聆听本文

收听时长：25分钟

作者说明：本文由我与Claude合作撰写。从初稿构思到部分观点打磨，均为协作成果——毕竟AI工具已深刻改变我的工作方式，这与文中论点直接相关。

1846年以前，外科医生的手术极限，完全取决于清醒患者能在剧痛中撑过几分钟。手术时，患者要么被助手按住，要么被绑在手术台上（我母亲20世纪60年代初在西西里做扁桃体切除手术时，大体还是这种方式）。医生的名望全靠动作麻利，因为手术的每一秒，都是患者在清醒状态下承受煎熬的一秒。罗伯特·利斯顿能在30秒内完成截肢手术，不是因为他技艺超群，而是形势所迫。当时的手术只能局限于体表：截肢、排脓、切除浅层肿瘤，没有患者能忍受医生在胸腔、腹腔或颅腔内长时间操作。

乙醚和氯仿问世后，英美医学界一些德高望重的专家却认为，让患者失去意识是严重的临床错误。时任美国医学会副主席、俄亥俄医学院的约翰·波拉德·哈里森在1849年写道：“疼痛具有疗效——生命活动靠疼痛维持。若没有疼痛的刺激，手术后患者更可能死亡。”费城杰斐逊医学院产科学教授查尔斯·米格斯则将分娩疼痛视为生命力的积极表现，认为它有益健康、符合自然规律。还有外科医生指出，清醒的患者能确认手术部位，在术中协助医生决策，提供实时诊断反馈，而这些在麻醉状态下都会消失。随着相关报道不断积累，安全担忧日益加剧，最终促成英国皇家外科医师学会1864年发布委员会报告，其中记录了123例氯仿致死案例。在麻醉术推广初期，反对之声广泛存在，且基于当时最权威的临床证据。

但这些批评者无论如何也想不到，麻醉术会为心脏直视手术、器官移植、神经外科乃至整个现代外科专科体系铺平道路。它带来的并非“让现有手术更舒适”，而是开辟了一片全新的可能性空间——在1846年的外科语境下，这片空间里的一切都无法想象。

这类案例有着共同的模式：一项创新出现时，其代价清晰可见——因为可以对照原有实践的基准衡量，且能用现有工具量化；但它最深远的益处，却依赖于评估当下尚未存在的实践、制度与概念。具备领域专业知识的严肃批评者会记录下这些代价，而且往往是正确的——毕竟他们所沿用的评估体系，本就是为衡量这类代价设计的。而在创新初期，根本无法评估其益处，因为描述这些益处的词汇，本身就是创新将要催生的产物之一。

以约会软件为例。伊莱·芬克尔等人的研究表明，软件介导的约会可能导致选择过载、削弱承诺感，还会降低人们培养亲密关系技能的能力——而这些技能在传统交友模式下能更自然地形成。如今，关于孤独感、年轻人结婚率下降、线下浪漫邂逅锐减的实证研究已颇为丰富。批评者们所指出的都是真实存在的问题，其证据的可信度，堪比当年哈里森反对麻醉术时拿出的论据。

但这些证据无法捕捉的，是约会软件问世后才逐渐显现的一系列影响——十年前讨论Tinder时，没人能具体描述这些影响。公共空间已悄然改变：由于有了线上交友的替代渠道，线下搭讪的规范性被大大削弱，如今女性在街道、咖啡馆和职场的行为方式，在1995年是完全无法想象的。过去发生在现实场景中的无端骚扰，如今部分转移到了线上平台，而至少在平台上，骚扰更容易管控——数字互动可以被过滤、屏蔽、举报和核查，这些都是线下街头或职场骚扰做不到的。

更深远的影响不止于此。2018年，经济学家何塞·奥尔特加和菲利普·赫尔戈维奇运用匹配理论模型，以美国各州宽带普及率作为线上约会的替代指标开展研究，发现线上约会与过去二十年间美国跨种族婚姻的激增趋势相符。过去，人们往往在现有社交圈内部择偶，而这些社交圈在种族上是隔离的；任何能打破圈际壁垒、连接陌生人的渠道，哪怕普及率不高，都有望促进社会融合。社会学家迈克尔·罗森菲尔德及其同事基于全国代表性纵向数据集的研究显示：大约从2013年起，美国异性恋情侣最常见的相识方式是线上；到2017年，约65%的同性情侣通过线上相识。而且，只要考虑到恋爱时长，通过软件结识与通过朋友介绍结识的情侣，在分手率和关系满意度上并无显著差异。

还有一些更难量化但有据可查的影响，同样无法提前预知。特雷弗项目2024年的一项调查显示，约四分之三的LGBTQ+年轻人因在现实生活中难以建立联结而转向网络；近同样比例的受访者表示，在网上能完全做自己，这一比例在跨性别和非二元性别受访者中更高。与此同时，只有约半数受访者认为学校能接纳多元性别，仅有略多于三分之一的受访者觉得家庭环境是性别包容的。同行评审研究一致发现，这些线上空间对无法接触线下社群的农村年轻人尤为重要。如今，精细多元的性取向与亲密关系身份得以普及，正是依赖于能让拥有罕见特质组合的人跨地域找到彼此的基础设施，而非局限于本地社交圈。约会软件是一个极具代表性的当代案例，因为其发展时间足够短，我们能亲眼目睹新实践的形成；但它所呈现的模式，在历史上各类创新中反复出现——从更长远的历史维度审视，这一模式的轮廓会更加清晰。

约翰·菲利普·苏萨，图片由美国国会图书馆提供

再看留声机。1906年，美国作曲家约翰·菲利普·苏萨站在其音乐事业的巅峰，在《阿普尔顿杂志》撰文称，留声机会毁掉业余音乐创作。从实证角度看，他是对的——此后半个世纪，客厅钢琴确实逐渐消失了。但录音室作为一种创作工具，以及采样、多轨录音、那些完全依赖录音技术才能存在的音乐流派，在1906年都是无法被描述的，因为它们依赖的实践、技术和审美范畴，都需要录音媒介本身先催生出来，人们才能定义它们是什么。

这种模式在基础设施领域同样可见，只是其带来的替代效应更分散。19世纪80年代，燃气工程师认为早期电灯不如煤气灯，从他们当时的对比维度来看，这个结论是正确的。但他们的对比无法涵盖的是：为输送电力照明而搭建的基础设施——发电机、输电线路和配电网络——最终会成为更广阔电子文明的基础，包括电话、无线电、计算机和广播。从电灯到晶体管的道路漫长，要经过1885年尚不存在的发明与学科，这是19世纪80年代那场照明技术辩论中的任何人都无法预见的。

知道可以用谷歌查资料的人，对信息本身的记忆力会变差

其实早在上述案例出现之前，就有类似的争论了。在《斐德罗篇》中，柏拉图让塔穆斯警告世人，文字会侵蚀记忆力。从他当时观察到的现象来看，这个警告并非空穴来风——毕竟书面记录取代口头记忆传统，确实是一场真实的文化变革。但塔穆斯无法预见的是（因为当时还没有对应的词汇）：依赖稳定书面参考的累积学术研究、需要符号标记才能发展的形式逻辑，以及离不开书面记录支撑其证据实践的实证科学，这些都因文字的出现才成为可能。

如今，围绕AI的争论也正实时上演着同样的模式，批评者所关注的机制，正是塔穆斯当年担忧的问题：当一种工具能可靠地完成某项认知任务，人类自身完成该任务的能力往往会因不用而退化。当代的这类担忧有充分的实证支持，远不止《斐德罗篇》中的论述。比如，知道可以用谷歌查资料的人，对信息本身的记忆力会变差；习惯使用GPS的人，表现出海马体依赖的空间导航能力显著下降。大语言模型能自动化处理的认知任务，范围远大于找路或回忆琐事，没有理由认为上述机制不会随之放大。

越来越多的证据表明，这正是当下正在发生的事。2025年一份预印本研究中，研究科学家娜塔莉亚·科斯米娜及其同事监测了受试者写文章时的大脑活动，发现使用ChatGPT写作的受试者，神经连接强度明显低于独立写作的受试者；即便之后让他们独立写作，这种影响依然存在。AI研究人员哈姆萨·巴斯塔尼及其同事对近1000名高中生开展实地实验，发现使用标准AI辅导工具的学生，在最终独立考试中的成绩比完全不用AI的学生低17%；而一款旨在辅助学习而非直接给出答案的同款工具，则没有导致这种成绩差距。在一项针对学习新Python库的软件工程师的随机试验中，AI研究人员沈汉文和亚历克斯·塔姆金报告，使用AI编程助手的工程师，在调试和概念理解类问题上得分显著更低。此外，李海英及其同事的研究发现，直接复制AI输出的被动使用方式，会削弱人们对自身能力的信心以及工作的意义感；而先自行起草再用AI优化的主动协作方式，则能保留这两种积极感受。

这些都是严肃的研究发现，研究者们的工作也十分严谨。但他们就像AI辩论中的“哈里森”：基于现有最全面的证据展开论述，却看不到即将发生的最重要的变化。AI的这种“可见性不对称”表现得尤为极端，堪称人类历史上最彻底的案例。

现在我想谈谈自己的实践：在证据表明AI会削弱认知能力的情况下，我使用这类工具两年后，实际收获了什么？一位哲学家的个人经历，不足以作为普遍结论的依据——毕竟我在文中花了大量篇幅强调要谨慎对待证据，因此也不愿过度依赖自身经验。但这段经历的形态（而非其可推广性），与本文论点直接相关。

最初我期待的是显而易见的好处：文献综述更快、初稿更工整、花在学术写作机械性工作上的时间更少。这些确实实现了，但后来发现，这只是最无趣的部分。在使用AI工具之前，探索一个问题的成本很高：我发现某个方向看似有前景，就得花几天时间查阅资料，草拟初步论点，然后发现问题，可能要花两三周才能判断这个问题是否值得深入。判断一个问题是“死胡同”的成本，和判断它“有价值”的成本几乎一样——你得做完大部分工作才能区分。任何有过“花三周时间构思论点，结果在2026年某个周二下午发现，有人早在2019年就提出了几乎相同的观点”这种经历的人，都会懂那种感受：投入的几周时间不像是有用的学习，更像是浪费；而想到下一个问题可能也是如此，你就更不愿开始了。这种成本结构让我在选题时趋于保守，一旦投入几周时间就不愿放弃——现在我意识到，这是典型的沉没成本谬误影响了我的研究议程，但当时我还以为是自己做事认真。

改变源于初步探索的成本大幅降低。现在我可以在一个下午内完成论点草拟、识别首个关键异议、检验其是否致命，并得出初步结论，而不用花两周时间。这听起来只是效率提升，但更深远的影响在于我愿意放弃的东西。花一下午就放弃一个问题，和花三周后放弃的感受完全不同。当探索成本很低时，沉没成本带来的执念就消失了，你会更早、更果断地放弃不好的问题，留下的自然是更有价值的。我探索的想法比以前多得多，手头的研究项目不仅数量更多，质量也更高。我并非刻意规划才达到这个结果，只是持续使用工具，而工具改变了探索的成本结构。

没人告诉我，与大语言模型合作会让我的研究重心从“给出答案”转向“发现好问题”

提升最明显的技能，也是我从未预料到的，我称之为“问题识别能力”——即找到既可行又重要的问题的能力。这是学术生涯的核心能力，但据我所知，从未有人尝试过直接教授这项技能。

我也想坦诚谈谈代价。在研讨会或对话中，我在压力下口头梳理复杂观点的能力，可能没有提升，甚至有所下降。当初步探索变得廉价，你就不会花太多时间从基础原理出发反复打磨论点，而这种打磨恰恰能培养现场交流所需的流畅性。朋友们曾就此向我施压，他们的担忧不无道理。这种分歧本身就很有启发性：代价是我多年来一直锻炼的能力有所下降，这一点能立刻被描述出来；而益处则是事前看不见、事后才恍然大悟的。我在2023年期待的“更快的文献综述和更工整的初稿”，其意义大概相当于塔穆斯承认“文字是有用的记忆辅助工具”——只是次要的收获。

从某种意义上说，我能清晰表述这些益处，本身就与我自己论点的最强版本相矛盾，我想明确这一点。任何我现在能命名的益处，都已经从“不可见”变成了“可见”。但没人告诉我，与大语言模型合作会让我的研究重心从“为已有问题找答案”转向“发现好问题”。还有一个更复杂的问题我无法回避：我用来描述这些工具如何改变我思维的语言，本身就部分源于与它们的合作；而读者在评估我的证词时，其立场也正被同样的技术潜移默化地重塑。这并不意味着我可以不努力表述自己的所见所感，但确实说明，我所描述的不对称性并非我们可以置身事外观察的现象，而是我们正身处其中的现实——包括此刻。

这对治理也有影响。这种不对称性不仅关乎个人如何决定是否使用AI，还影响着每个需要基于有据可查的证据做决策的治理主体。对必须尽职履职的监管者而言，有记录可查的代价永远比无法衡量的潜在益处更有说服力，因为代价是证据，而可能性不是。这种盲区在正式理论层面同样存在。

即便是严谨的正式建模，也可能重现这种盲区。2024年诺贝尔经济学奖得主达龙·阿西莫格鲁与孔丁文、阿斯uman·厄兹达格拉合作的最新工作论文中，构建了一个数学模型，模拟人们越来越依赖AI做决策（而非自行思考）时的情况。该模型捕捉到了一种真实且重要的机制：当人们自行解决问题时，会顺带产生知识，这些知识会汇入共享知识库，供所有人后续使用。AI辅助能给每个人即时的最优答案，却悄悄移除了产生共享知识所需的认知劳动；模型显示，在合理条件下，这会导致一种稳态：即便个体决策在局部依然理性，集体知识库却会不断萎缩。论文提出的政策建议是：刻意限制AI的精准度，迫使人们继续自行完成认知工作，以维持公共知识库的更新。

这个模型很精妙，描述的机制也真实存在，但它追踪的知识范畴从一开始就是固定的。模型无法体现这样一种可能性：与强大系统持续互动，可能催生现有范畴无法描述的全新能力。它能模拟“需要了解的内容不断变化”的世界，却无法模拟“认知的定义本身发生变化”的世界。这是一个实质性局限，因为当创新重构知识形成的实践时，恰恰发生的是后者。实证证据也指向同一方向：现有文献中最理想的结果，并非通过降低系统能力实现，而是通过调整使用条件——比如设置安全界面、设计合理的互动方式——来达成。限制AI的主张或许最终被证明是正确的，但其背后的理论框架存在偏向限制的缺陷，无论限制是否真的必要。

读到这里的读者或许会合理担忧：我所描述的不对称性可能是双向的，因为成熟人类推理能力的发展轨迹本身就是涌现性的，久而久之能产生无人能提前预知的判断形式。两百年前的人无法预见如今的概念体系，就像1846年的外科医生无法预见心脏手术一样；因此有人可能会认为，解除成熟推理能力发展所依赖的限制，本身也会关闭一片充满不可见益处的可能性空间。这个反对意见很有深度，但我认为并不成立，因为它混淆了两种不同的涌现性。在没有范式变革技术的情况下，成熟推理能力的精进无论细节多么不可预测，都沿着一条连续的轨迹发展，其方向在现有概念框架内是可识别的——两百年前一位严谨的思考者，会将如今的思考者视为在同一条道路上走得更远的人。而范式变革技术带来的是另一种涌现性：它开辟的可能性空间，完全脱离了原有实践的发展轨迹，其中的内容无法用原有实践的评估语言来描述；我所描述的可见性不对称，正是这类案例所特有的。

一个反馈循环让问题更加复杂：限制会阻碍能让益处显现的实验，因此限制实施后的证据依然会呈现片面性，从而让最初的限制决策显得合理。比如，一所禁止学生在写作中使用AI的大学，永远不会发现如何借助AI教学，既能保留真正促进学习的深度思考，又能实现新形式的学术工作；而这类证据的缺失，会让禁令看起来更明智。

既然我们无法预估益处，就需要一个不同的决策标准。我认为可行的标准是“可恢复性”：即如果决策被证明是错误的，我们能否挽回损失。

我所描述的不对称性，并非放松谨慎的理由，反而可能强化限制的必要性

这个标准看似简单，实则复杂。在某方面看似可恢复的，在另一方面可能并非如此。比如，一种认知能力即便多年不用，或许能通过训练重新获得。但支撑这种训练的制度——比如培训项目、导师体系、通过实践传递技能的职场社群——可能会自行瓦解，其时间进度不受“原则上能否重新习得技能”的影响。一旦这些制度消失，懂得如何运作它们的人会四散而去，重建所需的知识也会随之流失。

美国海军在GPS普及后，将天文导航从课程中移除。大约十年后，随着人们意识到GPS可能被干扰、欺骗或在首轮打击中失效，这一决策的漏洞才凸显出来。2015年，海军恢复了天文导航课程，之所以能恢复，是因为纽约国王点的美国商船学院一直在教授这门课，掌握技能的教员依然存在，相关教材也还在。美国海军吸取的教训，以及航空业独立得出的结论是：恢复能力需要系统中保留冗余，即要有一个制度性场所持续培养被替代的能力，这样如果事后发现决策失误，就能逆转当初的选择。

当代价可能无法恢复——比如发展窗口关闭，或者检测问题的能力随相关技能一同消失——我所描述的不对称性并非放松谨慎的理由，反而可能强化限制的必要性，因为没有任何证据能与无法挽回的损失相权衡。而当代价可以通过可行的制度设计恢复时，仅基于可见代价实施限制，就会关闭一片规模无法预估的益处空间；这种关闭才是更大的风险，因为被放弃的益处，恰恰是现有证据体系无法评估其规模的部分。

对这些技术最重要的评估，将由后人在回顾时做出，他们会使用我们尚未拥有的概念。问题是，在当下——当代价清晰可见、而最重要的益处依赖于尚未建立的实践时——我们该如何治理？全面限制相当于打赌“我们已经知道AI增强的专业能力会是什么样子”，但现有证据强烈表明，我们其实并不知道。而管控式实验则是另一种选择：通过制度设计控制可恢复的代价，将举证责任放在那些主张关闭可能性的人身上，而非探索者身上。我所描述的不对称性，让我们有理由偏好后者。

哈里森能精准告诉你麻醉术的代价，但他无法告诉你心脏直视手术的存在——因为能想象出这种手术的实践，当时还不存在。可衡量性与重要性，从来不是一回事。