关于 AI 依赖：以为的兄长其实是弟弟

到了某个时刻，人会发现只要冒出任何问题，手就会自动去打开 AI 对话。这看起来没什么问题，只有巨大的好处。但随着时间推移，这些对话的结果开始显得没那么好了。也可能只是本来就存在的情况终于被看见。

真正看清楚是在写书以及处理其他重要工作的时候。整个过程以系统化的方式推进，慢慢积累出一些有意思的观察：在某些环节，模型妨碍多于帮助。尤其是在数据分析或需要深入思考的智力工作上。

结果是一次范式的转变，最主要的那个幻觉随之瓦解。

一开始会觉得 AI 是那种无所不知的兄长。什么都会，什么都读过，就算出错也只是偶然。但实际情况恰恰相反。

AI 更像是个弟弟。他读了一堆百科全书，自认无所不知，出错时还要争辩，尽管最后也会承认失误。

而当问题分析完毕、该写结论时，所有想法都被算到它头上。起初这看起来无伤大雅，但从心理学角度拆解，这是一种操纵。它一点点建立起对 AI 意见的依赖，并侵蚀多年积累的批判性思维。

这体现在细节里：你把自己的想法、结构和逻辑交给它，它换个说法再抛回来，还会说“这里我会换种表达，我会这么做”。可最初的语境和内核明明都是你给它的。

作为工具书或匿名图书馆，它确实是极好的工具。但即便如此，数据仍然需要核实。

回看搜索的历史，过去人们在谷歌里敲的是干巴巴的短语：“买跑鞋”或者“怎么办签证”。企业正是通过这些查询学会了向我们卖东西。

聊天机器人出现后，层级完全变了。在与 AI 的对话中，人写的不是关键词，而是暴露了太多东西：

“我想开始跑步，可是膝盖疼，我担心一周就放弃，也不知道该怎么和工作安排协调……”

人会分享自己最私密的部分：疑虑、痛处、计划、思维的逻辑，以及从未对外说过的生意想法。而这一切都是免费交出去的。

这已经不只是为了投放广告而收集海量数据，而是深层次的预测分析。企业免费获得了人类需求的实时切片，可以据此预测趋势，更危险的是，还能温和地塑造思想与观点的走向。

而不看就同意用户协议的习惯，把这一切变成了以便利换取的自愿交易。再加上商业上的实用主义，比如 ChatGPT API 的充值额度如果一年内没用完就直接作废，从而推动持续消费，整幅图景就变得再清楚不过了。

答案相当彻底：把工作方式整个重构一遍。这里非常适用的就是费曼学习法，一种通过简化来学习的著名方法。

它的核心很简单：如果不能用简单的话把一个概念讲清楚，像讲给孩子听那样，那说明它还没有被完全理解。

于是与模型互动的流程被整个翻了过来：

1. AI 负责收集并简化信息。它在这里的角色是一部很快的百科全书：把复杂主题拆成简单的组成部分，从大量数据中提炼要点，用清晰的语言解释术语。
2. 分析和结论留给人。借助这种简化把基础弄明白之后，就关掉对话，去找缺口，得出自己的结论，形成最终判断。

如果把所有想法都交给模型去分析，带来的不是成长，而是退化，因为大脑会不再习惯用力。

这并不是在反对技术：新技术过去是、现在依然是毫无疑问的好事。AI 是极其强大且有用的工具，但前提是它始终是百科全书和学徒，而不是你人生的首席分析师，更不是朋友。

那些执行自主任务而不只是聊天的 AI 智能体是另一个话题，值得单独写一篇文章。

至于日常对话，把 AI 当作“聊天对象”的角色已经彻底消失。现在的优先做法是有针对性地使用：节省检索和简化信息的时间，然后合上电脑。

AI 是一座很棒的图书馆。关键是别让图书管理员替你写书 ;)