Ethan Mollick：选择保持人类——AI 写作与学习的代价

Ethan Mollick 2026年5月26日 1,322 174 183 分享 如果你去你最爱的社交媒体网站，你会发现满屏都是开始显得可疑地彼此相似的帖子：

这些帖子下的许多评论也是由AI生成的。越来越多的学术论文和《纽约时报》评论文章也是如此，而且显然，获奖短篇小说也是如此。如果你经常使用AI，你可能已经注意到你周围有多少AI写作（经常使用AI的人历来在识别AI写作方面做得相当不错），如果你没有注意到，我向你保证，它比你想象的要多得多。

问题不只是AI写作的千篇一律，尽管这最终会变得足够乏味，以至于当我内心的“AI探测器”响起时，我会发现自己连有趣话题上的文字都跳过不读。还在于，提示不当的AI写作每词产生的意义极少，带你绕进智识上的空转。我们被训练成把精心雕琢的句子和听起来有智识感的文本当作人类努力工作的成果，因此当我们看到这些AI写的评论时会予以关注。但那里往往没有人类的意义，这些帖子只是意义形状的注意力吸血鬼，需要耗费脑力去解码，却不给你任何对等的理解作为回报 1 。

但用AI写作的代价不止是让读者失去兴趣，它还冒着损害一项重要人类能力发展的风险。我很幸运已经写作了几十年，并形成了自己的风格，我认为无论我是在写书、写推文还是写博客文章，这种风格都能显现出来。这种风格花了很多极其烦人的功夫才达到：好老师、反复重写和刻薄的网络评论都有一份贡献。如果AI能把写作写得不错，我可以跳过所有这些，但那样做的代价是放弃某种对我的事业和幸福来说已被证明非常重要的东西。

这绝不是对以任何方式使用AI辅助写作的谴责。我认为AI对优秀写作者来说可以是一个极好的工具（我让AI检查我所有的写作，并扮演不同的读者视角，看看我是否遗漏了什么重要的东西）。对于那些在沟通上有困难的人，AI可以帮助他们更好地表达自己的想法，而且写作对每个人来说未必都是思考。此外，一点点努力就能让AI写作少一些陈词滥调、更个人化、更值得使用（适度地）。所以，这反而是对把AI当作默认选项、或者更糟，完全不假思索地使用的谴责。在运用AI与运用我们自己的心智能力之间取得平衡，将是未来几年的一个决定性挑战。

最清楚看到这一点的地方是教育，那里有两篇研究团队有重叠（包括沃顿商学院的同行）的论文很好地说明了用AI走捷径思考和用AI帮助思考之间的区别。第一篇论文是在土耳其一所高中进行的实验，约一千名学生学习数学。一组使用普通的ChatGPT，另一组无法使用AI。使用ChatGPT的学生作业做得更好，并认为自己学得更多，但在考试时，他们的表现不如没有ChatGPT的同学。这是因为AI被设计成乐于助人的助手，实际上只是在给他们答案，而真正的学习需要脑力付出。通过短路努力，你就短路了学习。这就是为什么AI在课堂学习上的初步结果可能如此令人担忧。

然而，我们可以在同一批作者中许多人参与的第二篇论文中看到不同的结果，他们在台北十所高中开设了一门为期五个月的Python课程，有近一千名学生。由AI导师提供个性化问题序列的学生，在无AI帮助的情况下参加的期末考试中得分高出0.15个标准差。据一些估计，这相当于多出六到九个月的学校教育，而没有增加任何教学时间或教师工作量。相反，AI帮助将学习量身定制给学生。这与关于AI辅导的其他研究相符，表明定制化的导师在正确使用时可以显著提升学习。

这是在使用AI的方式上相对较小的差异，却导致了巨大的结果差异。更糟的是，人性引导我们做出错误的选择。学习要求我们面对自己的无知并做艰苦的脑力工作，而这些事情真的令人不适。这就是为什么学生评价娱乐性强的讲座比在课堂上做难题更有教育意义，尽管他们实际上从艰苦努力中学到更多。要在学习中从AI受益，你需要从用AI解决问题转向让AI推动你自己解决问题。

幸运的是，三大AI公司都有工具，通过让AI更像导师来为学习提供至少一些支持。不幸的是，它们并不直观易用。Gemini最容易。点击加号并选择Guided Learning。对于ChatGPT，你需要在聊天框中输入“/learn”。对于Claude，你需要点击加号，选择use style，然后选择“learning”（Anthropic已宣布这种方法正在改变，但尚未记录这一变化）。在所有情况下，你应尽可能使用思考型或高级模型，尤其是STEM科目。而且这些模式只会帮助那些想学习的人，如果你想作弊，它们不会阻止你。

AI不必损害你的思考能力，但如果使用不当，它确实会如此，而不当使用往往是默认选项。我在沃顿商学院的同事称之为“认知投降”，他们记录了人们如何停止思考问题，只是让AI来做工作，即使AI是错的。我认为部分问题在于这些工具的设计方式。

我写这篇文章不是为了发帖……当AI系统需要繁琐的来回对话且频繁出错时，人类不得不在每一步都参与其中。智能体系统旨在让你的生活更轻松，因为它们直接就把事情做了。这对完成任务很棒，但对学习任何东西、保持真实或避免认知投降却很糟糕。如果你提出一个困难的请求并得到了答案，很容易就直接接受AI的回应。

在我们最近与Fabrizio Dell'Acqua以及我在哈佛、麻省理工、华威大学、BCG等机构的同事共同发表的论文中（我三年前曾在此撰文谈及，但发表学术作品需要时间！），我们对波士顿咨询集团的758名顾问进行了一项实验，其中一半人可以使用GPT-4。使用AI的顾问表现远超没有使用的人。但我们也让顾问去解决一个我们知道AI会失败的问题。在这个任务中使用AI的顾问得到正确答案的可能性显著低于没有使用AI的顾问。AI给了他们一个看似权威但恰好错误的答案，而他们中的大多数人——正是那些在其他所有方面都表现出色的精英顾问——没有发现这一点。当然，现在AI已经能解决那个问题了，所以现在的问题并不真正是错误率，而是因为屈服于同样的投降冲动而未能学会如何成为一名优秀的顾问。

再次强调，这不必成为默认状态。在Anthropic进行的一项小型研究中，程序员使用AI帮助他们完成一项新任务。那些只是让AI干活的人无法回答关于自己做了什么的问题，这是投降的迹象。但那些要求AI解释它在做什么的人，或者那些只用AI帮助完成部分工作的人，似乎避免了这种命运。

部分解决方案可能在于工具本身，但这是有限的。一个版本的ChatGPT如果在每次回答前都问“你希望我推动你自己思考这个问题，还是直接给你答案？”或者告诉你“我觉得如果你自己写会更真实”，大多数时候会让人受不了。但在某些地方我们绝对需要这些提醒。台北的结果暗示了一个方向，即系统层面的约束而非用户层面的意志力，但我们在消费级产品中很少看到这一点，而商业压力大多推向相反的方向。

很多问题将归结于我们自己。需要明确的是，我对很多认知投降并不介意。我不再记电话号码了，因为我的手机替我记。我很高兴我的孩子不需要学草书。我接受计算器做我日常的算术、电脑帮我安排课程。这些曾经是有用的技能，但我们大概确实应该放弃它们。

AI之所以不同，是因为这项技术足够通用，几乎任何认知任务都可以在某种程度上外包给它。我不想对写作过于矫情：没有哪条原则规定一封润色过的邮件草稿必须出自人类头脑，就像一列算术不必出自人脑一样。但我们不想放弃一切，而对于任何具体任务，我们大多还不知道什么重要、什么不重要。做出这一判断将是一个真正的挑战。

关键不在于回避AI，而在于有意识地使用它——对AI的使用做出自觉的选择，而不是条件反射式的依赖或条件反射式的回避。更广泛地说，我们正处于这样一个节点：关于把什么样的工作交给AI，默认规则正在被设定——由设计无摩擦使用的AI公司设定，由决定什么算作“善用AI”的雇主设定，由教授不断变化着的“AI素养”概念的人设定。讽刺的是，这其中很多都在没有任何真正规划或考量的情况下发生。我怀疑，一旦一代工人和学生围绕这些默认规则养成了习惯，就很难再逆转。我们能做的最重要的事情，就是不断追问什么该交出去、什么该留给自己……并且不要指望任何人，包括AI，来替我们回答这个问题。

这在小说写作中尤其如此——AI在这方面出了名地弱，却看起来很强。ChatGPT尤其喜欢无意义的明喻和隐喻（“街道像一道缺牙的微笑”“他坐的样子会让树木嫉妒”），乍看之下可能显得深刻，但这只是因为我们假定艰深的写作是有意为之，并努力为它赋予意义。如果我们足够努力，人类非常擅长为无意义的材料赋予意义。