将您的思考外包给 AI，它将取代您

微软 AI 部门负责人穆斯塔法·苏莱曼（Mustafa Suleyman）最近分享了一个令人恐惧的预测：在接下来的 12 到 18 个月内，大多数或甚至所有白领工作将被人工智能完全自动化。苏莱曼先生并不是第一个分享这种假设的人（我指的是 Dario Amodei 和他的 5 年 AI 判断对世界的影响），也绝不会是最后一个。但让我分享一个有争议的观点：AI，无论是在 18 个月还是 5 年内，都无法取代白领工人。但如果我们停止思考，它就会。

而我并不是说它不会被集成到大多数流程中，或者它不能帮助人们处理工作量。这已经正在发生。但是，取代人类思维，消除人类输入，这是 AI 无法完成的任务（除非我们作为人类用 AI 代替我们的决策引擎）。

为什么人类思维不能和不应该被外包

有三个具体的原因，我总是会想到，当有人告诉我 AI 即将取代每个人。每一个都是人类大脑可以做到的事情，每一个都是 AI 无法复制的事情。

AI 不能拥有人类大脑的背景

当一个人做出判断时，他们不像语言模型那样，只是根据一般概率预测下一个词。他们正在利用整个生活经验，这些经验编码在多个系统中：我们的个人记忆，我们的习惯，以及这些时刻的情感风险。这种集体的过去使大脑能够不断地猜测接下来会发生什么，并在现实证明它是错误的时更新其观点。背景，即每个感知的基础，是人类大脑可以做到的事情，而 AI 无法复制。

大型语言模型的工作方式不同。其权重来自于它被训练的有限文本语料库，它不再有机会访问这些语料库。它没有感知循环，没有来自它必须生活的世界的预测错误。可供它使用的“背景”是提示窗口中发生的任何事情。它以前从未进入过这个房间。当我们做出一个判断，依赖于知道什么是正常的，什么在前面，什么在风险之中，我们正在运行一个预测，基于我们一生的经验——个人和代代相传的经验。模型是在文本数据库中进行模式匹配。两种非常不同的操作，没有任何上下文窗口的扩展可以弥补这一差距。

知道名字和知道事物不同

这句话来自诺贝尔奖获得者理查德·费曼（或更具体地说，是他的父亲）。他认为，简单地记住标签或定义并不意味着了解这个话题。真正的理解来自于经验和理解。

查理·芒格，一位美国商人和投资者，建议使用“司机知识”这个术语来描述这种表面层次的学习。这个轶事是关于物理学家马克斯·普朗克的司机，他听了普朗克关于量子力学的讲座这么多次，以至于他可以背诵出来。然后他在慕尼黑代替普朗克发表了讲座，结果非常成功。但是，当有人问他问题时，他当然无法回答。而这就是“司机知识”和通过多年工作和奋斗获得的普朗克知识之间的区别。

今天的大型语言模型是我们曾经建造的最先进的“司机”。它们可以背诵量子力学，总结哲学，起草合同，甚至可以押韵。但是，需要经验而不是模式识别的东西，例如知道为什么一个品牌在一个市场有效但在另一个市场无效，这是人类所独有的，并且是驱动决策的东西。

但是，了解为什么一个品牌在一个市场有效但在另一个市场无效，这并不是简单的模式识别。经验是人类所独有的，并且是驱动决策的东西。

然而，我们和 AI 之间的主要区别不是数据处理，而是所有权

人们（或者至少一些人）能够对自己的行为负责，拥有后果，感到羞耻，学习并避免再次犯错，这是使我们的思维和决策如此独特的原因。AI 不会感到羞耻。它不会为一个错误的决定而失眠。它不会记住一个失败的交易，或者一个没有成功的策略。模型给出答案，答案被证明是错误的，模型继续处理下一个提示，就像什么也没发生一样（因为对它来说，什么也没发生）。没有内部成本来承担错误的后果，也就没有压力去做对下一次的决定——这正是推动人类进化和改进的东西。

十年前，我在风险投资公司工作，分析初创公司，我们看到了自动驾驶交易。即使在 2026 年，自动驾驶汽车的原型也比人类驾驶员更安全。技术是有效的。所以，为什么我们的城市里还没有充满自动驾驶汽车？因为自动驾驶汽车的责任还不明确。当发生事故时，法律体系真的不知道该责怪谁——是打开开关的人，制造商，还是软件开发者。直到这个问题有了答案，我们才会被困住。技术已经超越了应该承担它的责任框架。

而这就是为什么我认为 AI 不会取代白领工人，但会取代那些把所有思考都外包给 AI 的人。如果你用快速的答案换掉判断、背景和所有权，你就不再是带来价值的人。到那时，你的雇主不再需要你，他们可以直接和模型交谈。

如何在 AI 时代不失去我们的思维（和工作）

虽然我真正相信 AI 不能取代人类思维，但我也可以看到人们陷入快速获取结果的诱惑。有了 AI，你不再需要大脑来得到答案。你只需要输入问题。曾经迫使我们思考的阻力已经被移除，这听起来很棒，直到你意识到阻力才是大脑被构建的原因。

而这就是工作的问题又回来了。AI 不会取代白领工人这个类别。但它会取代那些把所有思考都外包给 AI 的人。如果你用快速的答案换掉判断、背景和所有权，你就不再是带来价值的人。到那时，你的雇主不再需要你，他们可以直接和模型交谈。

所以，在 AI 时代保持工作和保持思维都归结为同一个问题。以下是四个习惯，你需要解决这个问题。

AI 应该增加好奇心

AI 对你的大脑的影响完全取决于你如何使用它。如果你是好奇的，愿意深入探索，AI 就会成为你最好的学习伙伴。比维基百科更好，比任何书更好，因为它可以用五种不同的方式解释同一个想法，直到你明白为止，并且可以跟随你进入任何你想要的兔子洞。或者你可以提示它帮助你更好地记住信息——比如练习间隔重复，直到你真正理解这个概念。

对于不感兴趣的人，AI 做了相反的事情。它接管了他们本该自己做的思考。他们得到了输出，没有付出努力，努力才是最重要的部分。随着时间的推移，这种能力就会退化。工业革命之后，当机器使体力劳动不再普遍时，我们建造了健身房来给我们的身体提供锻炼和维护。同样，我们将需要“精神健身房”来保持大脑的健康。

2025 年， MIT 媒体实验室进行了一项研究，54 名参与者在四个月内写了文章，分为三个组：ChatGPT、搜索引擎和仅使用大脑。在他们写作的同时，脑电图正在跟踪他们的大脑活动。最后，ChatGPT 组始终显示出最低的神经连接性，并产生了老师们描述为“没有灵魂”的文章。仅使用大脑的组反而具有最强的脑活动。

但最有启发性的部分出现在最后一节，当研究人员交换了组别。仅使用大脑的人，一旦被给予 ChatGPT，就超越了所有人。他们首先建立了思考能力，然后在其基础上使用 AI。其他组无法赶上，因为他们跳过了建立能力的部分。

学习是一个动词，所以它不能是被动的

为了使学习有效，理论必须与实践相结合。阅读一个想法是一种输入；使用这个想法做某事是另一种输入。点击、回答、应用、犯错然后再试一次——这些活动会吸引大脑的不同部分，而被动消费不会，并且会让你保持对材料的关注。

苏格拉底几千年前就已经意识到了这一点：他从不直接给学生答案，而是迫使他们首先自己产生答案（通常是错误的），然后再纠正他们。我自己作为一名数学专业的学生也体验到了这种哲学的好处：我们只为记住理论获得半分信用，另一半信用需要我们证明它。这种对基础理解的关注使我们能够更好地记住和应用概念。

教学一个主题可以让你的知识提升到下一个层次，使你不容易陷入“幻觉的能力”这种心理陷阱，并且可以更好地理解这个主题。当你需要清晰地解释一个想法，并且多次以不同的方式解释它时，你不可能不理解它自己。理查德·费曼曾经有理由说：“如果你不能简单地解释它，你就不理解它。”

数字支持这一点。在安全培训研究中，积极学习者比被动学习者保留了更多信息（93.5%对79%）。更广泛的 学习金字塔来自缅因州贝瑟尔的国家培训实验室，在每个层次都显示了相同的模式：

没有可靠来源的数据就是谣言

是的，人们应该质疑他们从 AI 得到的答案。他们应该要求来源，当没有来源时，他们应该持怀疑态度。

但是，有一个更大的问题，它是验证 AI 输出的难度越来越大。模型引用不存在的来源，歪曲真实来源的含义，在同一段落中混合准确信息和虚构信息，并且没有明确的方法来区分哪一个是哪一个。

此外，互联网上的内容越来越多是由 AI 生成的，这意味着模型现在正在从其他模型的输出中学习。原始的人类编写的来源被埋在了自动生成的内容下面。

这就是为什么我认为可靠的知识仍然必须来自人类。如果我们不能完全信任模型，也不能完全信任模型背后的来源，那么人类的经验就是唯一可以依靠的东西。

正如托尼·罗宾斯曾经说过：“如果你想成功，找到已经实现你想要结果的人，并复制他们的做法，你就会实现相同的结果。”一个真正做过这件事的人，花了多年时间工作，付出了错误的代价，建立了真正的知识——这种来源是值得信赖的。

没有背景，细节就丢失了

另一个有助于使用 AI 学习的习惯是抵制直接跳到具体问题的诱惑。大多数人，当他们想知道某件事时，会直接将具体问题输入聊天机器人，并直接接受答案。问题是，他们会错过答案所依赖的整个背景。脱离背景的具体信息很容易被误解。

我是一个历史爱好者，所以让我给你一个历史例子。 葛底斯堡演说是林肯在 1863 年美国内战中最血腥的战役之一的战场上发表的演说。想象你需要写一篇关于它的文章。你要求 AI 分析并得到一个干净的分析，包括词语、结构和修辞手法。

但是，你能在不知道内战本身的情况下写这篇文章吗？可能不能。你不会理解为什么这场战役如此重要，或者为什么在这个战场上发表的演说具有如此重大的意义。你不会理解战争已经从维护联盟转变为结束奴隶制，而演说是林肯重新定义国家为何而战的方式。你不会看到几乎每一行背后的政治紧张，因为对你来说，这些行只是一些关于悲惨事件的好词句。

没有内战的背景，演说读起来像是一篇简短的悼词。有了背景，你正在读一个国家自我理解的转折点。这种细微差别是 AI 只有在你已经知道足够多的东西来询问它时才会给你的东西。

同样的原则适用于几乎任何你可能使用 AI 的事情。先从广泛的视角开始。获得一般的图景。然后深入到具体细节中。它们将在有了背景之后才有意义。

结论：AI 是一个工具，工具需要手

人类历史上的每一次重大技术飞跃都引发了同样的恐慌。计算器将使我们忘记数学。互联网将使我们忘记如何思考。搜索引擎将杀死我们的记忆。然而，我们仍然在这里，仍然在计算，仍然在思考，仍然在记忆，只是拥有了更好的工具。

AI 是下一个这样的例子，也许是我们建造的最强大的工具。它可以写作、总结、分析、起草、翻译、编码，并且可以比我们任何人都快地完成所有这些。但是，它不想要任何东西。它不能关心结果。它不能生活在错误的后果中。这些部分的工作仍然属于我们，并且是决定工作是否良好的部分。

在接下来的十年中，会在 AI 时代茁壮成长的人将是那些保持好奇的人，继续提问的人，并且使用 AI 来学习得更快、思考得更深入的人，而不是使用它来跳过思考。他们将是那些带来价值的人——判断、背景和决策的所有权。所以，不，AI 不会取代你或使你失去工作。但是，如果你停止思考，那么你可能会被取代。