上一篇 聊到我在密集使用 AI 一年之後，經歷了「存貨被領光」的撞牆感，以及研究者們怎麼描述認知卸載和技能萎縮的現象。
但後來繼續想下去，發現問題可能不只是在個人層面。
每個人都覺得自己變強了
這是我最近觀察到的一個很有趣的現象。
跟 AI 密集協作之後，幾乎每個人都覺得自己的能力提升了。寫出來的東西更有結構、做出來的專案更完整、產出的速度更快。這個感覺不是假的——成品確實比以前好。
但這裡有一個微妙的歸因問題：我們很自然地把產出的品質歸因於自己的判斷力。「這是我想出來的方向，AI 只是幫我執行。」每個人都這樣認為。
結果就是，當大家帶著各自的成品走進一個需要整合的場景——不管是團隊協作、社群討論、或者商業競爭——每個人都帶著高度的信心，而且每個人的信心都是被 AI 產出的品質所強化的。
以前大家合作的時候，因為每個人都經歷過「想了很久、中間卡過、放棄過一些方案」的過程，所以你多少帶著一種健康的不確定感走進來。「我不確定這個方向對不對，你覺得呢？」那個不確定感，其實是協作的潤滑劑。
現在那個過程被壓縮成了一句提示詞。你看得到對方的結論，但看不到他的路徑——他掙扎過什麼、放棄了哪些替代方案、哪些是他自己想的哪些是 AI 建議的。兩個結論打架的時候，沒有中間地帶可以退讓。
摩擦力沒有消失，它轉移了。
生產端的摩擦力歸零，但人際整合端的摩擦力暴增。而且後者比前者更難解決——因為每個人都覺得自己手上的東西已經是「經過思考的成果」。
這跟上篇提到的 Science Advances 那篇研究異曲同工：每個人個別的產出品質都提高了，但整體的多樣性下降了。翻譯成日常場景就是——大家各自覺得自己的方案更好，但因為都從類似的 AI 邏輯出發，方向其實越來越像。表面上看是「我們意見不同所以吵架」，實際上更接近「我們差不多但都覺得自己更對所以吵更兇」。
隱形的井
接下來這件事，是某天突然想通的。
我們都知道 AI 是用過去的資料訓練出來的。這聽起來像廢話，但它的意涵比大多數人意識到的還深。
那些訓練資料，不管有多龐大、多全面，本質上就是一個能力範圍的邊界。AI 可以在這個邊界之內做出非常精彩的重新排列組合，但它很難指向一個訓練資料裡從未出現過的方向。
而使用者的體感是什麼？是無限。
什麼都能問、什麼都能做、任何主題都能給出看起來完整的回答。你感覺自己面對的是整片天空，而不是一口井。
傳統的「井底之蛙」比喻裡，蛙至少看得到井口——那個圓圓的邊界是清楚的。蛙可能不相信外面更大，但牠知道有一條邊界在那裡。
AI 製造的，是一口沒有可見邊界的井。
更精確地說，是井壁上投影了一片非常逼真的天空。你為什麼要懷疑那是假的？它看起來那麼完整。
而且這個效應會隨著模型越來越強而加劇，不是減弱。投影越逼真，邊界越不可見。到最後，能辨認出「這裡有一條邊界」的人，可能只剩下那些曾經真的看過井外天空的人——也就是那些在 AI 普及之前，就有過深度獨立思考經驗的人。
你不知道你不知道的那一段
上面那個「隱形的井」如果只是認知範圍的問題，那還算好處理——頂多就是不知道外面還有什麼。但它延伸出一個更危險的情況。
以前沒有 AI 的時候，「做不出來」這件事本身就是一個煞車訊號。你卡住了，這告訴你「這裡超出你的能力了」。你可能去學、去問、或者老實承認這不是你的領域。那個卡住的感覺，是誠實的。
現在 AI 消除了那個煞車。
你的能力邊界還在同一個地方，但產出已經越過那條線了。你手上拿到的是一個自己做不出來的成品，而它看起來完整、專業、可以交付。問題是——超出你理解範圍的那個部分，你沒有能力驗證它。更糟的是，你不知道自己無法驗證，因為你連「那個部分有什麼需要驗證」都看不出來。
這比達克效應（Dunning-Kruger effect）更嚴重。
傳統的達克效應是「能力不足的人高估自己的能力」。但至少那個人的產出品質跟他的能力是對齊的——他做出來的東西，別人一看就知道水準在哪。
現在是一個能力不足的人，拿著一個超出他能力的成品。成品的表面品質遠高於他的判斷力。外界也更難發現問題，因為東西本身看起來沒毛病。
而且每一次「沒出事」都在強化這個信念。每次 AI 產出的東西看起來都很好，每次都順利交差了，正向回饋不斷累積。直到某一天，在真正重要的場景下出了問題，才會發現那個裂縫一直都在。
用前面的比喻來說：蛙不只是看到了一片假的天空，牠還在那片假天空下蓋了房子，住進去了，朋友來參觀也都說蓋得不錯。
只是沒有人檢查過地基。因為沒有人知道地基在哪裡需要被檢查。
沒有對照組的世代
寫到這裡，可能有人會覺得：「你講的這些，不就是因為你以前有用紙筆思考的經驗，所以才感覺到落差嗎？如果一個人從來就沒有那種經驗，他也不會覺得少了什麼吧？」
沒錯。這正是我覺得最值得思考的地方。
我之所以能發現「存貨被領光」這件事，是因為我有存貨可以被領。二十幾年的紙上思考、在筆記本上亂畫、在腦子裡翻來覆去——這些經驗讓我知道「自己想通一件事」是什麼感覺。所以當那個感覺消失的時候，我認得出來。
但如果一個人從一開始就在 AI 環境中成長呢？他不會經歷「存貨清空」的撞牆，因為他從來沒有建立過那個存貨。他的思考習慣從一開始就是跟 AI 協作的——丟出問題、得到回答、整理輸出。他不會覺得少了什麼，因為他的「正常」就是這樣。
這不是退化，是某種能力從未被發展。
但我得特別強調一件事：這裡面沒有優劣之分。
如果把這件事放進馬斯洛的需求層次來看，就比較清楚了。大多數人用 AI 把事情做好、把工作完成、把生活過順，這完全是正當的、合理的，而且他們在這個層次可以活得非常好。這就像生理和安全需求被滿足的人，日子過得踏實，沒有任何問題。
覺得辛苦的反而是誰？是那些已經體驗過「自己想通一件事」的滿足感，現在卻夾在兩個層次之間的人。你回不去只用一邊的單純——只用 AI 你會焦慮，只用紙筆你會嫌慢。你卡在中間，兩邊的好處和限制都看得見。
這像什麼？
像修行。
修行的本質就是：你看見了一個更高的狀態，於是你現在待的這一層就不再舒服了——但上一層又還沒到。留在原地的人不苦，已經到了的人也不苦。正在爬的人最苦。
而且跟修行一樣，這件事沒辦法替別人走。你不能告訴一個用 AI 用得很開心的人「你應該要焦慮」，就像你不能告訴一個吃飽穿暖的人「你應該追求自我實現」。那個需求必須從內部自然浮現。
接下來可能會怎樣
從我們討論的這些結構來推演，有幾件事可能會陸續發生。
短期內，問題會先被嚴重低估。 因為整個產業的敘事還在「AI 賦能」的上升期。大家還在享受提領存貨的快感。撞牆的人是少數，而且不容易發聲——「我用了 AI 之後反而不知道要做什麼了」在目前的氛圍裡聽起來像能力不足，不像是一個值得認真對待的訊號。
中期會出現一波集體撞牆。 當足夠多人的存貨被提領完，當 Vibe Coding 做出來的東西開始在真實場景暴露地基問題，當企業發現大量 AI 產出的同質性開始影響市場區隔。這些可能在未來一到兩年內逐漸浮現。
然後「深度思考」會被重新定價。 就像手工藝在工業化之後反而變成奢侈品，能夠獨立生成原創方向的能力，會因為稀缺而變得更有價值。不是因為它本身變難了，而是因為願意走那條有摩擦力的路的人，越來越少。
AI 工具本身也可能開始演化。 已經有研究者在做「蘇格拉底式 AI」——不直接給答案，而是先引導你自己想一輪。刻意在流程中植入有益的困難，而不是一股腦地把所有摩擦力都消除。這某種程度上是 AI 產業開始承認：把一切都變順暢，不見得是最好的設計。
但最終，這會回到個人選擇。 工具會繼續變強，社會會慢慢意識到問題，有些教育方法會嘗試保留摩擦力。但要不要保持獨立思考的能力，終究是每個人自己的決定。每個層次都能活得好。選擇往上爬的人，不比留在原地的人更正確——只是看到的風景不一樣。
路標
這兩篇文章不是在警告誰，也不是在批判 AI。
AI 是我目前最重要的工作夥伴，這一點未來也不會改變。我只是在走了一年之後回頭看，發現路上有些值得記下來的東西。
如果你現在用 AI 用得很開心、很有成就感，那太好了，繼續用。
但如果你某一天開始隱約覺得「好像少了什麼」——少了什麼東西在驅動你，少了某種以前有但現在說不出來的感覺——那這兩篇文章是留給你的。
那個感覺是真的，而且有名字。
