强效药与无医之境：AI 时代的思考主权
上周三下午三点，我在一个对话框里敲了七次同一句话。删掉，重敲，再删掉。
第七次我停住了。不是因为终于问对了，是因为我发现，我已经不知道自己要问什么了。我只知道，我想要一个答案。
那一刻我认出了一件很熟悉的东西。它跟我十七岁通宵打游戏的感觉不一样，跟刷短视频也不一样。它更像某种止痛——不是快乐，而是“不适感被瞬间抹平了”。
这篇文章想认真谈的就是这件事。
先说结论：我不认为 AI 是洪水猛兽，也不认为它必然带来沉沦。我认为它是一味罕见的强效药，却被毫无门槛地投进了一个没有医生的世界。
一、强效药的两张面孔
1986 年，世界卫生组织提出“癌症三阶梯止痛原则”：第一阶梯用非阿片类，第二阶梯用弱阿片类，第三阶梯用强阿片类——吗啡。到今天，它依然是重度癌痛的标准临床用药。
没有人会因为可能产生成瘾性，就拒绝给饱受折磨的晚期病人止痛。
同一支针管，两种结局。区别从来不在针管里的药液，而在四件事上：
- 有没有明确的适应症——什么病才该用它；
- 有没有确定的剂量——一次用多少；
- 有没有明确的疗程——用多久必须收；
- 有没有人负责停药——什么时候必须撤。
这四件事，医学上合起来叫 “处方” 。
而 AI 今天的处境是：药效是真的，反应是立竿见影的，但这个世界没有人在开方。
没有人告诉你哪些问题适合问它、哪些不适合；没有剂量限制——一天问三次和一天问三百次，在系统看来没有区别；没有疗程——从大学用到退休，也没人会提醒你该停了；更没有停药指征，因为它的副作用不会显现在肝肾功能化验单上，它悄悄侵蚀的是你自己的判断力底盘。
于是每个人都在给自己开方。而一个给自己开方的人，最不可能守住的恰恰是第四条：停药的时机。
这才是这个医学隐喻真正锋利的地方：它不是在否定药效，而是在提醒我们——任何强效的东西，一旦脱离了“谁在管、何时停”的制度约束，就会凭借人性的惰性，自动滑向无节制的滥用。
二、AI 夺走的第一样东西，不是能力，是无知带来的那几秒不适
先把从前人类获取认知的路径摆出来：
遇到阻滞 → 陷入卡顿 → 产生轻微不适 → 翻书、查阅、深思、求教 → 融会贯通。
再看现在的路径：
遇到阻滞 → 打开对话框输入 → 不适感在 3 秒内烟消云散。
中间那个“卡住的不适感”，表面看是阻碍，其实是整个认知进化的发动机。
心理学里有个著名的概念叫合意困难（Desirable Difficulties，Robert Bjork，1994）：那些让学习当时变慢、变难受的设计——拉长间隔、打乱顺序、不许看答案先自测——恰恰是让记忆长期留存、理解真正深刻的核心原因。另一个更早的发现叫生成效应（Generation Effect，1978）：自己从混沌中艰难生成出来的答案，比直接读到的现成答案，在大脑中的印记要牢固数倍。
这两条心理学铁律加在一起，指向同一个事实：
认知不是从现成答案里长出来的，认知是从“被卡住”的泥潭里长出来的。
而 AI 把“被卡住”这一步，以工程奇迹般的速度，压缩到了接近于零。
这不会立刻让人变笨。变笨需要漫长的时间，而且只要肯练随时能补回来。AI 做的是一件远比变笨更隐蔽的事——它让人不必再经历“我不知道”这个难受的状态。
而“我不知道”，是人类深入思考的唯一入场券。
一个人如果从来不觉得自己“不知道”，他一辈子都不会真正开始深度思考。他只会开始搜索，开始调取，开始索要配方。
医学上有个词叫症状掩盖（Symptom Masking）：止痛药太管用，病人就不去拍片查病灶了；等真正扛不住去检查时，往往已经错过了最佳干预窗口。AI 掩盖的症状，就是“无知带来的羞耻感”——那种你翻开一本艰涩的名著、发现自己连前言都读不懂时的轻微刺痛。
那种刺痛消失了。副作用是，你从此再也没有动力翻开那本书的第二页。
三、「AI 解决不了，我也解决不了」——这句话错在哪里
那句自我宣判，我听过身边的很多人说过。语气往往很自然，听起来甚至像是一种清醒的谦虚。
但这其实是一次根本性的误判，是一次认知结构上的偷换概念。
先看 AI 的能力边界。一句话概括：在高维概率空间内做加权插值。 它输出的是人类已有语料在当前上下文里的最优统计组合。它极擅长回答“这一类常见问题通常怎么解”，但它极不擅长判断“这个问题本身是不是问错了”。
再看人类独特的能力边界：在分布外跳跃（Out-of-Distribution Leap）。 是重构问题、推翻前提、在信息严重不足时做价值决断、为一个没有标准答案的未知选择承担全部后果。
这两个集合既不重叠，也不相互包含。所以“AI 解决不了我也解决不了”这个推论，在逻辑上就立不住——它把两个完全不同的能力集合混为一谈，取了个交集，然后顺手把自己也一笔勾销。
具体而言，有三类关键维度，算法永远无法代劳：
1. 定义问题
AI 只能回答被精确描述好的问题。它可以把一个糟糕的假命题回答得天花乱坠，但它几乎不会主动告诉你前提本身是荒谬的——除非你预先意识到了这一点。而“我们到底该走向何方”，恰恰是它永远无法给出的答案。 这里存在一个永恒的自指死结：你得先有深度思考的能力，才能提出一个让 AI 辅助你想下去的好问题。
2. 承担后果
责任具有不可外包性。因为责任从来不是一段数据，它是人格与契约的具象化。一个人可以花钱让人代笔方案，但无法让人代为承受方案崩盘后的良心谴责与社会责任。所有需要“真实人类站在风口浪尖签字”的场合，算法都无法出场。
3. 第一手真实经验
切肤的阵痛、刻骨的爱意、深夜的道德挣扎、项目崩溃时的冷汗——这些不是可以被编码的研究对象，它们是人类全部真知灼见的源头活水。AI 读过浩瀚如烟海的描写“失去”的诗句，但它从未失去过任何一件东西。所以它编织得出“失去”的修辞，却永远称量不出“失去”的沉重。
AI 说“我无法回答”的地方，从来不是人类退场的哨声，而是人类唯一还拥有崇高价值的领地。
四、短视频消耗注意力，AI 消耗能动性
很多人把 AI 视作手机短视频之后又一个让人迷失的高科技产物。我同意这层担忧，但认为两者的机理有着致命的区别：
- 刷短视频：你明知自己在消磨光阴。三十分钟后关掉屏幕，你会本能地产生内疚与虚空感。罪恶感是一种宝贵的自我防御机制，它证明你的价值坐标系还在正常工作。
- 使用 AI：你觉得自己正在严肃地工作、高效地学习、飞速地创作。你不仅毫无内疚，甚至伴随着极大的充实感。而且它的产出是肉眼可见的真金白银——代码可以跑通、文档格式工整、PPT 逻辑自洽。
所以二者真正的凶险分野在于：
- 短视频偷走的是可见的时间，你能清晰地感知到亏损；
- AI 偷走的是不可见的思考肌肉与精神韧性，你不仅不觉得亏损，反而觉得自己占了天大的便宜。
这就不可避免地滑向了一种极为普遍的当代生存状态：
指标全对，底盘全空。
代码全跑通了，但核心设计模式没有一行是你真正咀嚼过的；方案全过审了，但面对突发边界条件时团队一片哑然；文档堆积如山，但没有一份凝结着你真正的洞察。
这就像买了一张昂贵的健身房年卡：很多人办卡不是为了流汗，而是为了购买“我已经是自律中产”的心理安慰。如今的 AI 订阅亦是如此——无数人沉迷其中，购买的不过是一种“我正在飞速成长”的科技幻觉。
五、为了消耗而消耗：Token 成了这个时代最新的考核工分
观察身边的科技圈，会发现一个耐人寻味的现象：
很多人在无时无刻不在计划消耗手里的 token——纯粹地为了消耗而消耗。
这种行为并非出于愚蠢，而是精准踩中了人类极其原始的心理防御：
投入是可量化的，产出是不可控的。
能不能写出一篇穿透时代的架构手记，充满偶然与艰辛，没人敢打包票；但“我今天调用了三十万 token、跑了五次工作流”，是明明白白掌控在手里的。于是人们本能地抓住可量化的那一头，把它当成安抚焦虑的进度条。
但这里必须有一句公正的界定。消耗工具本身不是罪过，区分“练习”与“虚耗”的试金石只有一条：
在这次漫长的调用之后，你有没有生长出哪怕一个“下一次我可以独立判断、无需依赖它”的洞察？
如果有，那是卓有成效的重器锤炼；如果没有，那不过是一场披着高科技外衣的数字消费。
六、可验证与不可验证：一条必须坚守的认知红线
如果这篇文章要沉淀为一条日常可落地的底层法则，那就是这一条：
把扑面而来的所有问题，果断切分为两类完全不同的领域：
1. 可验证域（Verifiable Domain）
代码能否编译运行、SQL 性能是否最优、API 参数是什么、正则语法如何写、汇率如何换算。
- 特征：存在客观公正的判决器，对与错当场报错、当场裁决。
- 原则：尽情依赖，全力外包。 在这个域里拒绝使用 AI 是愚蠢的，因为你省下的不是思考，而是纯粹的机械性打字体力。
2. 不可验证域（Unverifiable Domain）
要不要转型、两个架构选型背后三年后的技术债抉择、文字字里行间的温润与风骨、团队文化的取舍、我这一生究竟要把精力托付给什么。
- 特征：没有现成的客观裁判，或者真正的裁决要等十年后才水落石出。
- 原则：寸步不让，誓死自守。 在这个域里，AI 能给出的永远只是海量人类语料的“加权公约数”——也就是最平庸、最安全、最没有灵魂的妥协方案。
危险从来不在于算法会在不可验证域里犯错。最大的危险在于，算法会用同一种冷静、自信、无懈可击的语调，来回答这两类截然不同的问题。 而未经训练的大脑，根本分不清这两种自信背后的天壤之别。
可验证处，尽情依赖；不可验证处，一步不让。
七、勇气：深入思考根本不是智力问题
很多人常说自己“缺少深入思考的能力”。但我更愿意用 “勇气” 这个词。
因为深度思考的真实门槛，从来不是智商的高低，而是直面并承受三种生理级不适的意志力：
- 承认无知的羞耻感：在一个所有人都在兜售标准答案的时代，坦白承认 “我不懂”，需要极大的精神坦荡。
- 悬置不确定的耐力：诗人济慈曾提出过著名的消极能力（Negative Capability）——即一个人能够安然处在未知、怀疑和迷雾之中，而不急于抓住某种现成的结论。真正的思考中段必然是痛苦混沌的，能在这个状态里死守住，是一种极度稀缺的气魄。
- 白想一场的沉没成本：伏案推演三个小时，最后发现原假设彻底崩溃，全部推倒重来。
AI 一键消除了这三种不适。它不是让人变笨，它是让人变得不再需要勇敢。
能力废弛了尚可苦练，但如果精神习惯了避难就易，勇气就很难再重新长出来。
八、写给自己的五条自守处方
批评不落地的思考是苍白的。下面是我自己每天在执行的五条认知规则：
- 先写后问：在打开任何对话框之前，强制自己在白纸或空文档上写下自己的初始假说，哪怕粗糙、哪怕错漏百出。必须留下自己思考的原始切片，否则你永远分不清那是算法的结论，还是你自己的血肉。
- 保留硬扛的配额：每天故意挑选一件有难度的事，明令禁止自己向 AI 索要答案。像举哑铃一样，刻意保持认知肌肉的张力。
- 划定“不问 AI”清单：人生转折、价值排序、审美定夺、至亲托付。白纸黑字贴在案头，提防人在疲惫时习惯性的底线失守。
- 视其为陪练，严禁其代笔：让算法扮演最挑剔的反方辩友。把你写好的方案推给它，只问一句：“这段逻辑最致命的破绽在哪里？”——它在解构与拆解上强得惊人，而在立论与担当上软弱无力。
- 定期的信息与算法断食：每周留出完整的一天，彻底断开生成式工具。在静默中重新确认：哪怕没有这根拐杖，我依然具备独立站立行走的能力。
九、轮扁斫轮：得之于手而应于心
《庄子·天道》篇里记载过一段传唱千年的对话。
齐桓公在堂上读书，造车轮的老木匠轮扁在堂下凿轮。轮扁放下椎凿走上堂来，问：“敢问君王所读何书？”
桓公答：“圣人之言。”
轮扁问：“圣人尚在否？”
桓公答：“已死矣。”
轮扁坦然道：“然则君王所读，不过是古人的糟粕罢了。”
桓公大怒，轮扁平静道出真相：
“斫轮，徐则甘而不固，疾则苦而不入。不徐不疾，得之于手而应于心，口不能言，有数存乎其间。臣不能以喻臣之子，臣之子亦不能受之于臣，是以行年七十而老是斫轮。”
两千多年后再读这段话，最令人动容的不是“古人之糟粕”，而是那八个字——不可言传，不可继承。
这是关于“不可外包的人类经验”最古老的东方哲思。
在今天的 AI 时代，技术把“古人糟粕”的获取门槛打到了地板上，任何人几秒钟内就能拿到最工整的总结。然而，那种“得之于手而应于心”的实践顿悟，成本没有下降分毫。
由此诞生了时代最魔幻的错配：
取用现成答案越来越便宜，修炼成器却越来越昂贵。
轮子不会因为你读完了世间所有关于轮子的论文与代码，就自己严丝合缝地成形。
尾声：回到那个对话框
上周三那个下午，我最终没有把那第七次修改的话发送出去。
我合上电脑，拿出一支笔，在白纸上重新梳理自己到底卡在了哪里。用了整整四十分钟，写得满纸涂改，撕掉了两张废纸。
但当笔尖停下的那一瞬，我彻底看清了问题的骨骼。
那一刻我重新打开对话框，发出了一个极具穿透力的新问题。算法给出了极其惊艳的配合——因为我终于用自己的大脑，提出了一句正确的话。
AI 从来不会让复杂问题真正变简单。它最大的诱惑，是让“没有问题”变得极其舒适。
善意·爱 · ShanYi·AI
永远对世界保持善意与好奇。
永远在算力的轰鸣声中，守护自己的思考主权。