一年前的那個八月
去年八月，我把 Claude 的方案切換到 100 美元的 Max。
那個月發生的事情，用「開了閘門」來形容最貼切。過去二十幾年來，腦子裡一直有一堆「想做但沒時間做」「想試但技術門檻太高」「覺得有趣但懶得從頭建構」的概念，突然之間全部變成可以執行的東西了。
一個月內，我用 Claude Code 試作了大概二、三十個專案。
二、三十個。一個月。放在過去，這大概是好幾年的工作量。
那段時間真的很嗨。每天早上起來就想著「今天來做那個！」，幾個小時後就看到一個能動的東西。成就感是真實的，效率是爆炸的，整個人覺得自己像是開了外掛。
（好吧，確實就是開了外掛… XD）
然後，突然安靜了
密集期過後，頻率自然慢慢降下來。
這很正常——不可能每天都有新東西想做嘛。偶爾腦子冒出一個新想法，就拿去試試看，沒有想法的時候就做別的事。
但有一天我坐在電腦前面，打開 Claude，手指放在鍵盤上，突然發現——
我不知道要開發什麼。
不是「今天沒靈感」那種暫時的空白，而是一種比較深層的困惑：好像那些「一直想做的事」全部都做完了？但新的「想做的事」還沒長出來。
對話也是一樣。過去跟 AI 聊天的時候，我會把很多思考中的問題丟出來，讓 AI 幫忙整理、延伸、找出我沒注意到的角度。那段時間非常有收穫。但某天開始，我發現好像沒什麼好問的了。不是 AI 不夠厲害，是我這邊沒有新的輸入。
然後前幾週去了一趟日本。
旅途中自然就沒有密集使用 AI，每天就是走路、觀察、體驗、偶爾跟朋友聊天。幾天下來我發現兩件事：
第一，沒有 AI 的日子，外面的世界一樣在運作，而且我一樣在思考，只是思考的方式不一樣——更散、更慢、更多是被周圍環境觸發的。
第二，旅行結束回到電腦前面，那個「不知道要做什麼」的感覺更清楚了。
這到底是怎麼回事？
某種存款被領光了
想了一陣子之後，我覺得最貼切的比喻是「存款」。
過去二十幾年在各種經驗中——做專案、翻譯技術書、教課、參加社群、到處亂看亂想——我的腦子裡慢慢累積了一大筆「想法存款」。每一筆都是長時間輸入、碰撞、沉澱之後的產物。有些想了很多年，有些只是一個模糊的念頭但一直放在心裡。
AI 做的事情，是讓我可以用極高的速度把這些存款全部提領出來。
但它沒有加速存款的累積。
新的想法從哪裡來？從在世界裡走動、從跟不同領域的人聊天、從看到一個奇怪的東西然後腦子自動開始亂接線。從那種沒有明確目的的空白時間裡，讓各種經驗自己慢慢地重新排列組合。這個過程要多久？不知道。但肯定不是一個月能補回二十年份的存款。
所以我的狀態其實很清楚：帳戶被領空了，正在等待重新累積。
消失的摩擦力
想通了「存款」這件事之後，我開始回頭看一個更根本的變化。
過去為什麼那些想法會變成「存款」？因為做不出來。
技術門檻、時間成本、資源限制——這些東西我們一直當作「障礙」，是需要被移除的。但回頭看，這些障礙其實在扮演另一個角色：它們逼你在腦中反覆翻轉一個想法。正因為做不出來，所以你不得不從不同角度看它、質疑它、跟其他想法碰撞。很多不夠好的念頭在這個過程中被自然淘汰了，留下來的是真正經得起考驗的。
摩擦力本身，就是品質的篩選機制。
現在呢？摩擦力消失了。每一個念頭都可以直接變成成品。「先做再說」變成了最自然的策略，因為做的成本趨近於零，「停下來想一想值不值得做」反而成了效率的損失。
但品味是什麼？品味就是那種「你不需要做出來就知道值不值得做」的判斷力。它來自於你做過夠多次「想了很久最後決定不做」的經驗。而現在我們跳過了這個過程。
結果就是，評估品質的方式變了。當你自己沒有經歷過深度醞釀，你也缺乏內在的評估標準。剩下什麼？流量、按讚數、有沒有賺到錢。
沒爆紅？不去想為什麼，直接再生一個。因為生產成本趨近於零，「再試一次」永遠比「停下來想」更容易。
Vibe Coding 就是最好的例子。現在每個人花一個下午就能做出一個「剛好夠自己用」的工具，SaaS 的部分需求確實被取代了。但那些個人方案幾乎都卡在同一個位置——夠用但不夠好，解決了「我的問題」但沒經歷過「別人的問題」的考驗。能商業化嗎？很難。因為產品的通用性和穩健性，恰好是在摩擦中被打磨出來的。
原來真的有人在研究這件事
發現自己的狀態之後，我好奇地去查了一下，有沒有人在學術層面討論類似的現象。
結果還真的不少，而且集中在 2024–2025 年突然爆發。
MIT Media Lab 在 2025 年做了一個直接測腦波的實驗：讓受試者分別用 ChatGPT、Google 搜尋、以及完全靠自己來寫作，同時用 EEG 記錄腦部活動。結果發現，使用 AI 的人腦部的主動認知處理最低。更關鍵的是，即使告訴受試者「把 AI 當思考夥伴而不是代筆」，結果也一樣——光是有現成的文字可以用，大腦就自動切換到省力模式了。
研究者把這叫做「認知負債」（cognitive debt）。因為那些後來被要求在沒有 AI 的情況下重新執行同樣任務的人，表現明顯比從來沒用過 AI 的人差。
微軟在 2025 年也發表了一份大規模調查，訪問了 319 名知識工作者。發現一個很直覺但很重要的關係：對 AI 的信心越高，自己投入批判性思考的程度越低。工作性質也在轉變——從直接創造內容，變成了監督 AI 的產出。
另一邊，德國 2024 年有一篇標題就叫「認知輕鬆的代價」（Cognitive Ease at a Cost）的研究：使用 LLM 的學生確實感覺輕鬆很多，但推理品質和論證深度都下降了。
然後有一個框架叫 S2D2（Start and Stick to Desirable Difficulties，開始並堅持有益的困難），直接指出：學習過程中那些讓你覺得吃力的環節，才是真正產生長期效果的地方。而 AI 正在幫使用者繞過這些環節。使用者還會產生一種「能力錯覺」——把 AI 輸出的流暢性誤認為自己理解的深度。
最讓我在意的是 2024 年發表在 Science Advances 的一篇研究。研究者讓一群人用 AI 輔助寫短篇故事，結果發現：每個人寫出來的故事都被評為更有創意、更好看、更有趣。但同時，這些故事之間彼此更相似了。
個體變強，集體變淺。
還有 MIT Sloan 今年發表的「增強陷阱」（The Augmentation Trap），用數學模型指出一件殘酷的事：即使決策者完全預見了長期的技能萎縮，只要短期的生產力收益夠大，理性選擇仍然是採用 AI。結果就是穩態損失——工作者最終的生產力，反而低於從未採用 AI 之前。
但有一個地方，研究還沒走到
這些研究都在處理同一個問題：「AI 讓人想得差了」。記憶變弱、推理變淺、批判性思考減少——都是在測量認知品質的退化。
但我遇到的不只是這個。
我的問題不是「想不好」，是「沒有東西可想」。那個生成新問題、新課題的源頭本身枯竭了。存貨被提領之後的那個空白，不是品質問題，是上游斷流了。
而那個上游——新的經驗、新的碰撞、在模糊中待夠久讓大腦自己接線——需要的恰好是那些 AI 無法加速的東西。它需要摩擦力，需要空白時間，需要沒有效率的漫遊。
這大概不只是我個人的情況。只是目前大多數人可能還在蜜月期裡——存貨還沒領完，成就感還在。而那些已經開始覺得「好像少了什麼」的人，可能也還說不清楚少的到底是什麼。
往這個方向繼續想下去，我發現事情可能比「調整個人使用習慣」更大一些——
但這就是下篇的事了。
（下篇預告：「看不見邊界的那口井」——當每個人都覺得自己變強了）
參考來源
- 認知負債：
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv:2506.08872.
https://arxiv.org/abs/2506.08872 - 批判性思考調查：
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025, ACM.
https://doi.org/10.1145/3706598.3713778 - 認知輕鬆的代價：
Stadler, M., Bannert, M., & Sailer, M. (2024). Cognitive Ease at a Cost: LLMs Reduce Mental Effort but Compromise Depth in Student Scientific Inquiry. Computers in Human Behavior, 160, 108386.
https://doi.org/10.1016/j.chb.2024.108386 - S2D2 有益困難框架：
de Bruin, A. B. H., Biwer, F., Hui, L., Onan, E., David, L., & Wiradhany, W. (2023). Worth the Effort: The Start and Stick to Desirable Difficulties (S2D2) Framework. Educational Psychology Review, 35(2), Article 41.
https://doi.org/10.1007/s10648-023-09766-w - Science Advances 的創造力多樣性研究：
Doshi, A. R., & Hauser, O. P. (2024). Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content. Science Advances, 10(28), eadn5290.
https://doi.org/10.1126/sciadv.adn5290 - Sloan 的增強陷阱：
Caosun, M., & Aral, S. (2026). The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading. MIT Sloan School of Management. arXiv:2604.03501.
https://arxiv.org/abs/2604.03501
做夢時，大腦會將過去的記憶和記憶隨意組合，可能是用來尋找在未知情境下的應對方式。有一些學者則是尋找方法讓自己處在半夢半醒的狀態下思考、解決問題 (hypnagogia?)。
覺得要讓隨時都有靈感很難，但可以在床邊或是身上放個紙筆，盡可能將瞬間閃過的想法寫下來。
科學已經確定迷幻蘑菇、毒品和棒球棒對尋找靈感沒有正面的幫助，但是人生走馬燈、靈魂出竅這類方法還沒足夠的數據來驗證，或許豆腐大大可以 …？