纽约大学教授在《大西洋月刊》的文章：去技能化的时代The Age of De-Skilling
AI 会拓展我们的思维，还是让它退化？Will AI stretch our minds—or stunt them?
原文太长，用AI进行了简译，推荐读原文
如今的焦虑已从“AI 会毁灭人类”转为“AI 会让我们变笨”。教师发现，学生越来越依赖聊天机器人写摘要、解题或分析案例，结果批判性思维下降。研究显示，AI 用得越多，人的独立思考越弱。医生使用 AI 辅助内镜后，三个月内自己识别息肉的能力也下降。
“去技能化”（de-skilling）显然存在，但问题在于：这种损失是否总是坏事？有些技能消失可能可惜，有些却解放了人类。
一、去技能化的古老担忧
AI 带来的焦虑其实很古老。早在古希腊，苏格拉底就批评书写会让人失去记忆力：人们会把记忆外包给文字，误以为“看懂”就是“理解”。但我们之所以知道这段故事，正因为柏拉图把它写了下来。
书写确实让人少了记忆的锻炼，却带来了注释、科学、法律等新的思维方式。正如学者沃尔特·翁所说：“书写是一种重塑思维的技术。”
类似的例子不断重演：
• 航海者放弃观星术，用六分仪，再用卫星导航；
• 司机不再修车；
• 工程师用计算器替代心算。
个体技艺减少，但整体效率提高。
二、技术改变的不只是技能，还有身份
20世纪80年代，社会学家Zuboff观察美国纸浆厂自动化：工人不再靠手感判断纸浆，而是坐在空调室看数据。他们说：“我像在骑一匹强壮的马，但缰绳在别人手上。”效率提升了，工作意义却消失。
在波士顿一家面包厂，手艺精湛的希腊面包师被电脑操控的生产线取代。面包仍好吃，但工人不再觉得自己是“面包师”。技能的流失带来身份的稀薄。
19世纪的家庭也经历过类似转变：过去爱音乐的人会弹钢琴；唱片出现后，人们只需播放。听觉更广，却少了对音乐的体会深度。
三、人类的智慧本就“外包”
我们从来不是孤立思考的动物。记忆、计算、知识早就外化在符号、工具和他人身上——这正是人类区别于其他动物的地方。知识的积累带来专业化，进而形成社会的“认知分工”。
没有人能独立造出一支铅笔——它需要伐木工、矿工、化学家、漆工等无数人的协作。现代社会的知识更复杂：两个物理学家可能都听不懂对方的专业。
知识已从个人占有转变为网络关系：关键不在“我知道什么”，而在“我知道去哪找到谁知道”。
四、AI：认知网络的新成员
大型语言模型模糊了“知道那件事”（信息）与“会做那件事”（技能）的界线。它们能对话、适应、生成答案，看似“理解”。于是问题变成：
AI 是放大了人类智能，还是开始独立生长出自己的？
真正要比较的，不是“人对比AI”，而是“使用AI的人对比不用AI的人”。研究发现，AI 辅助常提高总体表现——例如内镜检查的准确率提高了20%。虽然医生手工技巧略降，但救回了更多生命。关键在于“人机协作”——人保持判断，AI 提供支持。
五、技能迁移：从生产到评估
AI 并非彻底取代人，而是改变了技能的重心。
程序员用 Copilot 写代码后，时间更多花在检查、调试、优化逻辑上——技能从“写”转向“审”。
未来的专业能力，将从“生成答案”转向“判断答案好不好”。AI 给出概率，而非真理；人仍要承担责任。
但前提是——人得有基本功。不会写代码的人也评不出好坏。教育者因此焦虑：在AI无处不在的环境中，学生要如何真正学会？
六、教育：AI 能“教”出更好的学生吗？
哈佛的一项实验显示：使用AI导师的物理学生学习更快、理解更深、动力更强。AI 教练不会直接给答案，而是像优秀家教一样逐步引导。
理想情况是：AI负责练习与纠错，老师负责启发与关怀。
不过，这并非放之四海皆准。某些研究未见成效，人文学科尤其难以替代——写论文训练的，是结构化思维与独立表达，这些不易在聊天中养成。或许我们会回到口语教学，重拾“苏格拉底式对话”。
七、真正危险的去技能化
最危险的不是失去某项手艺，而是失去人本身的能力——判断、想象、共情、意义感。
若人开始迎合机器的思维方式、套用它的语言模板，我们可能失去深度与独立性。语言流畅了，理解却变浅。那不只是技能的丧失，而是人格的稀释。
八、哪些技能该留？哪些可以放？
历史上，多数去技能化是中性的甚至有益的：
• 打字取代排版工；
• 计算器取代手算；
• 洗衣机解放了家务。
有些去技能化扩大了机会。AI 写作帮助非英语母语的科学家发表论文，让科学更平等。自动化面包厂让更多人能参与原本体力高的工作。
还有“再技能化”的现象：当工人不再手动操作，而能坐下来思考系统问题时，他们获得了新的“智识性技能”。
九、新技术创造新手艺
显微镜诞生了“显微学家”，电影创造了“摄影师”“剪辑师”。同样，AI 正催生新技能：提示词设计、偏差识别、与模型协同思考。
问题在于：我们要学会区分哪些技能是根本的、必须保留的，哪些可以交给机器。
书写让记忆退化，却造就理性思维；计算器削弱心算，却普及了数学；录音削弱表演，却扩展了聆听。
十、保持主导权
纵观人类历史，技能不断外流——从手到工具，从个人到系统。今天的AI，是我们长期“把思维外包”的最新阶段。
关键不是拒绝它，而是学会主宰它。
每一代人都要重新学习如何与新“认知假肢”共生。如今这些工具能学习我们，我们也要学习它们。
真正的“技能”是保持判断、想象与理解的能力——知道哪些技能值得保留，哪些可以交出。
若我们有一样技能不能失去，那就是：知道什么才值得我们去学。
