2026 年 7 月 22 日，上班路上的一段思考，回来整理成文。
小时候算算术，我们都练过鸡兔同笼。在还不会解方程的年纪，这道题有很多精妙的解法：让所有的鸡都金鸡独立，兔子抬起两只前脚，脚的数量一下就和头对上了；或者干脆假设笼子里全是鸡，多出来的脚再一双一双还给兔子。假设法、极限法、逼近法，看似风马牛不相及，其实都是方程思想出现之前，我们祖先智慧的结晶和探索。
《射雕英雄传》里黄蓉给瑛姑解"物不知数"，念的那首口诀我一直记得：三人同行七十稀，五树梅花廿一支，七子团圆正半月，除百零五便得知。一道"三三数之剩二、五五数之剩三、七七数之剩二"的难题，被四句诗轻巧地拆掉。这口诀出自程大位的《算法统宗》，题目本身则来自一千五百年前的《孙子算经》。你看，在没有现代数学工具的年代，人类为每一类问题都琢磨出了专属的巧劲儿，一代一代传下来，传成了诗。
然后我们学会了列方程。设鸡为 x，兔为 y，两行式子写完，所有的巧劲儿瞬间失去了必要。鸡兔同笼、和差问题、行程问题、物不知数，那些曾经闪闪发光的奇技淫巧，统统坍缩进一套枯燥而标准的机械求解里。
这就是"用进废退"的第一层：一个更强的工具出现后，它所替代的那些思维练习，就真的没人练了。我们这一代人里，还有几个保留着当年那些假设法的手感？
但故事还有第二层，而且这一层更重要。方程和微积分不是偷懒的工具，它们是更高维度的工具。它们带我们用更抽象的方式看待问题，把千姿百态的具体难题投射到一个统一的框架里去求解。人类围绕这个框架又发展出浩瀚的应用数学，数值的、理论的、各种求解技巧。微积分更不用说，它几乎是每一个理工科研究者手上最重要的武器。这样的工具，它带来的 reward 是巨大的、立竿见影的。大到即便我们当年不知道它有多重要，光是短期的甜头，也足以引诱我们放弃那些底层的思维锻炼。
于是有了第三层，也是真正的问题所在。人类历史上每一次都选择了用工具，而且每一次事后看都选对了。那么这一次，AI，还是同一个故事吗？
对工具侵蚀心智的恐惧，几乎和工具本身一样古老。
最早的版本出自柏拉图的《斐德罗篇》。苏格拉底讲了一个埃及神话：发明文字的神明塞乌斯向国王塔姆斯献上文字，说这是记忆和智慧的灵药；国王却回答，恰恰相反，人们一旦信赖写下来的东西，就不再操练自己的记忆，文字带来的不是记忆，而是学习者灵魂中的遗忘，以及一种懂了的假象。
此后两千多年，这匹狼被一次又一次地喊出来。印刷机出现时，学者们忧心书籍泛滥会淹没而不是滋养心智；计算器进课堂时，教师们抗议了整整一代人，坚信孩子们的算术能力将毁于按键之间；GPS 普及时，轮到方向感被宣判死刑；搜索引擎兴起时，又轮到记忆力。每一次的台词几乎不用改，只需要把主语换掉。
而在当下这个时代，这匹狼干脆蹲在了大学的讲台边上。浙江大学计算机学院的老师们，正陷入一种深深的恐慌和困惑：还在按部就班地教 C 语言、教数据库，孩子们的课程项目已经在 AI 的辅助下做得无比高级、无比完整，几乎把大学四年要学的内容都用上了。这个时候应该怎么教学？学生的能力究竟应该怎么锻炼？这道命题只是首先投射到了计算机学科的人才培养上而已，事实上，几乎任何一个学科，都正面临或即将面临同样的困境。
有意思的是这一串预言的成绩单：局部全对，整体全错。写作确实让希腊人引以为傲的史诗记忆术式微了，计算器也确实让心算高手成了稀有动物，这些具体能力的衰退都真实发生了。可是文字换来了科学、法律、历史，换来了文明本身；计算器之后，数学教育的重心从计算转向了理解。悲观者赢了每一场辩论，却输掉了整个历史。
为什么会这样？我认为这本质上是一个时间尺度的问题，或者说，战术与战略的错位。在战术尺度上，一代人之内、一种具体能力上，预言家几乎总是对的：被替代的能力，其损失是即时的、可见的、可测量的。但在战略尺度上，几代人之后、整个文明的层面，预言家几乎总是错的：新长出来的能力在他们的视野之外，往往连名字都还没有。你没法在公元前四世纪向苏格拉底解释什么叫实验科学，就像你没法在 1980 年向一位反对计算器的老师解释什么叫数据科学家。
但是，说历史每次都站在乐观派一边，这是后视镜里的总结，讲起来轻松。真正难的是身在其中的那一刻：你并不知道这一次被替代掉的，是一段无关紧要的旧技艺，还是一堵承重墙。事后诸葛亮人人会做，而当下的问题是，在看不清全局的时候，怎么做到一种模糊的正确，把可能的损失降到最低。这件事没有任何一代人真正解决过，柏拉图靠直觉，我们至少可以靠一点证据。
所以，别急着站队。先看看这一次，我们究竟测到了什么。
认知科学给"用进废退"起了个正式的名字，叫认知卸载（cognitive offloading）：用外部的动作和工具，降低任务对大脑的加工需求。这个领域这些年积累了不少证据。
比如记忆会改道。十几年前 Science 上那项著名的"Google 效应"研究发现，当人们知道信息已经存进了电脑，对"信息存在哪儿"的记忆明显好于对信息内容本身的记忆。大脑很务实：既然外面有，就只记路标，不记货物。比如导航能力真的会退。追踪 GPS 使用者的研究发现，终生 GPS 用量越大的人，自主导航时的空间记忆越差，几年随访下来，用得越多的人海马体依赖的空间记忆下降得越陡。
到了生成式 AI 这一代，证据开始变得扎眼。MIT 媒体实验室去年那项脑电研究让三组人写作文，纯靠大脑的一组脑连接最强最广，用搜索引擎的居中，用 ChatGPT 的最弱；而且用 ChatGPT 的那组，绝大多数人无法准确复述自己几分钟前刚"写"完的文章。作者们造了一个很传神的词：cognitive debt，认知负债。这项研究还是预印本，样本不大，方法上也有争议，但它不是孤证。微软和 CMU 调查了三百多名知识工作者的真实 AI 使用，发现了一条值得每个人贴在屏幕上的相关性：对 AI 越有信心的人，批判性思维用得越少；对自己越有信心的人，批判性思维用得越多。最扎实的是宾大团队在土耳其近千名高中生身上做的随机对照实验：练习时接入 ChatGPT，成绩提升近五成，可一旦把 AI 拿走进闭卷考场，这组学生反而比从没用过 AI 的对照组差了近两成。练习时的辉煌是借来的，账单在考场上寄到。有意思的是，同一个实验里，给 AI 加上教学护栏、只给提示不给答案的那一组，练习成绩提升翻倍，考试却毫发无损。
把这些放在一起看，卸载是真的，废退也是真的，但它是条件性的，取决于你怎么用，而不是用不用。
其实我们冷静地想一想，前面这些关于废退的结论，似乎全都是错的。因为它们都犯了同一个本质性的错误，而这也正是让我一直在思考的问题：上面这些测到的废退，用的全部是 AI 之前的尺子，或者说，都是用前一时刻的标准来度量的。写作侵入人类生活之后，你去测人的背诵能力，不出意外也一定是下降的；可站在今天回望，我们会说那叫废退吗？评判"能力"的标准本身，在每一次工具革命里都被重写了。
理想汽车的李想最近讲过一个逻辑，我印象很深。他建议 AI 时代所有公司都别急着裁人，不是不需要裁，而是不知道怎么裁了：AI 时代的人才标准和上个时代大概率不一样，一上来就按旧标准裁人，很容易把最好的人裁掉。他说自己看了公司内部 AI Token 消耗量排前二十的员工名单，发现排在前面的，并不是旧标准下最顶级的那批人，有的人过去表达能力不强、也调不动什么资源，但脑子极强，只要给他 Token 和业务环境，他就能去改造一切。
再讲得极端一点。假如洗衣机刚发明的年代，你要从一群洗衣女工里裁掉几个，按旧尺子，当然裁掉洗得最慢最差的那几位，因为洗得快的人多半勤劳、灵巧、能干。可你怎么知道，那个洗得最慢的人，慢的原因不是她总在琢磨怎么省力气？说不定她才是全屋第一个搞明白洗衣机按钮的人。
所以，AI 时代的废退究竟是什么？哪些下降的指标，是旧尺子上的幻影，就像文字时代测背诵、洗衣机时代测搓衣板？哪些又是任何尺子下都不能丢的承重墙？我认为这才是问题的正确问法。而要回答它，就得搞清楚 AI 这个工具，和方程、微积分到底有什么不同。
方程再强大，它的边界是清晰的。你确切地知道它能干什么、不能干什么：它能解你列出来的方程，但列方程这件事，把混沌的现实翻译成 x 和 y，它替你干不了。微积分也一样。所以以往每一次工具革命都藏着一个补偿机制：工具接管了下层的操作，同时逼着人类搬到上一层去住。你不用再算，但你必须会建模；不用再手工积分，但你必须懂得什么该被积分。怀特海说，文明的进步，正是靠不断增加那些我们不假思索就能完成的重要操作。这句话之所以成立，是因为省下来的思索被投资到了更高的抽象层上。人类失去的每一层，都换来了对上一层的占领。
AI 打破的正是这个补偿机制。有三点。
第一，它的边界是模糊的、移动的。过去三年里，所有"AI 只能干这个、干不了那个"的论断，几乎都成了昨日黄花。你无法像对待方程那样，围绕一个稳定的能力边界，来规划自己该保留哪些能力。
第二，它不是专业工具，是大众消费品。微积分的废退效应只发生在学微积分的人身上，而 AI 是所有人、一股脑、用在所有事上。历史上从来没有一个认知工具，以这样的速度覆盖这样广的人群和任务面。
第三，也是最要命的一点：它侵蚀的恰恰是"上一层"本身。方程替你解题，但把抽象化留给你；AI 却直接接管了抽象化。你给它混沌的现实，它给你建好的模、列好的方程、写好的论证。以往每次搬家，上一层楼总是空着等你；这一次，搬上去发现 AI 已经先住进去了。
写到这里，我当然想到了一个现成的反驳，而且它恰恰来自上一节我自己举的例子：历史上工具带来的，从来不只是沿着既有的梯子上一层，更多时候是长出全新的楼层。文字没有让希腊人变成更好的背诵者，它开出了科学、法律、历史这些原本不存在的房间。照此推理，AI 也完全可能开出我们此刻叫不出名字的新楼层，而人类照例搬进去。乐观派会说，你的焦虑不过是又一次想象力不足。
这个反驳有分量，但它有一个前提：开出新楼层这件事本身，仍然由人来做。历史上每一次都是如此，是人拿着新工具去发现新问题、划出新领域。而这一次的特殊之处恰恰在于，发现问题、定义问题这个元层面的能力，正是 AI 摆明了要进入的地盘。如果连"哪里还有新楼层"都由 AI 来勘探，那么"人类总会搬进新楼层"的历史归纳，就断了根。我必须诚实地说明，这不是一条定律，这是我基于当下趋势的一个经验性押注。AI 的能力边界既然在移动，它也可能在元层面上长期停滞，那样的话乐观派赢，我举手认输。但把全部筹码押在它一定停在那条线之前，在我看来才是更大的赌博。
那么，我们搬向哪里？
顺着这个断裂想下去，是三个一层比一层深的问题。
第一问：知识还需要装在脑子里吗？我的答案相对干脆：八九成的知识，确实可以让 AI 替我们持有。这和用图书馆、用 Google 没有本质区别，前面讲的 Google 效应也说明，大脑本来就倾向于只记路标。这一层的卸载，OK，I agree with that. But,
第二问：the knowledge learning process，学习过程本身，也可以被替代吗？有人说可以：你甚至不需要知道一个东西怎么学会，你只要告诉 AI 去学，或者把学习过程抽象成一段可复用的 skill、一块 memory，让它在那个方向上自我提升。听上去很美。但前面那个高中生实验恰好给了这个想法一记警告：外包答案和外包讲解，结局天差地别，前者在考场上原形毕露。学习过程的价值不在于最后得到的那条知识，而在于过程本身在你的神经系统里刻下的东西。如果连基本的 skill set 都没有，你拿什么去判断 AI 替你学回来的东西是对是错？
第三问，也是我真正得不到答案的一问：taste 呢？我们都有体会，大量理性的、枯燥的训练，最终会沉淀成一种感性的认知。面对一个全新的问题，你还没开始推导，下意识的判断已经先到了：这个方向有戏，那个路径是死胡同。这种直觉，这种 sense，这种品味，是专家和生手的真正分界。认知科学对专家表现的经典解释也指向同一个方向：卓越不是天赋的直接兑现，而是长年刻意练习积累出来的产物。品味恰恰只能从那些低效的亲手劳动中长出来。
这里我得对自己再逼问一句：品味会不会只是换一种练法？编辑、评论家、策展人，包括带学生的导师，他们的品味很大程度上是在评判他人产出的过程中磨出来的，未必句句亲手生产。也许 AI 时代的品味养成，就是从生产转向评判，天天鉴别 AI 输出的好坏，也是一种练习。我不敢排除这条路。但我的疑虑是，那些最好的编辑和导师，几乎无一例外先当过多年一线的生产者；评判的敏锐，似乎总要靠早年亲手劳动打的底。评判性的品味能否脱离生产经验独立生长，今天没有任何实证研究能回答，这是一个真正的开放问题。
那么，如果发现问题、构想方案、一步步逼近解，这整条链路都交给 AI，品味还长得出来吗？方向感这个东西如果也外包了，我们还留下什么？还是说，这才是最让人不安的可能：我们真的不需要了？就像我们不再需要查字典的能力，不再需要用金鸡独立解鸡兔同笼的能力一样，发现问题、思考方案、亲手解决，这个能力本身，也会成为下一个被文明优雅地丢弃的旧技能？
我不想用一个圆滑的"拥抱变化但保持思考"来做哪怕暂时的结论，因为无用的废话不是这篇博客想落笔的内容。诚实地说，第三问我没有答案，而且我怀疑今天没有任何人有：关于品味能否外包，直接的实证研究目前是零。我能做的，是把这一路的证据和思考，收拢成几条给自己的工作假设，边走边修。
其一，结论可以外包，判断力的形成不能外包。让 AI 给我答案没问题，但在自己的专业纵深里，我会保留一块亲手解题的自留地。不是为了怀旧，而是因为品味只能从那里长出来。什么都让 AI 先出手的人，迟早会发现自己对 AI 的输出失去了评判能力，到那一天，你就不是在使用工具，而是在信仰工具。
其二，真正要警惕的不是 AI 的能力，而是自己的信心结构。那条调查结论值得反复咀嚼：批判性思维的开关不在 AI 那边，在你对自己和对它的相对信心上。一旦"它比我强"成为默认假设，思考就静默退场了。所以要刻意维护那个不对称，在自己的核心领域里，让"我能独立核验它"这句话始终为真。
其三，是说给同行和学生的：给下一代留护栏，而不是留禁令。禁止学生用 AI，和放任学生裸用 AI，是对称的两种失职。护栏设计得好，鱼与熊掌至少在已有的实验里可以兼得，当然，从一次实验外推到普适的课程方案，这一步要走得小心。真正的教育问题不是要不要用，而是哪些认知劳动必须亲手做、哪些可以放心卸载。而如果前面关于品味的猜测有几分道理，品味的练法会部分地从生产转向评判，那这门还不存在的课程，核心恐怕就是教评判：怎么把学生从 AI 输出的消费者，训练成 AI 输出的审稿人。这门课今天还没有人写出来，它恰恰是我们这代教师要亲手写的。
其四，把第三节那把尺子的问题随身带着。每当看到"AI 让人变笨"或者"AI 让人变强"的论断，先问一句：用的是哪个时代的尺子？旧尺子测出的下降，未必是废退；新尺子还没造出来之前，谁也没资格宣布进化。
鸡兔同笼的那些小技巧消失的时候，没有人惋惜，因为我们清楚地知道自己搬进了更高的楼层。这一次的诚实回答是：我们还不知道上面是否还有楼层。在知道之前，我选择把梯子留在手里。