本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust
1994年，两位从苏联移居美国的艺术家维塔利·科马和亚历山大·梅拉米德，做了一件很像今天AI公司的事。
他们没有从灵感开始，而是先找来一家民调机构，问了1001名美国人近百个问题：你喜欢蓝色还是红色，曲线还是直线，室内还是户外，历史人物还是普通人，画里最好有没有动物，有水会不会更好看。
答案被换算成百分比，最后拼成一张“美国人最想要的画”。
那幅画横向铺开。远处是蓝天和山，近处是湖水，岸边有树，有鹿，还有一只与北美风景格格不入的河马。乔治·华盛顿站在画面中央，旁边散步的人衣着整齐。每一个局部都有民意支持。44%的受访者偏爱蓝色，风景胜过抽象，水面讨喜，历史人物也讨喜。
可它们凑在一起之后，画面却产生了一种奇怪的僵硬感。你很难说它难看，却更难对它产生真正的感情。它面面俱到，基本不会得罪任何人，也因此没有留下属于某个人的痕迹。
后来，科马和梅拉米德把同样的实验做到了十几个国家。不同地方的人各有偏好，最后出现的“最受欢迎作品”却反复回到相似的蓝色风景。投票本来要表达差异，统计把这些差异加工完，留下的却是一片世界通用的湖水。
这幅画很像我们正在进入的文化。
今天，越来越多的人把邮件交给AI，把汇报交给AI，把文章的开头、旅行的路线、学习计划，甚至一段关系出了问题之后该怎么办，也交给AI。很多人沉迷于AI的情感交流，甚至有人因此而自杀。
必须承认，多数时候，AI做得确实更好。哈佛商学院与波士顿咨询公司曾对758名顾问做随机实验。在落入模型能力范围的任务上，使用GPT-4的人多完成了12.2%的子任务，速度快了约四分之一，作品质量提高约三成。表现原本处在后半段的人，收益尤其大。
这也是AI最迷人的地方。它没有以暴力闯进生活。它先替我们省下二十分钟，再替我们免掉一次尴尬，慢慢变成一个随时在线、永远耐心、几乎不发脾气的助手。
然而，问题就出在这里。
一个人身边如果长期站着这样的助手，他会变得更强，还是会越来越难以独自完成一次判断？如果几亿人都在向少数几个模型寻求答案，个人能力普遍提高之后，整个社会会不会反而越来越像？
AI真正可能制造的，并非一群什么都不会的人。更现实的情形是：人们会做得更多，看起来也更能干，只是越来越少有人知道，那些想法究竟从哪里来，自己为什么要这样生活。
这是一种新型的幼稚。我们可能会在AI的豢养下，进入一个普遍巨婴的时代。
永不撒手的帮助，为什么会阻止成年
英国儿科医生和精神分析学家温尼科特，曾提出一个很有意思的概念，叫“足够好的母亲”。
这个词经常被理解成父母不必完美。它更深的一层意思，却和失败有关。
婴儿刚出生时，照料者需要尽可能及时地回应。饿了有食物，冷了有人抱，哭声能够换来一张熟悉的脸。在生命最初的阶段，这种近乎完全的照顾让孩子相信，世界大体是可靠的。
随后，照顾会逐渐出现一点缝隙。回应不再每次都立刻到来，愿望也不会全部实现。孩子开始等待，开始忍受失望，还要在母亲没有出现的几分钟里，自己处理那一点焦虑。
温尼科特认为，这些小小的、不至于摧毁安全感的落空，正是成长中关键的一部分。母亲当然仍然爱孩子，只是她会随着孩子能力增长，慢慢减少对他的完全适应。孩子正是在这种可以承受的缺口里发现：世界不会围绕我运转，但我有办法活下去。
换句话说，好的帮助里藏着一次缓慢的撤退。
它最初替你挡住现实，后来把现实一点点还给你。它的目标不该是永远证明自己有用，而是让接受帮助的人最终能够离开。
今天的AI恰好朝着另一个方向发展。
它不累，也没有自己的生活要回去。你凌晨三点问它“我该不该辞职”，它不会说今天先睡吧。你让它再给十个方案，它也不会显出不耐烦。更重要的是，一个按订阅、活跃度和使用时长计算价值的产品，并没有多少动力等你毕业。一个用户如果因此减少使用，在商业指标上就会被记成流失。
所以我们正在拥有一种历史上很少出现的照顾关系。它全天候存在，回应越来越精确，顺手记住那些连你自己都会忘掉的偏好。
未来的个人智能体或许比大多数朋友更了解你的日程。它替你预订餐厅时会避开不喜欢的座位，会议还没开完，纪要已经安静地躺在邮箱里。甚至在你想买一本书的时候，它大概已经知道，这本书最终会不会被你读完。
这些当然都是能力。麻烦在于，我们很容易把“系统了解我”误认成“我了解自己”。
两者中间隔着一段没有人能替代的工作。一个人需要在经验里碰壁，回头辨认欲望，承担选择造成的后果，才能逐渐形成自己的判断。AI可以帮助分析后果，却无法替你承担后果。它可以复制你的表达习惯，却没有活过那段让你形成习惯的人生。
我过去谈AI，提醒大家守住自己的“判断力基线”。后来又写过，当智能体取得行动权，人的优势可能转移到是否拥有现实接口和承担风险的能力。现在回头看，这两件事其实连在一起。
记忆先被托管，判断随后被建议，行动再被自动执行。每一步单独看都很合理，连起来之后，人却可能从生活的作者，慢慢变成一套优秀服务的授权人。
有些教育家曾批评现代机构会制造对自身的依赖。医疗系统不只治疗疾病，也会重新定义什么算健康；学校不只传授知识，也会让人相信，未经认证的学习不算学习。AI把这种逻辑推得更深，因为它同时进入了学习、工作和私人生活，而且能够根据每个人的反应即时调整。
一个从来不肯撒手的帮助者，最后培养出的未必是无能的人。更常见的结果，是一个在帮助之下表现很好的人。一旦环境突然撤掉，他才发现自己的能力没有想象中稳定。
2025年发表于《自然评论心理学》的一篇综述梳理了认知卸载研究。把信息写进清单、日历或设备，通常能改善眼前任务的表现，这是外部工具存在的意义。但研究也发现，如果人们以为外部记录可靠，后来却意外失去访问，表现可能比一开始只依赖内部记忆还差。
真正需要警惕的并不是“用了工具”。风险来自另一件事：我们在工具仍然存在的时候，很难察觉自己已经失去了什么。
AI正把人类文化压入高概率走廊
我以前分享过一篇文章，题目叫《新的控制型社会》。那篇文章追溯了一个上世纪90年代已经出现的变化。
1990年，法国哲学家德勒兹写下《控制社会的后记》。他认为，现代权力正在离开监狱、工厂、学校这些边界清楚的封闭场所。新的控制不必把人锁在一个地方，它通过密码、信用、持续考核和不断变化的准入条件，跟着人在社会里移动。
工厂有围墙，控制社会没有明确的下班时间。学校的考试会结束，持续评估却不会结束。一个人不再只在某个机构里接受管理，他变成一串可以随时更新的数据：点击了什么，停留多久，买过什么，又对哪一种措辞产生反应。
这套机制最厉害的地方，在于它很少要求你服从。它先替你排好眼前的选项，再根据过去的反应预测下一步。选择仍然发生在自己手上，眼前的道路却已经被修出了不同的宽度。
AI正在给这条路铺上更平整的路面。
大语言模型常被说成一个“平均值机器”，这个说法很形象，却不够准确。模型并不是把所有人的句子求一个算术平均。它在训练中学习大量语言模式，生成时根据已有上下文，为下一个词元计算概率分布。温度、采样方式、系统提示、对齐训练和用户给出的材料，都会改变最终答案。一个模型完全可以写出古怪、尖锐甚至前所未见的组合。
可是在默认状态下，它仍然有一条自然的滑行方向。
在缺少足够语境时，训练材料里反复出现的语言连接，更容易成为模型的默认方向。产品又倾向于奖励清楚、安全、礼貌、普遍可接受的回答。到了用户这一端，大多数人并不会花半小时建立复杂的私人语境。他们只想迅速得到一个能用的版本。模型、平台和人的省事本能叠在一起，就形成了一条“高概率走廊”。
走廊里的内容并不差。恰恰因为它通常像样，这个问题才难以被发现。
AI能帮人跨过原本的能力门槛。邮件变得得体，方案有了完整结构，原本磕绊的文字也顺滑起来。问题发生在几百万人同时使用相近的模型，又用相似的指令索取“更专业”“更有逻辑”“更容易传播”的版本。那些带着方言、职业偏见、地方经验和个人怪癖的表达，就在这个过程中被修成同一种稳妥和顺滑。
这种趋同已经能在小规模实验里看到。2024年，《科学进展》发表了一项短篇故事实验。参与者可以不用AI，也可以获得一个或五个由AI提供的故事点子。与完全不用AI的人相比，拿到五个AI点子的写作者，作品的新颖度评分平均高出约8%，有用性评分高出9%，对原本创造力较弱的写作者帮助更明显。但研究者比较所有作品后发现，使用AI的故事彼此更相似了。
这是一个很有诱惑力的交换。每个人都越过了自己的平均线，群体却向某种共同的答案靠近。
当然，这项研究只有293篇八句话的微型故事，使用的提示方式也很有限。它不能证明AI必然导致文化同质化。另一项后来发表在计算机协作会议上的动态实验，甚至发现高强度接触AI点子提高了群体创意的多样性。2026年的研究还提示，如果模型被设计成差异明显的多个人格，同质化效应可以减弱。
这些反例很重要。它们说明“高概率走廊”不是技术宿命，更像一种默认的产品结果。模型给出的候选范围只是一层。用户愿意带入多少私人材料，会把结果推向另一个方向；平台的奖励指标，又决定了哪一种用法更容易扩散。
真正令人担心的，是现实中的激励恰好偏向趋同。
对平台来说，答案稳定最重要，企业也不会为不可控的内容买单。用户就更简单了，他只希望第一次生成就能交差。那些来自漫长生活、私人阅读和失败经验的东西，输入成本很高，又难以标准化。
相比之下，公共模型提供的通用答案便宜、迅速，还能通过数据不断优化。长此以往，少数模型就会变成社会的共同修辞层。人们仍在谈不同的话题，却越来越习惯用同一套方式理解自己。
上世纪的互联网经历过一次规模更小的预演。
Usenet是万维网出现前最重要的公共讨论系统之一。它由分散在不同服务器上的新闻组构成，有点像后来BBS、网络论坛和Reddit的远祖。
早期Usenet每到九月都会涌入一批大学新生。新人不知道旧社区的礼仪，会重复提问，也会破坏讨论秩序。老用户虽然抱怨，通常过一阵子就能把他们吸收。1993至1994年间，商业网络服务开始把大批家庭用户接入，AOL又用免费试用磁盘做大规模推广。新人不再按学年一批批到来，涌入变成了常态。老网民给它取了一个名字：“永恒九月”。
很多人后来把这个故事讲成精英对大众的傲慢。那当然是其中一部分。可它也揭示了文化形成的一个基本条件：共同体需要时间消化新人，需要有人示范规范，还需要新人有机会从笨拙走向熟练。如果输入速度永远超过吸收能力，文化就很难积累，只能不断回到最低限度的公共语言。
AI带来的“永恒九月”更隐蔽。新进入者不再只是人，也包括每天批量出现的文本、图片、评论、课程和建议。它们看起来都完成度很高，数量却远远超过共同体辨认质量和形成规范的速度。其中一部分内容又会进入搜索、社交网络与未来的训练材料，成为新的环境。
于是，一个循环开始运转：人从模型那里取得表达，表达进入公共文化，模型再从公共文化中学习。只要其中缺少足够强的异质来源，循环就会把高概率内容越磨越亮，把边缘经验推到更难被看见的地方。
最有效的控制很少需要封死其他道路。只需要把其中一条路铺得足够平，人就会自己走上去。
是进化，还是退化？
问题到这里会绕回来。人类文明本来就是一部能力外包史。
从文字诞生起，人就把一部分记忆交给了纸张。地图出现以后，我们不必再记住每一条路。后来，钟表和计算器又接走了时间感与复杂的心算。今天很少有人会因为自己背不出全部电话号码，就认为文明已经退化。如果外包本身有罪，那么书籍大概是最早的一批嫌疑人。
1998年，哲学家安迪·克拉克和大卫·查尔默斯提出“延展心智”。他们设计了一个后来很出名的思想实验。
英加和奥托不是真人。他们是两位哲学家为了讨论一个问题而虚构的角色：人的记忆究竟止于头脑，还是可以延伸到外部工具？
英加的记忆功能正常，她记得纽约现代艺术博物馆在第53街。奥托患有阿尔茨海默病，把重要信息写在随身笔记本里。要去博物馆时，奥托翻开笔记本，找到地址，然后出发。
克拉克和查尔默斯问：如果英加脑中的记忆算信念，奥托长期依赖、随手可用的笔记为什么不能算他认知系统的一部分？
这个问题改变了“工具”的位置。纸和笔不只是在头脑之外提供帮助，它们可以参与思考本身。照这个思路，搜索引擎、知识库和AI当然也可能成为心智的延伸。一个善用AI的人，有机会触及过去只有团队才能处理的信息量，也能把有限的注意力留给更困难的判断。
所以，把所有认知外包都叫作退化，结论站不住。前面提到的顾问实验已经显示，AI能真实提高工作表现。认知卸载研究也反复发现，外部工具可以减轻记忆负担，改善当下任务。我们真正该问的，是延伸出去的那一部分心智由谁塑造，又能不能被自己收回来。
奥托的笔记本有几个朴素的特点。内容主要由他写下，规则不会在夜里改变，它也不会为了提高使用时长主动重排奥托的人生。今天的AI要复杂得多。它会生成内容，会揣测意图，还可能代表我们采取行动。它背后有模型更新、平台规则和商业目标，用户通常看不见这些东西如何改变答案。
AI当然没有天然恶意。麻烦在于，我们的“延展心智”第一次大规模建立在别人拥有、随时更新、能够反过来劝说我们的基础设施上。
判断一个人有没有被工具削弱，可以看一个更实际的标准：他是否还保留目标的制定权，是否知道建议背后的取舍，到了重要关头，能不能把手重新放回方向盘。
对于普通人，这并不要求戒掉AI。更有效的做法，可能是给思考保留一小段未经辅助的时间。写文章之前，先写下自己真正想说的那句话。面对重要选择，也别急着打开模型，花几分钟辨认自己最害怕失去什么。等这些东西有了一个粗糙的轮廓，再让AI来挑错和找反例。它适合帮助我们修改判断，不适合替我们提供第一个欲望。
还要保留自己的材料。那些没有公开发布的笔记，一次失败后留下的判断，长期阅读形成的偏好，看似零碎，却是你走出公共模型平均值的路标。私人知识库的价值也在这里。它不只为了让AI更懂你，更重要的是提醒你，哪些东西在AI出现之前已经属于你。
真正成熟的人并不拒绝依赖。谁都依赖语言、制度和他人。成年意味着能够选择依赖，知道代价，也能在关键时刻承担不被帮助的那一小段路。
一个永不高中毕业的社会
两百年前，托克维尔在《论美国的民主》里想象过一种未来的权力。
它不像传统暴君那样残酷。它温和、细致，替人预见需要，安排主要事务，保障安全，也让快乐更容易获得。
托克维尔说，这种权力很像父母，差别在于真正的父母希望孩子长大，而它试图让人停留在“永久的童年”。久而久之，它替人省掉思考的劳苦，也省掉生活的麻烦。
过去读这段话，我们很容易想到国家。今天再读，那个家长也可能先以订阅制软件出现。AI作为一种媒介，正在把这种监护关系带进最私人的日常。
它不命令你，只是越来越懂你。它很少夺走选择，只是提前完成筛选。你仍然可以拒绝，但接受建议通常更省时间，也更像一个理性的人会做的事。当工作、消费、恋爱和学习都被同一类系统温柔地托住，人的自由不会在某个戏剧性的时刻消失。更可能发生的是，我们使用自由的次数逐渐减少，最后只剩下对系统建议点“确认”。
这会给社会带来一种很矛盾的景象。
即使生产率继续上升，个人看起来也拥有空前多的选择，一旦系统出错，人们仍会越来越难解释自己的决定。决定的形成过程早已分散在模型、数据和推荐之中。
文化产品数量暴涨，独特经验却未必按同样速度增加。到了公共生活里，人们一面反感被管理，一面又会要求某个更强的系统消除不确定性，替自己预判风险，最好也替自己承担失败。
巨婴社会并不是人人任性哭闹的社会。它甚至会显得文明，运行也很平稳。服务已经周到到很少有人必须独自解决问题。生活在其中的人熟练调用各种能力，却没怎么经历能力形成的过程。系统一旦出错，他们会本能地寻找负责的对象。最稀缺的品质，最后也许不再是聪明，而是愿意说“这是我的判断，后果由我承担”。
AI当然也可以换一种设计。它不必急着给答案，可以等用户形成初步判断之后再介入。遇到不确定的地方，系统应该把它说清楚，也提醒人哪些部分正在被代劳。一个真正站在人成长一边的助手，有时需要降低自己的存在感，甚至允许用户在安全范围内走一段弯路。
帮助的最高形式，是让一个人逐渐不再需要同样强度的帮助。可是，这和今天许多产品追求的目标恰好相反。它们希望更高频地出现，更早参与决策，最终成为离开就会不适应的基础设施。
未来最重要的数字鸿沟，未必只在于谁能使用更强的模型。它还会出现在另一条线上：一边的人用AI延伸自己的心智，借它进入过去无法到达的地方；另一边的人把心智安置在AI里面，生活越来越顺，能够由自己回答的问题却越来越少。
也许有一天，每个人身边都会有几十个智能体。它们记得他的过去，也把工作与健康安排妥当。连一段体面的社交关系，都可以由系统在后台维持。
到那时，一个人仍然需要独自回答的问题，可能只剩下一个：我究竟想把这一生带到哪里？
而我们是否还保留着回答它的能力，取决于今天有没有为自己留下那些无法外包、也不那么舒服的时刻。【懂】