4种苦，AI不吃，你也不该省

我让 Midjourney 画一只"为房贷发愁的猫"。它给了我四张"悲伤的猫"。猫还是那只猫，愁不愁都长一个样。

AI 没背过房贷，没在凌晨三点翻过账本。它可以生成一万只"悲伤的猫"，但永远画不出中国中年人的房贷焦虑。

这不是说 AI 不行。恰恰相反——它在越来越多的事情上太行了，行到你忍不住把一切交出去。

国际象棋提供了一个有用的先例。1990 到 2000 年代，棋坛有过一个著名的**"半人马阶段"**——聪明人加电脑能打败单独的人类大师或单独的电脑。那是人机协作的黄金时代。但今天，AlphaZero 自学四小时国际象棋就能碾压所有人类和所有以前的 AI。国际象棋的半人马阶段，已经永远结束了。[1]

问题来了：你正在外包给 AI 的那些事情里，哪些是在省时间，哪些是在省掉你自己？

下面四种苦，AI 吃不了，你也不该省。

一、思考的苦

期末考试前一周，你在深夜翻开课本。概念看不懂，习题做不出，脑子里一团浆糊。你打开 ChatGPT，把题目贴进去，答案出来了。

这次考试你过了。但下一次遇到需要自己推理的问题，你还是会打开 ChatGPT。

普林斯顿大学一位政治学教授在 2026 年的一篇文章里描述了这个过程。[2] 他回忆起三年前，自己对中国政治的了解还超过当时最先进的 AI。三年后，他发现 AI 能讲的东西已经远超自己——那些他花了几十年积累的知识，AI 几分钟就能调用。他在爱因斯坦当年授课的教室里反复问自己一个问题：如果学生每周花两小时跟 AI 进行苏格拉底式对话，是不是比听他讲五十分钟更有效？

这不是自嘲。这是精确的威胁评估。

但他的结论不是"教授没用了"。而是——当知识获取的成本趋近于零，思考的过程本身变成了唯一值钱的东西。

每一次你把"想不明白"外包给 AI，你省下的不是时间，是下一次自己得出结论的能力。

你可以做一个简单的自测：最近一次你不用 AI、不用搜索、纯粹自己推导出一个结论，是什么时候？

二、判断的苦

教皇利奥十四世在 2026 年 5 月底的演讲里说了一句话："算法没有道德。给它道德，是人的责任。"[3]

Anthropic 的创始人也去了那场在教廷举办的活动。他公开承认：人类正在面临一个连创造者自己都没完全准备好应对的挑战。

这句话的真正意思不是"AI 很危险"。而是——AI 替你做不了判断，但你在用它替你做判断。

多项研究已经证实，大语言模型在生成文本时存在系统性的性别刻板印象。[4] 同样的简历，换成女性名字，模型输出的推荐用语会明显偏向"勤奋""善于合作"而非"果断""有远见"。

AI 的偏见不是它自己想出来的，是我们塞给它的。它吃了海量互联网文本，把人类藏在字缝里的偏见学了个干干净净。

所以当你让 AI 替你做一个决定——这份简历该不该过、这个方案该不该批、这篇文章该不该发——你真的知道它在替"谁"做决定吗？

判断不是在选项之间挑一个。判断是为自己的选择承担后果。AI 不替你背锅，它也没法替你背锅。

三、创造的苦

普林斯顿那位教授在文章里还写了另一段话，值得逐字引用。他说：**"没有才华的人，才喜欢炫耀自己用 AI 写演讲稿、写剧本、做播客。他们没搞懂——创造本身才是好玩的地方。"**[2]

这句话刺耳，但它指向一个被忽略的事实。

你用 AI 写了一篇公众号文章。它结构完整、逻辑通顺、挑不出毛病。读者看完说：写得不错。然后划走了。

你自己写了一篇。有点乱，有些句子太长了，有个比喻不太准确——但其中有一段，是你凌晨两点想起来、爬起来写的。读者看完说：卧槽，我有过一样的感受。

区别在哪里？区别不在"好"和"不好"。区别在——第一个版本没有任何人经历过任何东西。第二个版本有。

AI 能模仿任何风格。但它没失过恋，没在深夜接起过一个改变命运的电话，没在某个周五下午突然想清楚"原来我一直都搞错了"。

你在用 AI 省掉的不是"写"的动作，是从你自己的生命经验里长出一个从未存在过的东西的过程。那个过程又慢又痛又让人想死。但那就是创造。

四、连接的苦

教授在学期末请毕业班学生吃了一顿饭。他在那顿饭上坦白了自己的困惑：我不知道为什么你们还需要我。一个月两百美元的 AI 订阅能做到的事，比我能教的还多。

学生回答：打动他们的不是他的专业知识。那些 ChatGPT 也能讲。打动他们的是他这个人本身。 他去过北京，知道在大英那个周五早上宿醉考汉字是什么感觉。他不是一个知识输送的管道，他是一个有真实经历、有真实弱点、有真实观点的人站在面前。[2]

教授后来想起来，自己本科时两位教授带他吃过一顿午饭。那顿饭没有金句，没有改变世界的蓝图。但他记得那顿饭本身。他说：那可能是他大学四年最深刻的记忆。 一次口舌笨拙但真诚的对话，一个用自己的失败经历回答学生困惑的活人。

AI 能模拟共情，能生成温暖的话，能给出完美的沟通技巧建议。但有一件事它做不到：把自己有限的生命时间，花在另一个真实的人类身上。

你哭的时候 AI 不会递纸巾。你获奖的时候 AI 不会第一个冲上来拥抱你。你迷茫的时候 AI 会给你七条建议——但不会有人坐在你对面，一句话都不说，陪你喝完那杯冷掉的咖啡。

连接的本质是"低效"。 你得花时间，你得在场，你得出错，你得不完美。这些事没法规模化，没法写成用户手册。它们才是人和机器之间最后的界限。

你可以做的三件事

1. 对自己做一次"外包审计"。

拿一张纸，左边写你这个月所有用过 AI 的任务。右边画一条线：哪些任务的结果是"我做完之后变得更强了"，哪些是"只是少了一件事"。右边那一栏的每一项，都是你正在萎缩的肌肉。

2. 给每一类"苦"保留"不外包区"。

• 思考：每周至少留一个问题，不用 AI、不用搜索，自己推。即使推错。
• 判断：重要决定之前，先自己列出标准、权重、选项，再参考 AI。顺序不能反过来。
• 创造：第一版一定自己动手。不用 AI 生成"灵感"，你先憋。憋出来的才是你的。
• 连接：能面对面说的话不要发消息。能打电话说的事不要发消息。能陪你坐十分钟的人，不要只回一个表情包。

3. 选出一种"苦"，这个月刻意不省。

不是四种一起上。选一种，这个月每周练习两次。一个月后回头看你省下的是什么——和你得到了什么。

但你必须知道这些事的限制

这篇文章不是在说"不要用 AI"。AI 可以用。查资料、改语法、做总结、处理格式——这些不是"苦"，是噪音。把它们省掉，是为真正重要的"苦"争取时间。

但这四种苦——思考、判断、创造、连接——有一个共同特点：它们的过程本身就是结果。 你没办法跳过过程直接拿到结果，因为你想要的结果就是"你通过这个过程变成了什么样的人"。

国际象棋的半人马阶段结束了。不是因为 AI 太强，是因为在那个领域，人类的存在不再改变结果。

但在思考和创造中，在判断和连接中，你的存在本身就是结果。

参考来源

[1] AlphaZero 自学国际象棋的研究发表于 arXiv:1712.01815 (Silver et al., 2017)。国际象棋"半人马阶段"（Advanced Chess/Centaur Chess）的讨论可追溯至 Kasparov 1998 年与 Topalov 的人机协作比赛，及后续 Tyler Cowen《Average Is Over》(2013) 中的分析。

[2] 本文中普林斯顿大学教授关于 AI 与高等教育危机的论述，来源于用户提供的视频《AI启示录》中的引述。视频中提及该教授在 2026 年发表的相关文章（具体篇名待确认），核心概念"空壳大学"（Potemkin University）即出自该文。

[3] 教皇利奥十四世 2026 年 5 月底在梵蒂冈的演讲，提及"算法没有道德"等观点。Anthropic 创始人 Dario Amodei 参与了同场活动。本条信息来源于用户提供的真实信息。

[4] 大语言模型的性别刻板印象问题已有多项公开学术研究讨论。例如 Kotek et al. (2023) 的研究发现，LLM 在生成与职业相关的文本时系统性复现性别偏见模式。