无摩擦技术如何让我们偏爱独处——以及为何科研管理者应当警惕

最近去旧金山，我做了如今每个游客都会做的事：召唤一辆没有司机的汽车。

Waymo 自动驾驶汽车平稳驶来，带着一种机器特有的笃定——它从不用担心找车位的问题。我钻进后座，本能地瞥向驾驶座想打招呼，却对着空座位礼貌地点了点头。方向盘自己转了起来。我这辈子花了不少时间研究物理学中违反直觉的现象，但这丝毫没能缓解我那轻微的存在主义眩晕：看着方向盘自行转动，仿佛有个看不见的司机在为我的安全负责。

我去旧金山，部分原因是与麦克米伦学习公司（Macmillan Learning）首席执行官苏珊·温斯洛（Susan Winslow）会面。我们同属霍尔茨布林克集团（Holtzbrinck group），此次相聚是出于最具人情味的职业原因：合作。我们想面对面坐在一起，交流人工智能如何重塑各自所在的科研与教育领域，进行那些隔着视频会议很难开展的深度思考。

然而，当聊起各自乘坐 Waymo 的经历时，我们意外达成了另一个共识：这段体验简直太棒了。作为两个自认的内向者，我们都觉得无人驾驶汽车是一片小小的绿洲。不必勉强搭话，不用在电台选台时暗自纠结，能毫无负罪感地独处，或是处理邮件、接打电话，完全不用在意在陌生人面前通话的尴尬。车子安静、平稳，毫无要求。

过了一会儿我们才意识到，我们失去了什么。两个跨越大洲专程来交流的人，竟然为一项核心功能是“无需与人交谈”的技术暗自欣喜。

定义“Waymo 效应”

我试着给它下一个定义：Waymo 效应，指当某项技术消除了人际互动的摩擦，我们会将这种消除视为纯粹的收益——因为摩擦的成本显而易见，而它的价值却隐而不彰。

读过蒂姆·吴（Tim Wu）《“便利的暴政”》[https://www.nytimes.com/2018/02/16/opinion/sunday/tyranny-convenience.html]的人对这种逻辑并不陌生：一旦出现无摩擦的选项，我们就会默认选择它，同时悄然放弃摩擦原本带来的价值——毕竟从一开始就没人把这种价值当回事。阿尔伯特·博格曼（Albert Borgmann）提出的“装置范式”[https://press.uchicago.edu/ucp/books/book/chicago/T/bo23186480.html]更进了一步：装置能提供某种商品——温暖、信息、陪伴——却掩盖了过去为获得它而必须付出的实践过程，以至于我们根本没意识到那些实践已消失不见，只知道商品还在源源不断地送来。

与出租车司机交谈的成本是显而易见的：维持礼貌的微小努力、聊得投机与否的不确定性，还有内向者在清晨7点被迫进行冗长寒暄的“社交税”。而它的价值却分散且滞后：对我们许多人而言，司机往往是一天中最后一个不得不接触的陌生人，是我们跳出职业、政治、社交舒适圈后，唯一不得不与之交谈的对象，也是最后一个主动提供不同观点的可靠来源。

苏珊和我都不会设计一个没有这类对话的世界。我们只是享受了一次“免对话”的选项。而这恰恰是某些事物消失的方式：从来不是主动决定放弃，而是一次次为了便利妥协，在一次次舒适的选择中悄然失去。

我必须明确，这不是一篇反 Waymo 的文章（乘坐体验确实很棒，我会毫不犹豫地再次选择——这恰恰是问题所在）。我想探讨的是科研领域，因为让汽车摆脱司机的逻辑，正以同样的笃定，且影响深远得多的方式，让科研过程摆脱合作者。

无摩擦的“同事”

大语言模型（LLM）就是知识领域的 Waymo。

站在研究者的角度诚实地对比一下：人类合作者只能在教学任务、基金申请截止日期和时区限制的间隙抽时间配合；而大语言模型在周日凌晨2点也随叫随到——别不承认，很多科研思考恰恰发生在这个时段。人类合作者带着自己的 agenda（议程）、对问题的独特框架，还会固执地指出你的核心假设有误；大语言模型的唯一目标就是对你有用。说服人类合作者需要花功夫，而大语言模型只需你给出指令。人类合作者会以你意想不到的方式挑战你；大语言模型则严格按照你的要求提出质疑——绝不会多一分。如果你让它批判你的论点，它会做得很到位，但只会针对你提出的论点。它不会主动告诉你，你在解决一个错误的问题，某个竞争对手团队2019年就试过这个方法并放弃了，或是你精妙的理论框架一接触到其他领域的现实就站不住脚。

换句话说，合作者带来的“不便”并非合作的缺陷，而恰恰是合作的核心价值所在。他人思维的价值，正在于它拒绝成为你自身思维的延伸。

除了挑战与意外发现，还有更根本的东西。科研不只是将想法转化为论文的生产函数，它是一个实践共同体——由辩论、师徒传承、会议吧台的闲聊、共同应对严苛审稿意见的经历编织而成的社会网络。而这个网络的经纬，正是我们如今正着力消除的那些摩擦。每一次把本该和同事进行的对话转向聊天机器人，都是悄悄抽走了一根线。单根线无关紧要，但整个网络的存亡系于每一根线。当这种情况大规模发生时，有一个词可以形容：去协作化（decollaboration）。

激励陷阱

如果这只是个人层面的诱惑，那它只关乎自律和偶尔的严厉告诫。但事实并非如此。令科研管理者、资助方和机构不安的真相是：我们建立的激励体系，让“去协作化”成了理性选择——而且我们还在逐年让这种选择更“理性”。

合作向来成本高昂：要花钱出差、协调日程，还要花时间慢慢建立信任；要管理自我情绪、做出妥协，还要在协商作者排序时经历一次次小小的挫败。“不发表就出局”的规则本就加剧了这些成本，因为花在与合作者对齐思路上的每一小时，都是无法用于产出符合评估体系标准成果的一小时。如今，还有三种力量在雪上加霜。

第一，资金压力。当预算收紧，首当其冲的总是那些价值真实却无法量化的项目：差旅、研讨会、学术休假、访问学者职位——所有催生意外发现的实体基础设施。我们砍掉了走廊交流的经费，然后又疑惑走廊里的闲聊去哪儿了。

第二，对速度的崇拜。尽管我们的网站上贴着各种 DORA（旧金山研究评估宣言）风格的声明，但现有的评估体系仍在奖励产出数量和速度。而大语言模型最核心的承诺就是速度。它悄悄告诉你：文献综述周五就能完成，论文初稿周一就能写好。对于下一份工作取决于发表论文数量的研究者而言，这种诱惑很难抗拒。

第三，也是最具诱惑力的一点：大语言模型从不争论作者排序。它没有自我，没有竞争议程，不会要求分享成果署名。在一个以成果为生存货币的体系里，一个才华横溢却不求任何署名的对话者，不仅是便利，简直是“套利”。

科研领域的研究成果应当让我们停下来反思。团队科学文献告诉我们，小团队更具颠覆性，大团队更擅长拓展；而跨领域、跨机构的非典型合作，最容易产出极具创新性的成果。与此同时，生成式人工智能的早期证据指向了一个熟悉的方向：个人生产率提升，但思想多样性收窄，所有人都沿着越来越相似的路径加速前进。我们实际上正在进行一场不受控制的全球实验——用意外发现换产出效率，而我们建立的激励体系就是这场实验的装置。

写作即思考

还有一个更深层的成本，关乎大语言模型最擅长的事情：写作。

这类工具的吸引力部分源于“速度感”，但我们需要明确，这种感觉在某种程度上是一种错觉。写作之所以耗时，是因为思考本身耗时；二者并非可以分开的先后步骤。写论文的价值从来不是最终的成品，而是它带来的倒逼机制。写作时，我们才会发现原本确信无疑的论点在第三部分存在漏洞；模糊的直觉要么变成精准的主张，要么在被明确表达的压力下消散。高质量的想法需要时间孕育，而过去，这种缓慢的孕育大多发生在人与人之间：在白板前，在走廊里，在合作者带着修订痕迹的反馈带来的“有益 irritation（不快）”中。

认知心理学家给这种“有益的摩擦”起了个名字：罗伯特·约克（Robert Bjork）提出的合意困难（desirable difficulties）[https://doi.org/10.7551/mitpress/4561.003.0011]——研究发现，学习和思考中的某些摩擦，比如费力回忆、延迟反馈、努力用自己的语言把想法写下来，不是获得持久理解的障碍，而是实现理解的机制。为了舒适而消除这些困难，并不会更快获得同等质量的理解，只会得到更少、更“顺畅”的理解。

把写作外包出去，不是加速了思考，而是跳过了思考。随着模型不断改进，这个陷阱会越来越深，因为它们的输出会越来越好——更流畅、更有条理，越来越难与受过教育的人类散文区分开来。诱惑越来越大，而暴露问题的迹象却越来越少。作为物理学家，这让我想起 PT 对称量子系统：它们在隐藏对称性被打破前，表现得完全正常，而一旦打破，一切瞬间改变。一种科研文化可能在所有可见指标上都看起来健康——产出增加、周转加快、文笔完美——但支撑它的无形根基却悄然跌破阈值。等指标上出现症状时，根源早已存在多年。

飞行员与乘客

这绝非呼吁禁用这些工具。那样做不仅会失败，也理应失败，因为它们的价值是真实的。在2026年3月《自然》（Nature）杂志的一篇评论[https://doi.org/10.1038/d41586-026-00665-y][https://doi.org/10.1038/d41586-026-00665-y][https://doi.org/10.1038/d41586-026-00665-y]中，王大顺（Dashun Wang）延伸了史蒂夫·乔布斯将电脑称为“思想的自行车”的著名比喻，提出人工智能代理是“思想的飞机”：比自行车更快、更强大，但更难操控，坠毁时损失也更大。他关于优势的论述是对的，而且优势相当显著。当人工智能降低了失败的成本，提出更具风险和野心的问题就成了理性选择；当它降低了分析成本，小型实验室和新手研究者就能尝试过去需要整个团队才能完成的任务。使用得当的话，这些工具确实能拓展科研的边界；如果设计合理，智能代理甚至能强化科学最薄弱的环节之一——可重复性，让每一个分析步骤都可记录、可复现。

但请注意，即使是乐观主义者也有一个坚持的原则。王大顺提出的方案是他所谓的**“飞行员主导”科学**：研究者是机长，智能代理是机组人员——负责起草初稿的分析师、负责深入探究的批评者、负责规划下一步的策划者——而人类始终掌握着对问题、路径和结论的决定权。换句话说，即使是最热衷于人工智能辅助发现的设计者，也坚定认为驾驶座上必须有人。王大顺从另一个角度提出了对 Waymo 效应的担忧：他警告说，人工智能可能提升个人表现，但会降低集体多样性，除非我们刻意干预，否则产出会趋同；就像合作者会以深刻且意想不到的方式塑造我们一样，智能代理也会。他的解决方案是设计出鼓励异议的机制，培养不同思维模式的模型。也就是说：在消除摩擦之后，我们必须重新把摩擦设计回来。

这不过是旧担忧换上了新外衣。1983年，心理学家莉萨妮·班布里奇（Lisanne Bainbridge）描述了自动化的讽刺[https://www.sciencedirect.com/science/article/pii/0005109883900468]：系统自动化程度越高、运行越可靠，人类监管者就越难有机会练习那些只有在紧急情况下才需要的技能，以至于恰恰因为这些技能很少用到（且总是在最糟糕的时刻用到），能力会悄然退化。把“飞行员”换成“研究者”，把“自动驾驶仪”换成“智能代理”，王大顺所防范的机制，正是班布里奇四十年前提出的那个。

问题不在于技术本身。问题在于，我们让人际对话成了昂贵的选项，而人机对话却近乎免费，然后又对研究者做出的理性选择感到惊讶。

为摩擦买单

因此，责任落在了制定激励机制的人身上。资助方和机构应当认识到，合作不是锦上添花的可选项目，而是一种基础设施——并据此为它定价。

为摩擦买单：资助研讨会、访问交流、联合办公，以及那些催生无法提前规划的对话的自由时间。真正以贡献而非速度作为评估标准，把“你和谁一起思考过？”这个问题，放到与“你发表了什么？”同等重要的位置。

或许，在机器能批量产出合格论文的时代，我们应该意识到稀缺且有价值的东西已经反转：论文产出正变得廉价，而共同思考正变得珍贵。

返程

我和苏珊抵达了目的地。行程平稳，安静舒适，而我们跨越大洋来寻求的合作，并没有发生在那个无摩擦的封闭空间里，而是在之后那些低效、无计划、充满人情味的时光中：那些漫无边际的闲聊，那些双方都未曾预料的分歧，那些我们来旧金山时都还没有、直到面对面交流才诞生的想法。

这就是完整的 Waymo 效应：行程愉悦，抵达目的地，只有当你抬头看向驾驶座时，才会意识到缺失了什么。王大顺呼吁“飞行员主导”科学；而潜在的风险是，我们的激励体系正在把我们培养成“舒适的乘客”。

如今，科研正钻进后座。行程会很平稳，产出会按时交付。科研管理者应当在我们再多享受几年舒适行程之前，问自己一个简单的问题：谁在驾驶座上？我们又是从何时起，不再注意到那里空无一人？

丹尼尔·胡克（Daniel Hook）是霍尔茨布林克集团首席科学官。感谢苏珊·温斯洛和奥利弗·察恩（Oliver Zahn）的有趣对话，为本文提供了灵感。