当 AI 能回答一切，我们还应该训练自己做什么？
我开始思考一个人在 AI 时代如何成长，并不是因为某个新工具，而是因为 Moonshot Academy 网站上的一句话：培养内心丰盈的个体，和积极行动的公民。它听起来像是在谈孩子。但我越想，越觉得这个问题其实也转向了已经离开学校的我们：如果 AI 越来越擅长回答、总结、写作和生成计划，那么我们自己还剩下什么需要训练？
先拆开一个词。所谓“AI 能回答”，在不同场景里意思完全不同。在考试里，回答是匹配标准答案；在工作里，回答是给出一个可执行方案；在人生里，回答是承担一个选择。AI 很擅长前面几种。但如果回答意味着“生活在选择之后的世界里”，那它其实并没有回答。它能产出答案，却不必活在那个答案带来的后果里。
当答案变得廉价，稀缺的就不再是回复本身，而是还有没有人愿意提出一个值得回答的问题，并生活在那个答案带来的世界里。
AI 是放大器，不是梯子
最直觉的回应是：那就用 AI 来训练自己，把它当作陪练，而不是替身。让它攻击你最弱的论点，给你反例，逼你先写出难看的初稿，再让它拆解。这当然有道理，而且也有证据支持：一项被广泛引用的研究发现，人们越信任 AI，就越少进行批判性思考；而越相信自己判断能力的人，反而越会认真和 AI 产出的内容搏斗。
但同一个事实也有阴影面。**把 AI 当陪练和把 AI 当拐杖，在动作上几乎是同一件事：两者都在移除摩擦。**移除摩擦本来就是这个工具的核心功能。它替你写，替你想，替你把句子磨顺。而判断力恰恰是在自己做、做错、回头重做的摩擦里长出来的。一旦摩擦消失，多数人并不会“把精力释放出来做更高层次的训练”，而只是停止训练。所以“用 AI 训练自己”不是一个稳定状态；它更像是逆着工具的坡度往上游。你必须每天重新选择一次，否则它默认的重力永远把你往下拉。
“那就设计环境，不要靠意志力”也不够
于是有人会说：不要指望自律，把训练写进默认流程里。凡是重要的判断，先写下自己的看法，再让 AI 进入；默认让它提出反方观点；每周把自己的工作拿给真实的人看。这确实比单纯喊“更努力一点”稳固。
但它绕开了两个问题。第一，为自己安装这种防懒惰脚手架，本身就需要我们刚刚说疲惫的人缺少的远见和持续性。它没有消除意志力，只是把意志力挪到了最初设置环境的那一刻。第二，愿意搭建这种环境的人，通常已经是判断力比较强、最不需要被拯救的人；最需要训练的人，恰恰往往不会想到要搭建它。收益再次流向了本来就有优势的人。
也许我一开始问错了问题
把这些答案拆开以后，我开始怀疑这篇文章自己的标题。
因为从足够长的时间看，“AI 能不能做”大概会越来越不是边界。几乎所有事情都会逐渐落入“它也能做”的范围。最后剩下的边界可能是：不是它能不能替我做，而是我还想不想亲自去做。
凡是我真正想做的事，我会用 AI 让自己更强，然后亲自去做；凡是我不想做的事，我就让它替我做。
这句话很漂亮，也很残酷。它能过滤掉很多假的热爱。很多人以为自己喜欢写作，其实喜欢的是被看见。当结果可以廉价生成，最后只剩一个问题：你还愿不愿意经历那个笨拙、卡住、重复的过程？
但它还有最后、也是最深的一道裂缝：它把“想要”当成一个固定资产，好像只要安静坐下来问自己，就能盘点清楚。可是如果工具会改变使用工具的人，那么“我还想亲自做什么”就没有稳定答案。它会漂移，而且往往向下漂移，因为“亲自做”永远是更昂贵的选项。最残酷的退化不是把你本来就不想做的事外包出去，那反而可能是健康的。真正残酷的是：年复一年地外包，会悄悄改写你到底想要什么。你不是在某一天突然决定放弃那个你发誓永远不会交出去的东西。你只是在一个又一个疲惫的晚上，把它一点点交出去，直到自己都没有注意到。
拿走你的技能，你会愤怒。磨掉你的想要，你甚至不会怀念。
所以我不给结论。我甚至应该承认：这篇劝人“不要把判断交给 AI”的文章，本身也是和 AI 一起修订出来的。我不能假装它是纯手工的，只能说其中每一个让我不舒服的取舍，我都亲自按住看过。如果还有什么可靠的东西，也许只是这个：定期回去问自己这个问题，并诚实记录答案正在往哪里漂。不是为了守住某个固定答案，而是为了在它被悄悄改写时，至少你能看见。
Sources
- Moonshot Academy：以整体性、品格导向和创新教育来描述自身目标，强调培养“内心丰盈的个体”和“积极行动的公民”。
- Lee et al., The Impact of Generative AI on Critical Thinking (Microsoft Research & Carnegie Mellon University, CHI 2025)：对 AI 的信心越高，批判性思考越少；对自身能力越有信心，批判性思考越多。ACM paper
- 另可参见关于 cognitive offloading 的研究：更频繁使用 AI 与较低的批判性思维分数相关，年轻用户中依赖程度更高。