当AI开始自主进化，我们最该守住什么？

最近在微信读书上看林军锋的《当AI开始自主进化普通人最该守住什么》第六章谈到一个很现实的问题AI用得越顺手人越容易把自己的判断也一并交出去。书里有句话我记得很牢判断力是干粗活的副产品。细想确实如此。一个工作多年的工程师拿到AI生成的代码往往扫几眼就会觉得某个地方“不太对”。有时他一开始也说不清原因继续看下去可能是异常没兜住可能是并发场景有问题也可能只是这段实现放进现有系统后很难维护。这种感觉不是看几篇最佳实践得来的。它来自以前写过的烂代码、线上出过的故障、半夜查过的日志以及那些当时觉得麻烦、后来却反复救过自己的基本功。坑踩得多了心里才慢慢有了一把尺子。AI只认目标不懂你的本意我们让AI做事通常要先给它一个目标。目标写得越清楚结果往往越像样。但“像样”和“正确”之间还有一段不短的距离。比如让AI写一个能运行的功能它确实很快就能写出来。至于边界条件是否完整、数据量上来以后会不会出问题、这段代码半年后还有没有人敢改就不一定了。它完成的是提示词里写出来的任务而我们心里默认却没有说出口的部分它未必知道。所以验收AI的结果不能只看它有没有做完还得看它做的是不是原来那件事。这件事听起来简单实际最考验人。因为要发现结果偏了首先得知道正确的方向大概在哪里。自己心里没有标准AI给出的内容又足够流畅就很容易顺手接受。被省掉的粗活也是成长的台阶AI接手重复劳动当然是好事。资料不用一页页翻代码不用从空文件开始写很多问题也不用在搜索引擎里来回拼关键词。工作效率确实提高了。可书里提到的另一个问题也让我有些警惕过去新人正是靠这些粗活入门的。刚开始写代码时谁不是从简单接口、重复逻辑和低级错误一路过来的代码写得多了才知道哪些抽象是多余的哪些看似省事的写法迟早要还债。排查过几次线上问题以后才会对超时、重试、日志和监控真正敏感。现在AI可以直接越过中间过程把一个完成度很高的答案摆在面前。对已经有经验的人来说这是节省时间对还没有形成基本判断的人来说也可能是把梯子的前几级直接抽掉了。答案拿到了经验却没有留下。我觉得这才是AI进入工作以后比较隐蔽的风险。人不会因为用了AI就立刻失去能力更多时候是在一次次“这次先让它做吧”之后慢慢失去了独立完成和判断结果的耐心。AI放大的还是人本来的水平很多人觉得AI普及以后大家都站到了差不多的起点。工具层面或许如此结果却未必。同样一段生成内容有经验的人会继续追问假设是什么数据从哪里来有没有反例放到真实环境里能不能成立。没经验的人更容易被完整的格式和肯定的语气说服。最后一个人借助AI把多年经验放大另一个人借助AI更快地产出自己无法验证的东西。表面上两个人都在熟练使用AI时间一长差距反而可能更大。这也解释了为什么现在“会不会用AI”已经没那么重要。工具很快就会变得人人都会用难的是你能不能看出它什么时候说错了什么时候绕开了关键问题什么时候给出了一个漂亮却不能落地的方案。给自己留一点笨功夫看完这一章我能想到的办法并不复杂别把所有过程都交出去。重要的东西还是要自己做一遍。代码可以让AI生成但核心逻辑要看懂关键路径最好亲手推演文章可以让AI帮忙整理但观点是不是自己的自己应该说得清遇到一个过于顺滑的结论先别急着接受试着问一句如果它是错的我能从哪里发现有些基础工作确实低效却不一定毫无价值。它们让人熟悉细节也让人知道一件事做坏时会是什么样子。完全跳过这些过程也就很难凭空长出判断力。以后AI能做的事情肯定还会更多。我倒不太担心某个具体工具会不会取代谁因为工具一直在换。更值得担心的是有一天面对一个看起来无可挑剔的答案自己已经不知道该从哪里怀疑了。能自己判断能验证结果也愿意为最后的选择负责——这个位置还是要尽量守住。