AI 没有抹平差距,它只是重新画了一道线
你有没有观察过身边的人是怎么用AI的？
反正我是越看越觉得，同一个AI，在两类人手里完全是两种东西。让AI写一段朋友圈祝福语。让AI生成一张好看的头像。把公众号文章丢进去让它总结，然后扫一眼就划过去了。偶尔和AI聊两句人生，问它”你觉得活着的意义是什么”，得到一段很流畅、很温暖的回答，看完觉得挺治愈的，锁屏之后啥也没记住。AI对他们来说，就是一个升级版的娱乐工具。比刷短视频多了一点交互感，但本质没变：时间花出去了，快乐也获得了，但快乐在锁屏那一刻就开始蒸发。让AI把一个复杂概念拆解成他能理解的层级，不懂的地方接着追问，直到彻底弄明白。把自己写好的方案丢给AI做压力测试——“假设你是一个严苛的评审专家，请逐条质问我这个方案的前提假设”。写文章前先用AI做一轮资料搜集和逻辑框架梳理，然后用自己的判断力和经验去修正、补充、做决策。用AI辅助学一门全新的语言——不是为了替代学习过程，是为了让学习速度翻倍。AI对他们来说，是一个能力放大器。原本需要花几倍时间才能完成的事，现在压缩到了几十分之一。但有一个硬前提：你得知道要问什么，你得能判断哪些输出是有价值的、哪些看起来挺专业其实全是空话。从”会不会上网”，到”会不会提问”
二十年前互联网刚普及的时候，有一件事让很多人感到兴奋：门槛被拆了。以前你要看新闻得买报纸，要学知识得去图书馆，要表达观点得找出版社。互联网把这些门槛全都推平了。到了移动互联网时代，门槛更低——一部智能手机，几十块钱月费，谁都能刷视频、看新闻。不管你是大学教授还是外卖骑手，在推荐算法面前，你的每一次点击和滑动，权重完全一样。这个”低门槛接入”的特征，让很多人产生了一种错觉：互联网是天然的平等器。互联网时代，刷短视频、用美颜、发朋友圈——这些操作几乎不需要任何前置知识。不需要知道算法怎么跑，不需要理解数据怎么传，你的手指在屏幕上一滑，一切就发生了。工具替你完成了从意图到结果之间的全部中间环节。但AI的主动产出场景——写一段代码、做一个数据分析、写一份方案、用某个你完全不熟悉的领域的知识来解决一个没有明确模板的开放任务——这些东西能不能用好，取决于你有没有足够的底层知识去提出一个足够具体、足够精准的追问。这不是一个”会不会操作”的问题。这是一个“知识储备能不能支撑有效提问”的问题。一个完全不懂编程的人，面对AI编程工具，能问出来的最具体的话是：“帮我写一个程序。”AI会给出一段通用代码，但跟他真正想解决的那个问题之间，可能差着十万八千里。因为他描述不出自己的需求——他不知道这个任务涉及哪些模块，不知道用什么语言更合适，不知道运行环境有什么约束。他的知识盲区，AI帮不了他填补——因为AI的核心功能从来就不是把”不知道”变成”知道”，而是把”已经知道但效率不够高”变成”高效产出”。它放大的是你原本就有的能力——你的知识储备、你的逻辑思维、你判断信息质量的本事。它不会把一个完全的外行变成一个专家，它只会把一个”略知一二”的人加速变成”熟练掌握”，把一个”一知半解”的人加速变成”好像说得通但其实全是废话”。数字鸿沟的三次迭代
1990年代末到2000年代初，分界线是”能不能上网”。有电脑、有网线的人，和没有的人，之间隔着一道几乎不可逾越的墙。那时候大家担心的是”数字鸿沟”——怕互联网让富者越富、穷者越穷。然后智能手机出现了。几百块一台，月费几十块。门槛被急剧拉低。中国网民数量从2000年的2250万，猛增到现在的超过11亿。接入不是问题了，但新的问题跟着来了。人人都有手机了。但用手机做什么，分化出现了。有人在手机上学习课程、阅读长文、做笔记、管理时间。有人用手机刷短视频、打游戏、看直播带货。前者的手机是工具，后者的手机是玩具。都在花时间，但前者在积累，后者在消耗。AI没有改变”工具vs玩具”的分化。它做的是另一件事——它把”工具”那一端的天花板抬到了前所未有的高度，同时把”玩具”那一端的吸引力也提升到了前所未有的强度。为什么？因为AI太会聊天了，太会制造”好像学到了什么”的幻觉了。一个没有质量的问题，AI同样会给出一个流畅的答案。一个你从来没真正理解过的知识点，AI也能用一种听起来很有道理的方式讲给你听。这正是最危险的地方——它让停留在”娱乐阶段”的人也觉得自己在”学习”。历史上的每一次技术革命都会淘汰一批人、成就一批人。第一次工业革命淘汰了手工纺织者，第二次工业革命淘汰了马车夫。淘汰他们的是新的工具，但真正让他们跟不上节奏的，是他们没能在自己的存量技能之外，建立起一种持续学习和使用新工具的行为模式。AI时代的筛选逻辑也是一样的——但筛选范围更宽。被淘汰的不是某种特定的职业，而是那些“没有建立起用自己的判断力去评估和使用工具的习惯”的人。不管学历多高，只要你没有建立这个习惯，AI对你的价值就会始终停留在”好玩”的层面。而在这个层面，你花掉的时间和别人用来积累的时间之间，差距正在以你意识不到的速度拉开。四个可以确定的趋势
AI能力的提升速度，远快于普通人学会有效使用它的速度。你今年学会的提示词技巧，明年可能已经被模型更新淘汰了。而那些决定你能问出什么问题的底层知识——积累周期是以年为单位算的。一边是指数级的技术进步，一边是每年那么一点的知识增长。这不是一个在原地等着就能追上来的跑道。就像今天你不会用搜索引擎在职场上寸步难行一样，五年后你不会用AI辅助自己思考和判断，也会面临同样的处境。但有一个误区值得警惕：“会用AI”不等于”会跟AI聊天”。不会用搜索引擎的人，真正的瓶颈不是打字速度慢——他根本不知道有什么关键词可以查。同样，AI素养的核心，不是你用多大岁数的语气跟AI说话，而是你能判断什么事值得提问、什么话不能全信。如果AI能答对大部分考题，“考试能力”和”实际能力”之间的关联度就会大幅下降。未来的教育需要从”给出标准答案”转向”教人怎么提出好问题、怎么验证获取的信息、怎么在多个可能性中做出判断”。这是一个从记忆到判断的转向。这个转向，比任何一门AI课程都难——因为它要求的不是更新教材，而是整个教学思维的切换。当答案可以由AI快速生成，“什么值得问”就成了唯一还需要人来判断的环节。能提出精准、有深度、能激发高质量答案的人，会获得不成比例的优势。而习惯了被动接收信息的人——刷短视频、看推荐内容、等算法投喂——在需要主动追问的场景里，会发现自己根本没有被训练过这个动作。写在最后
你观察到的这个分化，本质上不是AI造成的。AI只是让分化变得更显眼、后果更严重。差距不再体现在”你有手机我没有”这种一眼就能看出的层面。它体现在：同一个手机、同一个AI，你用完之后技能涨了，另一个人用完之后时间没了。这不是一个令人绝望的结论。它只是意味着：面对AI，最大的不公平不是有没有工具，而是有没有用好工具的准备。这个准备不在AI里，也不在手机里任何一个App里。它在你自己过去这些年积累的知识、思维习惯和判断力里。你在这条线的哪一头，很大程度上不取决于AI发展到了什么程度——取决于你打算把它当什么用。
夜雨聆风