何万青:“不要直接给我答案”——拒绝被AI无痛截肢

一、警惕“无痛截肢”：舒服是能力的死敌

最近我越来越觉得，真正危险的技术，并不是那种一眼看上去就很可怕的技术 。真正危险的，往往是那些用起来太顺手、太体贴、太“懂你”的技术 。它们不吵不闹，不逼你表态，不让你流血，甚至还会让你感到一种温柔的解脱：太好了，这一步不用我想了；太好了，这一段不用我写了；太好了，这个判断不用我来做了 。不知不觉，我们让渡了本该属于自己的那部分聪明 。

问题就在这里 。

真正危险的技术，往往不是让你疼的技术，而是让你舒服的技术 。不是让你立刻失业的技术，而是让你在仍然看似高效、体面、甚至更像“高手”的状态里，慢慢失去那些只能靠长期训练才能长出来的判断力、推理力和耐心 。

这件事叫作：无痛截肢 。我想说的是：绝不让AI对我无痛截肢 。

二、认知外包：买得到 Token，买不到手感

很多年前读Dilbert漫画书《呆伯特的未来》，留下印象的是它背后的那层冷意：科技的发展，并不会自动让人活得更轻松；很多时候，它只是悄悄抬高了 “人类无能基准线”  – 然后利用人类的无知赚钱。就像识字教育提高了一个社会的识字无能基准线，互联网提高了信息检索的无能基准线，智能手机提高了即时响应的无能基准线，今天的大模型，正在提高人的认知协作无能基准线 。

科技越进步，事情往往不是越简单，而是越分层 。能学习、能吸收、能把工具变成能力的人，会被推到更高的生产力平台；而那些没有形成新能力的人，会在 “人人都能用” 的幻觉里，越来越依赖，越来越空心 。技术当然带来了便利，但它也同步提高了门槛 。科技不是取消门槛，它只是把旧门槛拆掉，再立起一条新的 。

这也是我在前面几期 CCF TalkShow 上面表达的观点：在AI大模型显然比个体更聪明的情况下，反而对人的能力提出了更高要求 。因为今天你可以买到Token，买到模型服务，买到一个貌似无所不知的API，但你买不到判断力 。你可以买到答案，却买不到对答案的理解；你可以买到方案，却买不到对方案的取舍 。最高级的知识常常看起来是免费的，但最高级的能力从来都不免费——它仍然要你拿时间去换，拿挫折去换，拿反复修正去换——就是王阳明说的“事上磨练” 。

微软研究团队在一项关于319位知识工作者的研究（注 1）中发现：在使用生成式AI时，对AI越有信心的人，投入的批判性思考越少；对自己越有信心的人，投入的批判性思考越多 。这句话翻译成人话就是：当你越来越相信模型，你就越容易停止自己思考；而当你还保有自己的判断主权时，你才会真正把AI当成工具，而不是把自己降级成验收员 。

这件事，其实并不新鲜 。早在1983年，认知心理学家 Lisanne Bainbridge 在那篇著名的《自动化的反讽》（注 2）里就讲得很透：自动化并没有消灭人，只是把人留下来处理那些最少见、最困难、最棘手的部分 。问题在于，机器一旦接管了日常操作，人也就失去了持续练习的机会 。等到真正需要人接手时，人已经没有了“手感”，也没有了对系统的活理解 。她那句意思极狠： 自动化拿走了工作的“容易部分”，反而把“困难部分”变得更困难了。 今天看，这几乎就是很多人使用AI的精神写照 。

三、幻肢痛：专长源于肌肉属性

我喜欢把这种状态叫作“无痛截肢” 。因为它最可怕的地方正在于无痛 。你不会在第一天就觉得自己变笨 。你甚至会觉得自己前所未有地高效 。邮件回得更快，代码写得更多，文案起得更顺，报告也更像那么回事 。可是真正被切掉的，是那些本来应该在艰难之中慢慢长出来的东西：对概念的咀嚼，对歧义的敏感，对反例的警觉，对自己推理链条的把握 。它们不是一次性下载的模块，而是像肌肉一样，靠长期负荷生长 。

切掉的时候没有痛感，失去之后却会有“幻肢感”——你还以为那是你的能力，其实你只是熟练地调用了外部义肢 。这就像真正的截肢者会有幻肢感一样：你明明已经失去了那条能力回路，却仍然误以为那是“我会的” 。其实你不是会了，你只是好像会调用 。

女儿在国外的计算神经科学中心学习，我问她平时怎样用大模型 。她回答：“我告诉它不要直接给我答案。” 。后来她接着解释，就是把GPT 当作一个 mentor，跟自己一起学习和探索，发现问题的答案 。“不要直接给我答案”并不意味着拒绝AI，而是重新规定关系：

你不是替我思考，你是逼我思考；你不是替我完成，你是陪我穿过困难；你不是拐杖，而是陪练 。甚至在必要时成为我的导师，但前提是——你不能把我的能力带走 。

我很喜欢这句话 。真正会用AI的人，不会一上来就让它替自己完成；真正想保住自己大脑的人，会先重新规定关系 。

因为所有真正值钱的能力，几乎都带一点“肌肉属性” 。它们不是下载的，是训练出来的 。心理学家 Anders Ericsson对 “刻意练习” （注3）的研究早就说明，

专长不是靠“做得多”自然长出来的，而是靠长期、费力、带反馈、带纠错的训练长出来的 。仅仅重复，并不会自动提升；日常工作中的熟练，也常常只是停留在一个舒适的平台上 。没有反馈的重复，不是成长，只是熟练地原地踏步 。

四、人才空心：效率掩盖下的能力坍塌

我并不反对在工作中大量使用AI 。事实上，AI确实能带来显著效率提升，以至于即便意识到团队人手不够，我的第一反应是让大家再 “压榨压榨AI”，而不是像以前那样，去遍历找简历、面试、支持新人落地的流程 。可是，我们也许要把问题问得更深一层：效率提升之后，人的能力结构发生了什么？ 如果 AI 的主要价值在于把新手快速拉到一个不那么难看的平均水平，那它当然是伟大的工具；但如果一个行业从此越来越少的人经历真正艰难的学习曲线，越来越少的人有机会在低效、笨拙、反复失败中长出判断力，那么几年之后，这个行业会不会出现“人才空心化”？ 到那时，我们拥有的是一代会调用模型的人，还是一代真正理解问题的人？

在前面一期的CCF TalkShow上，我和RWKV的罗璇和谭校长谈龙虾和Vibe coding，晓生说，他的那个曾经的 ”老程序员群“ 里拥有了 “token自由” 的前CTOVPCXO们，仿佛打了鸡血，老程序员们的“第二春”又来了，熬夜驱动着自己养的一群龙虾，纵横捭阖爽到飞起 。我们感叹 “35岁诅咒” 回旋镖来的真快，“39岁”的老程序员现世报成了香饽饽 。可是，这些人当年难道不是从实习生、校招生的小鲜肉，一步步打怪升级才成为今天能干的大叔的吗？

如果AI 的主要作用，是把新手快速拉到一个不太难看的平均水平，那当然很好；但如果一个行业从此越来越少的人经历笨拙、迟缓、反复出错、硬着头皮啃问题的阶段，那么几年之后，这个行业会发生什么？ 它会不会出现一种很隐蔽的人才空心化：表面上人人都在用最先进的工具，实际上越来越少的人真正知道工具是怎么失灵的，越来越少的人能在模型错得很像对的时候，稳稳地说一句：不，这里有问题 。

这几乎是AI时代所有认知外包的缩影 。你写完了文章，却不一定真的更会写；你交付了代码，却不一定真的更懂系统；你完成了研究综述，却不一定真的形成了自己的问题意识 。前一阵子，一个博一的实习生，交给自己的龙虾一个“帮我读10篇论文，给个深度分析”的命令，回来看烧掉了200元token，龙虾”一事无成、理直气壮”，心疼坏了——而更多的时候：你到达了结果，但没有获得通往结果的能力 。

五、建设性冲突：重新规定你与 AI 的关系

所以，问题从来不只是“用不用AI”，而是“你和AI建立了什么关系” 。

如果你把它当拐杖，它会放大你的依赖 ； 如果你把它当镜子，它会放大你的自知 ； 如果你把它当陪练，它会放大你的成长 。

我和自己的Gemini大模型搭子搭伙过日子，蜜月期很快过去，逐渐发现，要让它更聪明，靠的不是没有摩擦的协作，而是建设性冲突 。你要故意让它不要那么顺着你 。让它给反例，让它挑战你的前提，让它不要直接给结论，而是先列出问题空间；让它告诉你哪几步推理最脆弱，哪几个假设最值得怀疑 。2025 年的一项研究发现，在AI辅助工作中加入一些简短的“provocations”——也就是带一点质疑意味、会提示替代方案的小刺激——能够显著诱发更多批判性与元认知思考 。很多时候，人并不是不会想，而是太容易在顺滑里停止思考 。

所以我越来越相信：真正好的AI，不应该只是帮我更快地得到答案，而应该帮我更诚实地面对自己的无知；不应该只是替我遮住困难，而应该逼我穿过困难；不应该只是让我像个更熟练的操作者，而应该让我成为一个更强的判断者 。

AI真正危险的地方，不是把人的工作拿走，而是把人的成长拿走 。

而成长这件事，从来不是靠知道答案完成的 。成长是你在问题里待过，在复杂性里挣扎过，在反例前停下来过，在错误里修正过 。真正有分量的能力，都带一点手工艺属性：不能完全外包，不能只看结果，不能跳过过程 。

如果有一天，必须在“更快得到答案”和“更慢长出能力”之间做选择 ，我希望自己还有勇气，对着那个越来越聪明的系统，说出一句并不讨巧的话 ：

不要直接给我答案。

先让我参与，先让我思考，先让我长出配得上答案的能力 。 我可以用AI 。但我绝不让AI，对我做无痛截肢 。

注1: https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/

注2: https://ckrybus.com/static/papers/Bainbridge_1983_Automatica.pdf

注3:https://graphics8.nytimes.com/images/blogs/freakonomics/pdf/DeliberatePractice(PsychologicalReview).pdf

– END –