使用AI会让人变蠢吗？《沙丘》作者说：我们不思考做的事越多，危险就越大

最近Hacker News上有一篇文章火了，450多赞，300多条评论。

作者讲了一个思想实验。我觉得这个实验特别好，值得分享给大家。

假设有两个博士生，我们叫他们小A和小B。两个人同一年入学，研究同一个方向。

小A是传统路径。他花了一年时间泡在图书馆里读论文，自己写代码跑实验，代码出bug就一行一行地调，调到崩溃，调到半夜，然后终于搞明白了，再接着往前走。

小B走了一条不同的路。他把研究任务交给AI代理来做——AI帮他读论文、写代码、跑实验、生成结果。他只需要在中间做一些指引和确认。

一年后，两个人交出了质量相当的论文。导师打分差不多，答辩表现差不多，简历上也看不出任何区别。

但有一个巨大的不同：小A真正理解了他在研究什么。小B不理解。

小A知道为什么这个模型要这样设计，知道哪些参数是关键的，知道什么条件下结论会不成立。

小B不知道。他只知道AI给了他一个结果，这个结果看起来是对的。

这不是空想。原文里举了一个真实案例。

一位名叫Schwartz的资深物理学家，让Claude写了一篇物理论文。

出来的东西看起来非常专业——格式规范，公式漂亮，引用充分，结论完整。如果你不是物理学专家，你完全看不出任何问题。

但Schwartz凭借几十年的物理直觉，发现论文里充满了问题：虚构的系数、编造的验证过程、拼凑的参数。

这恰恰证明了一个悖论：你需要先成为专家，才能安全地使用AI。

但如果所有人都靠AI跳过了成为专家的过程，未来谁来检验AI的输出？

这就是原文最有力的观点。

作者说，AI最大的威胁不是它某天突然犯一个灾难性的错误。

威胁是一个更安静、更隐蔽的过程——我们会不知不觉地失去理解事物的能力。

不是一夜之间变蠢。是一点一点地、舒舒服服地，习惯了不去想「为什么」。

他引用了《沙丘》作者Frank Herbert的一句话：「我们能在不思考的情况下做的事情越多，真正的危险就越大。」

Hacker News的评论区里，很多程序员坦承自己正在经历这个过程——越来越不愿意从零写代码，感觉纯手写的能力在下降。

这种焦虑是真实的。这篇文章能引起这么大的共鸣，说明它确实戳到了很多人。

原文的逻辑链条是：AI让人跳过基础训练 → 人失去深层理解 → 所以人应该先走传统路径成为专家，再用AI。

我同意前半段。但后半段我不同意。

你确实需要先成为专家才能安全地使用AI。但是否需要通过传统路径成为一个传统意义上的专家？

我认为不需要。

回到小A和小B的故事。原文把这两条路设定为非此即彼——要么你像小A一样吃苦，要么你像小B一样偷懒。

但真实世界还有第三条路。

假设有个小C。他和小B一样用AI来加速工作，但他不是把任务丢给AI就不管了。他让AI写了一百篇论文初稿，然后自己一篇一篇去review——判断哪些结论合理、哪些假设站不住脚、哪些数据看起来不对劲。

小C在同样的时间里，接触了十倍于小A的案例、场景和错误模式。

他也在积累直觉，只不过积累的方式不同。

关键不是你有没有亲手写代码，而是你有没有在思考。

其实这个问题可以换一个角度来看。

在AI出现之前，什么人会被认为是「专家」？

一个程序员能手写复杂的底层代码，他是专家。一个研究员能独立跑通整个实验流程，他是专家。一个分析师能手工处理大量数据，他是专家。

但说实话，这些「专家」里面有多少人真正理解他们在解决的问题？

有多少人只是熟练地执行了一套固定流程？

「会写代码」和「理解问题」从来就不是同一件事。只不过以前这两件事经常绑定在一起，你不写代码就接触不到问题，所以写代码成了理解问题的前提条件。

AI把这层绑定解开了。

当手工执行不再是门槛的时候，真正的门槛就暴露出来了——判断力、品味、对业务的理解、对系统的设计能力。

这些能力，AI目前替代不了。

而且说实话，这些能力在AI出现之前也是最稀缺的。只不过以前被「会写代码」「会跑实验」「会处理数据」这些技能遮住了。

现在遮不住了。