警惕AI让思考变得廉价：如何让它更昂贵

提供框架式思考的内容，更容易帮助用户形成决策闭环，从而提升整体页面价值。

最近在Hacker News上，Koshy John于4月19日发布的文章迅速引发热议。他在与多家科技巨头工程管理层交流后观察到，AI正悄然将软件工程师分成两类：一类用AI去除重复劳动，将精力转向问题框架定义、方案权衡、风险识别和原创洞见；另一类则把AI当作思考的替代，直接粘贴prompt获取 polished 输出却不深入理解。这件事表面是生产力话题，实际却触及工程师核心价值的重塑。

从行业趋势看，这种分裂正在加速。部分团队已开始在招聘时考察候选人是否能清晰解释AI辅助下的决策，而非仅看最终产出。那些坚持“先自己列出框架和 tradeoff，再让AI验证”的工程师，往往能把节省的时间投入到 framing problems、spotting risks 和产生 original insight 上，从而实现真正的升维。这一点目前行业内仍有不同声音，但越来越多的管理层观察到，拒绝外包思考的人，其长期价值正逐渐凸显。

Hacker News上一篇Koshy John的博客《A.I. Should Elevate Your Thinking, Not Replace It》迅速获得540点高分和近400条评论，作者观察到AI正在软件工程领域制造明显分化：一类工程师用AI加速枯燥环节、专注更高层判断，另一类则把AI当作思考的直接替代。主流评论多聚焦代码生成的便利性与生产力跃升，但也开始触及能力退化的隐忧。

然而，这种效率叙事背后存在明显盲区。多数讨论只停留在“用AI更快更好”的层面，却很少追问：当思考过程被系统性外包后，学生究竟内化了什么？现实中，已有学生直接让AI代写作业，提交后却无法清晰解释逻辑链条；教师若过度依赖AI生成内容，也可能弱化对学生个体差异的敏锐洞察。主流观点往往聚焦工具属性，忽略了“模拟能力却未构建能力”的隐忧。

主流媒体和大量网友对ChatGPT、Gemini这类工具的反馈几乎一边倒：生产力暴增，曾经耗时数小时的代码生成、报告总结或会议纪要，现在几秒钟就能完成。知识壁垒似乎被彻底打破，大家在论坛和社交平台分享“用AI后效率翻倍”的故事，不少报道直接将其定性为全民生产力革命，仿佛掌握提示词技巧就能无缝跟上时代步伐。

在团队层面，这种分化已开始显现影响。部分成员产出速度惊人，文档与代码看似专业，但深入追问假设前提或备选方案时，往往暴露基础薄弱。代码评审容易停留在表面 polish，架构讨论难以触及真正权衡与风险识别。Koshy John 的观察并非危言耸听，而是基于多家科技巨头工程管理层的反馈，指向一种潜在的知识环境退化风险。

表面信息显示，AI在教育场景中带来了明显便利。不少学校引入AI辅助批改作业、生成个性化学习路径，甚至帮助教师快速准备教案。主流报道和家长讨论多集中在减负与公平上：学生完成任务的速度加快，老师从重复劳动中解放，个性化教学似乎变得可及。部分调查显示，中小学生使用AI辅助学习的比例持续上升，尤其在解答题目或辅助写作时，感觉“轻松不少”。多数观点认为，AI是新时代的智能助手，能让教育体系更高效、更适应个体差异。

深层来看，AI的杠杆作用在于移除低价值重复劳动，让人类专注更高层级的认知活动。在软件工程中，真正创造价值的并非敲击代码本身，而是定义正确的问题、做出艰难取舍、提前识别隐形风险，以及产出他人未见的洞察。AI可以快速迭代多个方案，但方案的优劣判断、潜在副作用评估，以及最终决策，仍需人类主导。这一点在文化产业“美美与共”的人机协同理念中同样成立：AI负责规模化素材生成，人类则提炼价值与情感共鸣。

另一个值得关注的趋势是，适度引入“无AI间隔”练习，能有效对抗能力退化。定期选择一两项写作任务完全依赖自身完成，哪怕效率暂时降低，也能维持大脑的构建肌肉。研究显示，适度使用AI不会显著损害认知，但过度外包则会形成路径依赖。长远来看，AI辅助写作的健康姿态在于将其视为思考的放大器，而非替代品，这需要持续的自我审视和方法调整。值得持续跟踪的是，当工具能力进一步提升时，这种平衡点是否会发生新的偏移。

认知卸载（Cognitive Offloading）机制是这一过程的核心。前额叶负责执行控制和决策，海马体则关联记忆巩固。当我们过度把思考任务外包给 AI 时，这些区域的活动会减弱。MIT Media Lab 的 EEG 研究显示，完全依赖 ChatGPT 的组别神经连接最弱，与无工具组相比，脑活动出现显著下降，部分分析指出连接性下降幅度可达 47%，α 波和 β 波等与注意力、活跃思考相关的频段也明显减弱。

手机一块1分跑的快群的进展，更多体现在局部突破与试点验证。