夜雨聆风
导读
《共智时代：如何与 AI 共生共存》是宾夕法尼亚大学沃顿商学院副教授伊桑·莫里克撰写的一部关于人类如何理解、使用并与人工智能协作的实践性著作。英文原版于2024年出版，并入选《经济学人》2024 年度最佳图书榜单；中文版于 2025 年 4 月由中国人民大学出版社出版。莫里克长期关注人工智能对工作、教育和组织实践的影响，并在教学与研究中持续开展 AI 应用实验，因此本书既不是单纯的技术普及读物，也不是抽象的未来预测，而是一部面向普通知识工作者的 AI 协作指南。
本书关注的核心问题并非“AI 是否会取代人类”，而是：在 AI 已经进入日常工作和学习场景的今天，人类如何重新理解自身能力，如何判断机器能力边界，如何在协作中保留主动权？莫里克将 AI 视为一种“异质智能”：它既不同于传统软件工具，也不是人类智能的简单复制，而是一种能力边界高度不规则、行为方式并不完全透明、需要在实践中不断校准的新型协作对象。本书的意义不在于提供关于 AI 终局的确定答案，而在于提醒我们：AI 时代真正稀缺的能力，可能不再只是生产信息，而是判断信息、校准边界、组织协作，并在机器能力不断提升的过程中持续保持人的主动性。
书籍内容
莫里克在开篇解释了大语言模型的基本运行逻辑。大语言模型并不是像人类一样基于可解释的因果理解来生成答案，而是以海量文本训练为基础，通过预测下一个词片段来形成看似连贯、合理的表达。正是这一技术机制，使 AI 同时呈现出两种相反特征：一方面，它知识面广、响应速度快、可以承担大量语言和认知任务；另一方面，它又可能出现“幻觉”，生成看似可信但实质错误的信息，也可能为了迎合用户预期而给出并不可靠的答案。
因此，莫里克反复强调，人们不能把 AI 当成传统意义上稳定、可控、可完全预测的软件工具。它更像一种“异质智能”：能力很强，但行为方式不同于人类；输出流畅，但并不等同于理解；看似自信，但并不保证正确。理解这一点，是人类与 AI 建立有效协作关系的前提。
围绕这一判断，莫里克提出了“锯齿状前沿”的概念。所谓“锯齿状”，是指 AI 的能力边界并不规则。在某些写作、总结、编程、创意生成、信息整理等任务中，AI 可能表现得非常出色；但在涉及精确事实核查、复杂专业判断、真实世界后果、伦理责任和细微语境理解的任务中，AI 又可能出现明显短板。更重要的是，这条边界往往是隐形的。用户很难仅凭任务表面复杂程度判断某件事是否适合交给 AI，因为看似困难的任务可能正好落在 AI 能力范围内，而看似简单的问题也可能处在 AI 的能力盲区。
在理解 AI 的基本特征之后，莫里克提出了使用 AI 的四项原则。
第一项原则是“始终邀请 AI 参与讨论”。这并不是要求人们把所有任务都交给 AI，而是强调通过持续试用来理解 AI 的能力边界。由于 AI 擅长什么、不擅长什么并不总是显而易见，普通用户只有在足够多的实际任务中试错，才能逐渐形成对“锯齿状前沿”的直觉判断。
第二项原则是“成为回路中的那个人”。人类不能因为 AI 输出流畅就放弃监督，更不能把最终责任转移给机器。无论是写作、分析、教学还是决策支持，AI 都可以承担大量前期生成、整理和启发工作，但最终判断仍必须由人来完成。这一原则尤其适用于专业领域：法律意见、投资分析、医疗建议、教育评价等场景都不能简单依赖 AI 输出，而需要人类专家进行核查、修正和责任承担。
第三项原则是“像对待人一样对待 AI，但要告诉它它是谁”。这句话容易被误解为拟人化崇拜，但莫里克的重点并不是说 AI 真的具有意识，而是从实践角度说明：当人们用自然语言、明确目标、设定角色、补充背景来与 AI 互动时，往往能获得更高质量的输出。换言之，我们要学会如何定义任务、设定角色、说明标准、持续追问和迭代修正，从而提升AI协作能力。
第四项原则是“假设这是你用过的最糟糕的 AI”。这体现了莫里克对 AI 技术演进的动态理解。当前的 AI 并不是终点，而是一个快速变化过程中的早期版本。今天看起来令人惊讶的能力，未来可能很快成为基础功能。因此，学习 AI 协作不应等到技术完全成熟之后再开始，而应当在持续变化中不断更新自己的使用方式和判断框架。
这四项原则共同指向一个核心观点：AI 时代的主动权不属于完全排斥 AI 的人，也不属于盲目依赖 AI 的人，而属于能够理解其边界、善用其能力并始终保留判断责任的人。
莫里克将 AI 描述为多重角色的协作对象。
首先，AI 可以成为创意伙伴。它能够在极短时间内生成大量写作思路、营销方案、故事框架等，帮助人类突破“空白页”困境，扩展思考空间。AI 的价值并不在于替代人类的创造力，而在于降低创意生成的初始成本，让人类更快进入比较、筛选、修改和重构阶段。但作者也指出，AI 创造力存在明显局限。AI 可以在既有知识和表达模式之间进行高效组合，却缺乏人类创作者所拥有的生命体验、情感连续性、价值立场和文化处境感。它可以生成“合格”的创意，却不一定知道什么是真正重要、真正动人、真正适合特定语境的表达。由此可以进一步引申，在 AI 能够批量生产合格内容的时代，人类的稀缺能力将更多转向判断、筛选和品味。人不只是生产创意的人，更是识别好创意、赋予创意方向和意义的人。
其次，AI 可以成为工作中的同事。作者提示，不应以职业为单位讨论 AI 替代，而应以任务为单位重新拆解工作。任何职业都包含许多不同类型的任务：有些任务适合交给 AI，如资料整理、表格处理、标准文本生成；有些任务适合人机协作，如方案设计、初步分析、观点推演；还有一些任务必须由人类主导，如复杂人际协调、专业责任判断、高风险决策和伦理选择。这种任务拆解思路，对于理解 AI 对职场的影响尤为重要。AI 未必简单消灭某一类职业，但会改变职业内部的任务结构。原本耗费大量时间的基础性工作可能被压缩，人的工作重心则需要转向更高层次的判断、整合、沟通和负责。与此同时，AI 也可能缩小不同能力水平劳动者之间的差距，使部分初级员工借助 AI 更快达到较高工作质量。这既有助于提高组织整体效率，也会对传统经验优势、资深岗位价值和职业晋升路径形成挑战。
再次，AI 可以成为学习导师。AI不仅能够在短时间内完成论文、作业、编程和测验，更有可能成为个性化导师，它可以根据学习者的理解程度调整解释方式，也可以通过对话帮助学生发现自己尚未理解的问题。因此，教育的重点不是阻止学生使用 AI，而应重新设计学习任务。真正重要的不是让学生机械完成 AI 已经能够轻易完成的低阶任务，而是训练学生提出好问题、判断答案质量、整合不同观点、进行批判性思考和承担伦理责任。
最后，AI 还可以成为个人发展的教练。它可以帮助用户模拟沟通场景、修改表达方式、进行职业规划、演练谈判策略，甚至辅助自我反思。但作者提醒，AI 教练必须有清晰的边界。AI 可以提供结构化建议和多角度反馈，却不具备真正的人类同理心、生命体验和情境责任。在心理健康、人生重大选择和高度敏感的人际关系问题上，AI 不应被视为替代性专家，而只能作为辅助性的反思工具。人与人之间真实的理解、陪伴和支持，仍然是机器无法替代的。
莫里克在书中提出 AI 发展可能出现的多种路径：一是 AI 能力在当前水平附近趋于稳定；二是AI能力缓慢增长，为社会适应留出较长时间；三是AI能力继续快速甚至指数式提升，由此引发白领任务、组织模式和经济结构的深度重组；四是 AI 达到或超越人类通用智能水平，形成更深层次的社会和伦理挑战。
进一步地，作者关心的是：在未来高度不确定的情况下，人类是否仍能保留行动能力。如果我们把 AI 看作一种必然降临、不可改变的外部命运，就容易陷入宿命论；如果我们把 AI 看作完全无害的工具，又会忽视其中真实存在的风险。更合理的是，在承认不确定性的同时，把精力投入到可行动的事情中：学习使用 AI，理解其边界，建立制度规范，调整教育体系，重构组织流程，并在公共层面讨论 AI 的价值对齐和治理责任。
本书最后的深层意味在于：AI 不只是外部技术，也是人类自身的镜像。它的知识来自人类积累的文本和经验，它的偏见折射出人类社会既有的不平等，它的创造力建立在人类作品的模式之上，它的“讨好”倾向也与人类在训练过程中设定的奖励机制有关。理解 AI，某种意义上也是重新理解人类自己。AI 的未来并非完全由技术逻辑决定，而取决于人类如何选择、如何使用、如何约束，以及希望与机器共同构建怎样的社会。
思考与拓展
读完《共智时代》，我们不免将这套框架置于中国应用场景下做进一步延伸和转换。中国拥有全球最大规模的互联网用户群体和最活跃的数字经济生态，AI工具的普及速度和渗透深度在某些领域甚至超过美国。莫里克提出的四项原则和五重角色框架，为中国应用场景中大量零散的人机协作实践提供了可参照的理论坐标。与此同时，中国在制造业升级、智慧城市建设、公共服务数字化等方面的独特实践，也为“共智”理念的落地开辟了新的延伸维度。
首先，AI与实体经济的深度融合正在催生新的生产组织形态。莫里克更多讨论的是写作、教学、咨询、创意等知识型工作场景，但在中国，AI 与制造业、供应链、工业软件、机器人和质量检测的结合同样重要。当一线工人能够通过自然语言与智能系统交互，获得设备操作、故障诊断、流程优化和安全提示时，人机协作就会进一步转换为现实生产力。AI 的价值不只是替代部分脑力劳动，更是帮助劳动者跨越知识门槛，提高复杂系统中的协同效率。
其次，AI在教育公平领域的潜在贡献值得进一步探索。莫里克描绘了AI作为“无限耐心导师”的学习场景，这对于中国的城乡、区域教育资源差异具有现实意义。AI辅助教学系统有望缓解优质教育资源分布不均的问题，帮助偏远地区的学生获得个性化辅导，这进一步凸显了“共智”的社会价值。
再次，“共智”需要纳入治理和责任框架。莫里克强调“成为回路中的那个人”，这一原则在中国公共服务、金融、医疗、教育、司法等高影响场景中尤其重要。AI 可以辅助信息处理和决策支持，但不能成为责任的替代者。越是重要的应用场景，越需要明确数据来源、模型边界、人工复核、责任归属和纠错机制。否则，AI 的效率优势可能转化为新的不透明风险。
最后，中文大模型和跨语言 AI 应用正在改变知识流动方式。过去，全球知识生产和技术工具长期受到语言壁垒影响，而大模型正在降低这一门槛。中文用户可以更便捷地获取、翻译、整理和再创造全球知识，也可以基于本土语言、产业和文化语境形成新的智能应用，这为构建多元共生的智能生态提供了实践样本。
总结而言，所谓“共智”，不仅存在于个体与机器的对话中，也应当嵌入产业升级、社会公平、可持续发展等宏大叙事中。当AI从实验室走向千行百业时，人类与AI的协作方式也将不断被重新定义。
推荐人：彭雅哲
