理的机会。但当 AI 开始参与我们的职业选择、健康管理、生活规划，甚至人际关系时，问题就不再只是能力是否退化，而是我们是否仍然掌握着自己生活的决定权。

可以想象，未来的个人 AI 助手能够长期了解一个人。它知道你的经历、性格、兴趣和知识背景，了解你过去做过哪些决定、遇到过什么困难，也能够根据大量信息分析不同选择可能带来的结果。当你考虑是否换一份工作、搬到另一座城市，或者开始一项新的事业时，它或许能够给出比身边大多数人都更周全的建议。这当然很有价值，但也带来一个微妙的问题：如果这样的建议足够准确，我们是否会逐渐习惯于把重要决定交给它？当系统越来越擅长预测什么对我们有利，我们是否还会认真思考自己真正想要什么？

这里存在一个重要的区别：帮助一个人实现目标，与替一个人决定什么目标值得追求，并不是同一件事。

人并不是一个目标始终明确、只需要不断优化执行效率的系统。很多时候，我们恰恰是在尝试、犹豫、失败，甚至犯错的过程中，才逐渐理解自己究竟想要怎样的生活。而且，所谓「更好的选择」也未必存在统一的评价标准。一份收入更高的工作，未必意味着更值得过的人生；一个风险更低的决定，也未必符合一个人对自由和创造的渴望。如果 AI 只根据容易衡量的结果不断优化我们的生活，它可能让一切变得更高效、更稳定，却也可能无意中压缩那些难以量化的价值。

这并不是说我们应该拒绝 AI 的建议。事实上，人的判断本来就会受到书籍、朋友、教育和社会环境的影响，AI 只是增加了一个新的、可能更有影响力的信息来源。真正值得关注的是，当一个系统越来越了解我们、越来越擅长影响我们的选择时，我们是否仍然有能力理解这些影响，反思它们，并在必要的时候拒绝它们。

一个真正以人为中心的 AI，不应该只是帮助我们做出更好的决定，还应该帮助我们成为更有能力自主决定的人。

四、AI 不只是工具，也在成为我们生活的环境

过去，我们通常把技术理解为实现目标的工具。人提出需求，工具负责执行，最终的价值由人来判断。但随着 AI 逐渐拥有长期记忆、主动规划和持续交互的能力，这种关系正在发生变化。一个每天陪伴我们学习、工作和生活的 AI，不只是被动响应指令，它还会影响我们接触什么信息、如何理解问题、怎样形成判断，甚至可能逐渐改变我们的习惯与偏好。

换句话说，AI 正在从偶尔使用的工具，变成我们所处认知环境的一部分。

环境对人的影响，往往比单次工具使用更加深远。一个鼓励独立思考的环境，与一个不断提供标准答案的环境，可能培养出不同的思维习惯；一个允许探索和试错的环境，与一个始终追求最优解的环境，也可能塑造出不同的行动方式。我们过去设计 AI 产品，主要关注它能够完成什么任务、提供什么能力，但未来可能还需要认真思考：当一个人长期生活在这样的智能环境中，他的认知、行为和价值判断会发生什么变化？

这也意味着，衡量 AI 产品的方式可能需要改变。除了任务成功率、用户满意度和节省时间，我们或许还应该关心：长期使用之后，用户是否拥有更好的理解能力，是否能够更加独立地解决问题，是否更清楚自己真正重视什么，又是否拥有更多自主选择的空间。这些变化很难像任务完成率一样被直接测量，也不一定都能归因于 AI。但如果完全忽略它们，我们可能会创造出越来越强大的助手，却没有认真理解这些助手正在如何改变使用它们的人。

我认为，这可能构成未来 AI 产品的一个重要分野。有些产品将致力于最大化任务自动化程度，让系统越来越擅长替人完成工作；另一些产品则会更加关注人与 AI 长期协作的过程，让系统不仅能够完成任务，也能够帮助人逐渐形成新的理解、能力和行动方式。两种方向并不矛盾，但它们对应着不同的产品目标，也需要不同的设计和评价方法。

五、我们真正需要的，也许不只是让人变得更强

不过，讨论到这里，我觉得还有一个前提值得反思：为什么我们一定要不断变得更强？

如果我们只是把效率、成长和能力提升视为 AI 的最终目标，那么即使产品从任务中心转向了人的成长，本质上也可能仍然在延续同一套逻辑：不断优化自己，成为一个性能更好的系统。过去，我们希望通过技术提高工作效率；现在，又希望通过技术提高学习能力、思考能力和决策能力。看似更加关注人本身，却依然在用生产力的尺度衡量人的价值。

但人的一生显然不只是能力不断增长的过程。我们会渴望学习和创造，也会需要休息与陪伴；会希望有所成就，也会在某些时刻只想放慢脚步，感受眼前的生活。这些事情并不需要通过提高效率或者获得某种能力来证明其价值。一个人也不应该因为拥有了强大的 AI，就必须始终保持高效、理性和进步。

所以，我越来越觉得，AI 最终应该帮助人获得的，不只是更强的能力，而是更多的可能性，以及决定如何使用这些可能性的自由。

当我们希望学习时，它可以成为一个好的老师；当我们希望创造时，它可以成为有启发性的伙伴；当我们只想完成琐碎工作时，它也应该能够高效可靠地替我们执行。而当我们希望独自思考、体验生活，或者什么都不做的时候，它同样应该懂得退出。

工业革命让机器逐渐承担了人类的体力劳动，人工智能则正在帮助我们突破认知能力的限制。但历史已经提醒我们，技术带来的生产力增长，并不会自动转化为个人的自由与幸福。我们不仅需要创造更强大的技术，也需要主动思考，如何让技术真正服务于人的生活。

过去很长一段时间，我们一直在研究如何让机器越来越像人一样思考。如今，或许到了同样认真思考另一个问题的时候：

当机器越来越擅长思考，我们究竟希望自己成为怎样的人？