最近在读 Ezra Klein 对黄仁勋的一篇访谈时，有一段让我印象很深。谈到 AI 进入教育后可能造成的能力退化，Klein 提到一项针对中国学生的研究：学生使用 AI 后，作业完成得更快、作业成绩也更高，但几个月后的考试表现却出现下降。这个结果很容易被解释成一个我们已经听过无数遍的故事——AI 正在让人变笨，学生不再思考，程序员不再会写代码，人类正在一点点把自己的能力交给机器。可黄仁勋的回答几乎完全走向了另一个方向。他承认，有些能力当然会消失，就像现在的学生已经不太需要做长除法、开平方，甚至乘法表都可能没有过去那么熟。但他的反问是：这些能力真的还那么重要吗？
后来他用工程师的变化解释了这件事。他刚毕业时参与设计的芯片只有大约两百个晶体管，工程师可以真正熟悉其中每一个元件；今天的计算机系统里已经有数以千亿甚至万亿计的晶体管，没有工程师会再从这个层级理解整个机器。现代工程师失去了某种他所谓的 “finer intellectual dexterity”，却变成了更好的 “systems thinkers”——他们不再关心每一个晶体管，而是思考模块、架构，以及巨大系统之间的关系。
什么是文明的发展？
我越来越觉得，这其实不只是一个关于 AI 的观点，而是一种理解整个人类技术史的方式。**文明的发展，本来就伴随着大量基础技能的消失。**绝大多数现代人不会钻木取火，不会根据星象导航，不会手工制作一件工具，也不会在没有地图软件的情况下熟练穿过一座陌生城市。我们甚至连电话号码都不再记了。但很少有人会据此得出结论，说现代人比过去的人“退化”了。原因在于，那些能力并没有真正从文明中消失，而是被封装进了工具和基础设施里。我们不再需要每个人掌握生火，是因为点燃火焰这件事已经被封装进了打火机；我们不再要求每个人有极强的心算能力，是因为计算已经被封装进计算器和计算机。
技术进步的一个重要过程，或许就是不断把已经被解决的问题压到更低的抽象层，再把人的注意力释放出来，让我们去处理更高一层的问题。
所以我并不太认同“如果以后没有 AI 怎么办”这种对 AI 使用的批评。它听起来有点像在问，如果没有打火机怎么办，如果 GPS 坏了怎么办，如果有一天计算器消失了怎么办。当然，在某些极端环境里，会钻木取火、会辨认方向、会心算的人确实拥有额外优势，但现代社会不会因此要求每个人把这些能力重新训练成日常技能。一个文明不可能以“假设现有基础设施全部突然消失”为前提设计教育，否则我们真正应该学习的恐怕不是编程，而是种地、冶炼、发电、制药和制造半导体。现代社会得以复杂到今天这个程度，恰恰是因为每一代人都默认自己可以站在前一代已经搭好的抽象层之上。
从这个角度看，vibe coding 本身也未必是什么值得担忧的事情。未来的软件创造者完全可能不会像今天的程序员一样熟悉大量语言细节，也不再需要自己实现常见的数据结构，甚至很少亲手写 production code。但如果他能够把一个模糊的目标拆成系统，组织多个 agent 工作，定义接口、建立测试、判断结果、发现错误，再把原本几十个人才能完成的项目组织起来，那么很难说他的工程能力下降了。他只是从“如何把这段代码写出来”转向了“这个系统应该长什么样”。
人的认知
这里有一个非常重要的区别：丢掉基础技能，和从来没有形成过底层认知，并不是同一件事。
一个已经理解乘法的人后来依赖计算器，和一个从来没有理解过乘法、只能输入按键的人，不完全一样。一个熟悉数据库、网络、并发和软件架构的人用 AI 生成几千行代码，可能自己一行都没有写，但他依然能够判断某个 schema 为什么不合理，某个接口为什么会留下技术债，某段程序为什么可能出现 race condition。真正重要的能力未必还是“我能不能亲手完成这个任务”，而是脑子里有没有足够好的 world model，让我知道外部工具正在做什么，以及它什么时候做错了。
这也是为什么我觉得用“学生脱离 AI 后考试成绩下降”来证明 AI 让人类变笨，并没有那么合理。那项研究至少按照访谈中的描述，证明的是学生在使用 AI 后，某些传统意义上的独立执行能力下降了。可问题在于，我们究竟想训练什么？如果未来的现实工作仍然是一个人坐在房间里，在没有任何工具的情况下完成几十道题，那么这种退化当然值得担忧。但如果未来真正重要的能力变成了定义问题、协调工具、判断结果和组织复杂系统，那么今天的考试也可能只是在精确地测量一种正在变得不那么重要的能力。然而事实上，即便在 AI 出现以前，我们对形成生产力的要求，也并不是做那些计算或是背诵什么知识点，只不过 AI 的出现让这种矛盾有了更具象的归因。
当然，并不是任何把任务交给 AI 的行为都可以被浪漫地称为“抽象层上移”。如果一个学生过去需要理解题目、建立模型、推理和检查，现在只是把问题复制给 AI，再把答案复制出去，那么他并没有进入更高的抽象层，只是跳过了原本存在的认知过程。真正的升级应该是，AI 接管一部分底层工作以后，人把节省下来的认知预算投入到新的层级里。过去只能解一道题，现在开始思考一类问题；过去只能写一个函数，现在开始设计一个系统；过去自己执行一个流程，现在开始设计一个可以反复执行这个流程的 agent。
因此，真正值得担心的也许不是“年轻人以后还会不会手写代码”，而是 AI 拿走这些底层任务以后，人有没有真的往上走。如果 AI 帮你写代码，而你因此开始思考架构，这是能力迁移；如果 AI 帮你查资料，而你因此可以比较更多证据、形成更好的判断，这也是能力迁移。反过来，如果 AI 把原本需要思考的部分全部拿走，而释放出来的认知空间什么都没有长出来，那么也就会变成我们通常所说的能力退化。
一座“抽象阶梯”
人类文明并不是让每一代人都掌握比上一代更多的具体技能。事实上恰恰相反，我们一直在忘记很多过去被认为理所当然的能力。可与此同时，一个普通人能够理解和操纵的系统规模却变得越来越大。我们不知道一部手机里的每一个晶体管如何工作，却可以借助它访问几乎全世界的信息；未来的工程师也许不知道一段软件里的每一行代码是如何写出的，却可以组织一整套 AI 系统完成过去无法想象的工作。
这并不能证明 AI 永远不会替代人类，因为 AI 与过去许多工具最不一样的地方，恰恰是它自己也在不断向更高的抽象层移动。过去的机器更多是在替代执行，现在的 AI 已经开始参与规划、判断乃至系统设计。黄仁勋对此给出的一个答案是，人类的欲望和 ambition 会继续创造新的需求、新的行业和新的工作；这是一个很有吸引力的判断，但它还不能算作某种历史定律。
所以现在真正有价值的问题，已经不再是“AI 会不会让人类失去某些能力”。答案几乎肯定是会，而且我觉得这本身没有什么可怕的。人类一直都在失去旧能力。
真正的需要注意的是，当 AI 不断沿着抽象阶梯向上走时，人类能不能继续创造下一层。
如果可以，那么就好比现在的人不会钻木取火、不会心算，未来的人不会手写代码、不会背公式写作业，都不是什么文明衰退的证据。衡量一个时代的人是否变得更强，也不应该看他们还保留了多少旧技能，而应该看他们借助新的工具以后，能够理解、组织和创造多大的系统。