人工智能疲劳是真实的，但它不是你想象的那样

目前有一个正在形成的叙述正在引起很多关注：人工智能正在耗尽我们的精力。工程师们正在发布比以往更多的代码，并且感觉比以往任何时候都更糟糕。”人工智能疲劳”的说法正在流传，各种观点也在不断增加。

一位软件工程师在 Business Insider 上写道，最近一个季度是他最富成效和最疲惫的季度。Steve Yegge，这位编写了关于氛围编码的书籍的人，告诉 The Pragmatic Engineer ，他白天会小睡一会儿，并且将真正的AI增强工作限制在三小时内。创业公司的创始人在下午2点就会感到疲惫。这个月最广泛分享的帖子之一警告说，AI对使用它最多的人有”吸血鬼效应”。

这里没有人似乎注意到：报告最疲惫的人并不是怀疑者。他们是真正的信徒。

那些被困在Yegge采用规模第一级的工程师，完全忽略AI的人，感觉还可以。有点焦虑，也许，但不感到疲惫。那些已经全身心投入的人，运行多个代理，编排复杂的工作流程，以他们从未想象过的速度发布代码的人，回家后却筋疲力尽。

这种模式应该告诉我们一些事情。我认为它告诉我们的就是”人工智能疲劳”的诊断完全错误。

你没有疲劳问题，你有一个训练问题。

想想你第一次硬拉的感觉。不是特别重的重量。只是这个动作本身。你第二天早上醒来，整个身体感觉像被拆卸然后重新组装了一样。你的腿很疼。你的背很疼。以前不知道存在的肌肉以最不愉快的方式让你知道它们的存在。

如果有人那天测量你的产出，可能看起来很糟糕。你几乎无法坐下而不感到疼痛。你可能合理地得出结论，硬拉是不可持续的，人类的身体不是为此而设计的，成本超过了收益。

但当然，六个月后你将会举起两倍的重量，并且在之后感觉良好。你的身体建立了新的通路。它适应了。曾经需要每一丝有意识努力的动作现在变得自动化了。疼痛并不意味着你已经坏了。它意味着你正在建立一些新的东西。

这正是发生在AI增强工作中的事情。

没人谈论的认知负荷

当你传统方式编写代码时，你的大脑正在运行一个磨练良好的程序。你已经做了这件事成千上万次。你知道按键，模式，调试节奏。这就像开车去上班：技术上很复杂，但由于你已经练习过了，所以你可以边做边想着晚餐。

AI增强工作是一个根本不同的认知任务。你不再编写代码。你在指挥，评估，决定，在多个代理之间切换，审查你没有编写的输出，同时在AI做出你需要实时验证的实现选择时保持架构意图在你的脑海中。

这不是同样的工作做得更快。这是一个完全不同的工作。而你的大脑还没有为此建立高效的通路。

每个决定仍然是有意识的。每次审查都需要主动努力。你正在监控质量，在并行工作流中保持上下文，不断对AI输出做出判断。这就是为什么三小时的工作会让你比八小时的传统编码更疲惫的原因。这是认知上的等同于你第一次去健身房的感觉。

采用曲线实际上是疲劳曲线

Yegge的八级框架用于 AI采用 几乎完美地映射到一个疲劳曲线上，尽管我不认为这是他的本意。

在第一级和第二级，你几乎没有使用AI。自动补全，一个问题，什么的。没有太多的认知负荷。没有太多的疲劳。

在第三级到第六级，你处于深水区。你已经给代理更多的自主权，你正在以整体的方式审查，而不是逐行审查，你正在运行多个代理，并且不断地在18个月前不存在的工作流中导航。这就是疲劳的所在。这就是重硬拉。

在第七级和第八级，会发生一些有趣的事情。你已经建立了编排系统。AI更自主地工作。你已经学会了什么可以信任，什么需要检查。Matt Shumer描述了这件事：告诉AI要构建什么，然后离开四个小时，回来后工作已经完成。适应开始发挥作用。

疲劳并不均匀分布。它在中间达到峰值，就在大多数早期采用者目前所处的位置。正是因为如此，疲劳感觉是普遍的：最多谈论AI的人不成比例地处于学习曲线中最艰难的部分。

没有人写关于”驾驶疲劳”的文章

记得你第一次学习开车吗？你第一次合并到高速公路上，你可能会像你的生命依赖于它一样紧握方向盘（说实话，这确实很重要）。你开了30分钟的车，回到家后完全筋疲力尽。你的大脑一直处于最大容量：检查镜子，管理速度，预测其他司机，处理路标，一切同时发生，一切都有意识地进行。

现在你可以开一个小时的车，同时半听着播客，吃着三明治。任务没有改变。你改变了。你的大脑为驾驶建立了高效的神经通路，将曾经需要全部意识注意力的任务压缩成背景过程。

没有人写过关于”驾驶疲劳”作为存在危机的文章。没有人建议汽车对其操作员有”吸血鬼效应”。我们直觉地理解，疲劳是暂时的。这是学习新事物的成本。

这就是当前话语中缺少的部分。”人工智能疲劳”被视为一种永久性特征，这种技术的基本特性，而实际上它只是转换成本。它是训练疼痛，而不是慢性疾病。

为什么这比舒适更重要

这种区别不仅仅是语义上的。如何诊断问题决定了你如何解决它。

如果人工智能疲劳是技术的永久特征，那么Yegge的三小时限制就是永久的天花板。公司应该计划让工程师只在一天中的一小部分时间内保持高效。”吸血鬼效应”是入场费，我们只能接受它。

但如果它是训练疼痛，那么剧本就完全不同了。你管理负荷。你逐渐建立。你不会因为疼痛而停止去健身房。并且，你不会假设今天的疲劳水平就是明天的。

那些推动这一阶段的工程师，建立了认知通路来指挥AI工作，审查在正确的高度，跨并行工作流保持架构意图，最终会像开车一样自然地做这些事情。三小时的墙将移动到五个小时，然后七个小时。不因为他们工作得更辛苦，而是因为工作不再以同样的方式费力。

与此同时，阅读关于”人工智能疲劳”的工程师并决定保持在第二级的人，舒适，熟悉，不会感到疲惫，将会发现自己处于更糟糕的位置。

这不仅仅是因为他们跟不上趋势，也是因为他们从未开始过其他人已经完成的训练。

真正的风险：将疼痛与受伤混淆

我想明确一件事。训练疼痛和实际受伤之间是有区别的，这里也适用。

如果你”氛围编码”14个小时一天，睡四个小时，靠肾上腺素支撑，因为新鲜感令人陶醉，那不是训练。那是过度训练。就像在健身房一样，过度训练不会建立任何东西。它会把你拆垮。

Yegge的三小时观察很有价值，不是作为永久的天花板，而是作为当前恢复需求的信号。当你处于训练的早期时，你需要在会话之间有更多的休息时间。随着你适应，你可以处理更多的内容。那些烧坏自己的人不是那些做三小时专注的AI增强工作的人。他们是那些无法停止的人，因为反馈循环太吸引人，这正是我之前写过的老虎机动态。

答案不是避免健身房。它是训练得聪明：高强度的课程，真正的恢复，逐渐的进步。

其他人没有做出的预测

以下是我认为接下来12到18个月会发生的事情。

“人工智能疲劳”的叙述将在今年某个时候达到峰值。将会有更多的文章，更多的担忧，可能还会有一些高调的工程师公开”暂停使用AI工具”。这将感觉像是一次有意义的反弹。

然后它将悄悄地消失。不因为人们停止使用AI，而是因为早期采用者已经完成了适应。三小时的墙将对那些已经做这件事一年半的人来说感觉像是一个遥远的记忆。他们将像以前编写for循环一样，毫不费力地指挥AI工作流程。

那些推动通过疼痛的人和那些没有做到的人之间的差距将会非常巨大。不仅仅是因为AI技能稀缺，而是因为适应本身，能够以指挥、评估和编排而不是逐行实现的方式思考，将会对一组人来说变得第二天性，对另一组人来说却完全陌生。

对训练疼痛的最坏反应一直是相同的：停止去健身房。

这对领导者意味着什么

如果你现在正在领导一个工程团队，请了解你实际上看到的是什么。你的最富成效的工程师也是最疲惫的。这不是矛盾的。这是适应正在进行的最明显的信号。

不要通过减少AI采用来应对。也不要假装疲劳不是真实的。像一位好的教练一样应对：管理训练负荷。预计会有高强度、专注的AI增强工作课程，之后会有真正的恢复时间。给人们许可，在他们建立新的认知技能时，以感觉上减少的时间来工作。产出仍然会是以前的几倍。

那些做对这件事的公司将在年底前拥有适应的团队。那些忽视疲劳或由于疲劳而从AI中退缩的公司将会发现自己面临着最坏的两种结果：筋疲力尽的工程师，他们从未完成学习曲线中最艰难的部分。

我们并不是在经历新技术的副作用。我们处于新工作方式的早期训练周。疼痛是它正在发挥作用的证明。倾斜于它，管理它，并相信你的大脑，就像自然界中的每个其他适应性系统一样，会做它一直做的事情。

它将适应。