当我们越来越习惯把调研、分析、搜索、整理、判断甚至局部决策直接交给 AI，一个很自然的问题会出现：这种变化究竟是在增强人的能力，还是在削弱人的能力？如果从传统“工具提升效率”的视角看，答案似乎很简单。AI 让一个人能够完成过去需要多人、多天甚至更长时间才能完成的工作，这当然是一种能力扩展。但如果把观察对象从“任务完成效率”收回到一个具体的人，问题就开始变得复杂：当感知、认知、决策与行动中的部分闭环逐渐由硅基智能接管，这个人自身的认知结构究竟发生了什么？这个问题不能简单归结为“AI 会不会让人变懒”，也不能用“能力上移”轻易解释。更准确地说，我们正在进入一种新的智能分工形态：人的任务完成能力快速扩大，但过去由人亲自完成的一部分认知活动，正在从个体内部迁移到外部智能系统。由此产生的并不是简单的进步或退步，而是一种人类历史上少见的变化——人的有效智能边界开始突破颅内认知，向人与硅基智能共同组成的复合系统扩展。 从工具辅助到认知闭环委托过去，大多数数字工具主要替代的是认知链条中的局部步骤。计算器替代计算，搜索引擎提升信息获取效率，数据库帮助保存和查询知识，导航系统负责路径规划。这些工具通常接受一个相对明确的问题，然后完成特定功能，人仍然承担问题发现、问题定义、理解、综合和最终判断。 LLM 和 Agent 改变了这种边界。 以一份研究报告为例，传统路径通常包括：发现问题、定义问题、搜集资料、判断信源、阅读理解、建立关联、形成假设、推理验证、形成结论、组织表达，再进一步转化为行动。 而今天，一个足够明确的 Prompt 已经可以触发另一条路径： 人定义命题 → AI 搜索与获取信息 → AI 判断相关性 → AI 阅读与提取 → AI 建立关联 → AI 推理 → AI 形成观点 → AI 写成报告 → 人 Review → 补充、质疑或深化 → 人决定是否采用。 这里发生的变化非常明确。搜索、阅读、归纳、比较、推理、表达并没有因为 AI 的介入而自动迁移成更高级的人类能力，它们在相当多的任务中只是直接退出了人的实际认知过程。 因此必须区分两个长期容易被混淆的概念： 任务能力的增强，并不等于个体认知能力同步增强。 一个人过去一天只能完成一项完整调研，现在可以完成十项，这证明的是他与 AI 组成的系统具有更高的任务吞吐能力，却不能直接证明他的研究能力、理解能力和判断能力增长了十倍。甚至完全可能出现另一种组合：系统能力持续上升，而人的某些原生认知活动发生下降。 这不是反技术的判断，而是需要首先承认的事实。 真正变化的是人在认知链条中的位置更值得关注的不是 AI 替人完成了多少工作，而是人在任务中的认知位置发生了变化。 过去面对一个问题，人的典型行为是先形成某种模糊理解，再搜索、思考、验证和修正。现在越来越常见的行为是：问题刚刚出现，就先交给 AI；AI 给出第一版解释、框架、变量和候选答案之后，人再开始真正进入思考。 于是认知路径从： 刺激 → 人主动形成认知 → 工具辅助 逐渐变成： 刺激 → AI 形成第一版认知 → 人对 AI 输出进行响应。 AI 在这里已经不只是一个认知工具，而开始成为一种认知前置层。 这种变化不意味着人停止思考。相反，人依然会质疑、修正、深化、补充，甚至通过对抗性 Review 显著提高结果质量。但人的思考开始更多呈现出响应性：AI 先提出框架，人进行判断；AI 先给出三个方向，人发现第四个；AI 先形成 80% 的结果，人对其中 20% 做纵深研究；AI 先推理，人再审查推理。 因此，一个值得持续观察的变量出现了：原生认知与响应性认知的比例正在改变。 人的批判能力可能依然很强，但从空白开始形成问题、主动生成初始假设、未经提示发现变量的认知活动，在一些日常任务中可能越来越少发生。 这才使“进化还是驯化”成为一个真正有意义的问题。 感知、认知、决策、行动正在被重新分层如果进一步拆开，一个人的日常智能活动大致可以看作四类相互连接的闭环：感知、认知、决策和行动。 行动委托最容易理解。让 AI 调用软件、整理文件、生成代码、预约服务，本质上延续了自动化发展的方向。只要可靠性、权限和结果可以控制，人没有必要为了证明主体性而坚持亲自点击每一个按钮。 认知委托更进一步。阅读、比较、归纳、推理和综合既用于生产结果，也曾经是训练人的过程。当这些活动被委托出去，人获得了巨大的时间和任务能力，同时也意味着其中一部分认知过程不再真实发生在人脑中。 决策委托则改变人的角色。当系统不仅提供信息，而且给出候选方案、排序、概率、优先级甚至行动建议，人可能逐渐从 Decision Maker 转变为 Decision Approver。最终决定仍然由人确认，但决定形成过程已经有很大一部分发生在外部智能中。 而最容易被忽略的，反而可能是感知委托。 什么值得阅读，什么值得注意，什么是异常，哪些事实最重要，一份材料应该提取哪些重点，今天有哪些事情值得处理——这些看似只是信息整理，实际上决定了后续认知活动究竟发生在怎样的现实切片上。 如果 AI 已经完成了第一次过滤，那么即使之后全部由人分析，人面对的也是一个经过外部智能预处理的世界。 因此，人机共生并不是简单地把“低阶任务给 AI，高阶任务留给人”。现实中的每一个层级都可能由人和 AI 以不同粒度共同完成，而且这种边界会随着模型能力、场景风险和个人习惯不断移动。 “不知道完整闭环”未必意味着退化这里容易出现另一个误区：似乎只有人完整理解每一个过程，才算保持能力。 这同样不符合技术文明的演化路径。 现代城市中的人不需要掌握从播种、养殖、加工、物流到零售的完整食品生产过程，才能正常获得安全稳定的食物；程序员也不需要理解每一个晶体管如何工作，才能构建复杂软件。技术文明本身就在不断把复杂系统封装成更高层次的可调用能力。 AI 也可能使认知活动发生类似变化。 未来一个人未必需要在每一次研究任务中亲自完成搜索、信源筛选、阅读、交叉验证、推理、综合和表达。他可能越来越习惯于： 提出目的 → 定义任务 → 调用智能 → 观察结果 → 必要时下钻 → 决定是否接受和使用。 这并不自动等于认知退化，而可能是一种新的认知劳动形式。 关键不再是“人有没有亲自完成全部步骤”，而是他是否仍然知道什么时候应该相信，什么时候需要追问，什么时候必须重新查看证据，什么时候应该下钻到底层事实。 这类似于一种可下钻的智能抽象栈。 日常状态可能只是： Intent → AI → Result 出现疑问时可以下钻到： Result → Evidence → Sources → Tools → Raw Data 未来真正成熟的人机协作能力，未必要求一个人每次都重新走完整闭环，而可能表现为他能够判断：这个任务需要停留在哪一个抽象层，哪些环节值得信任，哪些环节必须重新展开。 这是一种新的能力形态，但它并不能简单称作传统意义上的“能力上移”。更准确地说，是人的智能操作层发生了变化。 “进化”和“驯化”可能是同一个过程的两个侧面由此再来看“AI 是让我进化还是驯化我”，问题就不应该成为一道二选一。 所谓进化，可以理解为：人的认知活动减少了一部分，但借助外部智能获得了过去不可能拥有的任务规模、信息尺度、分析深度和行动范围，同时仍然能够主动产生问题、形成独立认知，并在必要时理解和介入关键环节。 所谓驯化，也不必被理解成一种负面的技术控制。它更像是一种行为适应：当外部智能长期、稳定、低成本地存在，人自然会逐渐改变自己的认知习惯，把越来越多第一次感知、第一次解释、第一次候选生成交给系统，自己的认知则更多发生在 AI 输出之后。 于是一个人完全可能同时发生两件事情。 他的任务边界、创造范围和行动规模不断扩张；与此同时，一些原本频繁发生的认知活动逐渐减少。 他可能越来越强，也越来越不同于过去那个“强”。 所以真正值得观察的并不是“我是不是用了太多 AI”，也不是试图恢复某种纯粹的人类认知状态。技术演化几乎从来不会这样倒退。 更重要的问题是： 随着外部智能参与越来越深，我的哪些认知活动正在消失，哪些新的认知行为正在形成？ 下一阶段真正值得研究的是“共生”如果 AI 只能偶尔提供答案，我们讨论的是工具。 如果 AI 可以连续完成完整任务，我们讨论的是委托。 而当 AI 拥有长期上下文、记忆、工具、执行能力，并持续参与一个人的感知、认知、决策和行动时，真正合适的研究对象已经变成了共生。 这种共生并不存在固定的人机分界。 有些任务中，人完成 90%，AI 承担局部辅助；有些任务中，AI 完成 99%，人只提出目的并做最终授权；有时 AI 发现异常，人进行判断；有时人提出一个模糊方向，AI 完成持续数小时的搜索、推理和执行；还有一些任务则会在人与 AI 的连续相互提示中共同生成，最终很难再明确区分某一个观点究竟是谁首先产生的。 因此，未来人机协作的核心可能不是明确规定“什么必须由人完成”，而是不同粒度闭环的 ownership 可以动态变化。 人的目标、经验、价值、现实处境和责任，与硅基智能的计算、搜索、记忆、推理和执行能力，将在不同任务中以不同方式组合。 这时候，评价智能的单位也可能发生变化。 过去我们问：“这个人会不会做研究？” 未来越来越可能变成：“这个人与他的智能系统，能不能持续完成高质量研究？” 一个长期伴随个人、理解其历史和目标、可以调用工具并持续学习的 AI，逐渐会成为个人实际能力的一部分。把它完全从个人能力中剥离，再评价“这个人本身会什么”，就像今天评价一个现代工作者却要求他脱离计算机、互联网和软件环境一样，解释力会越来越有限。 于是，人的有效智能可能逐渐从： Human Intelligence 变成： Human × Silicon Intelligence 这里的“×”并不是简单相加。 它意味着彼此改变。 人改变 AI 的上下文、方向、目标、偏好和行为；AI 同样改变人的注意力、认知起点、问题形成方式和行动尺度。 所谓共生，正发生在这种持续的双向塑造之中。 “让我进化还是驯化我”是一把观察尺度因此，我现在更愿意把这个问题保留下来，而不是急于给它一个答案。 “这个动作是在让我进化，还是在驯化我？” 它不应该成为抵制 AI 的理由，也不是要求人永远保持原有认知方式的警告。 它更像是一把用于观察技术演化的尺子。 当我把这个任务交出去，我失去了什么认知活动？ AI 为我增加了什么新的能力？ 我的第一次感知和第一次判断现在发生在哪里？ 我是先形成自己的认知，再调用 AI，还是越来越多地在 AI 输出以后才开始思考？ 哪些闭环已经不再需要我亲自参与？ 哪些环节仍然值得我随时能够下钻？ 随着这些变化持续几年之后，我和 AI 最终形成了怎样的智能结构？ 真正值得期待的下一阶段，也许并不是一个“AI 更强、人更弱”或者“AI 辅助、人始终居中”的世界。 更可能出现的是一种新的个体智能形态： 人的生命经验、目标、价值与现实行动，与硅基智能的感知、记忆、计算、推理和执行能力长期耦合，在不同粒度的闭环中动态交换控制权。
到那时，“进化”与“驯化”也许已经不再是彼此对立的两个词。 它们可能只是从不同角度描述同一件事： 人正在被一种新的智能环境重新塑造，同时也在把这种智能塑造成自己的一部分。 而“共生”，很可能正是下一阶段真正值得被认真实践和研究的主题。 |
