真正的威脅是我們正安逸地漂向「不理解自己在做什麼」的境地

背景

這篇文章探討了生成式 AI 對學術訓練與專業技能培養的深遠影響。作者透過兩位虛構的博士生 Alice 與 Bob 的對比，描述了傳統「磨練過程」與「AI 輔助」之間的差異：Alice 透過親手推導與除錯建立直覺，而 Bob 則利用 AI 快速產出符合標準的論文。雖然兩者的量化產出在體制看來毫無二致，但作者憂慮這種「舒適的漂移」將導致新一代研究者失去理解複雜問題的核心能力。

社群觀點

Hacker News 的討論呈現出技術實務派與教育理想派的激烈交鋒。部分留言者認為，這種對 AI 的擔憂本質上是「反對使用新工具」的陳舊論調。他們主張學術界的目標應是產出有用的研究結果，而非讓學生在痛苦的過程中獲得自我滿足。如果 Bob 能利用 AI 達成與 Alice 相同的產出，甚至更有效率，那麼這代表 AI 提升了生產力。這類觀點認為，過去計算機、Mathematica 或高階程式語言出現時，也曾引發類似「學生將失去基本功」的恐慌，但最終人類只是將精力轉向更高層次的抽象問題。

然而，反對者則指出 AI 與過往工具存在本質上的差異。許多資深開發者與研究員強調，AI 擅長產出「看起來正確的胡說八道」，若使用者缺乏底層知識，將無法在 AI 遇到瓶頸或出錯時進行有效的監督與修正。這種現象被形容為「移除梯子的前十階，卻仍要求人們爬上屋頂」。當問題的複雜度超越 AI 的訓練範疇時，缺乏磨練過程的 Bob 將會撞上無法逾越的牆，而 Alice 則具備拆解未知問題的韌性。社群中有一種共識認為，AI 雖然能放大使用者的智慧，但同樣也會放大使用者的平庸，甚至讓初學者陷入一種「以為自己懂了」的認知陷阱。

此外，討論也觸及了學術體制的結構性問題。有觀點指出，現在的學術評價體系過於依賴論文數量與經費，這種激勵機制本身就在鼓勵學生像 Bob 一樣追求快速產出，而非深度的理解。如果體制不改變衡量「人才」的方式，AI 將會加速揭露這個系統的荒謬性。更有留言者感嘆，軟體開發或科學研究的本質正在發生質變，原本充滿智力挑戰的除錯與推導過程正逐漸消失，取而代之的是對 AI 輸出的審核與管理。這不僅是技能的流失，更是一種職業樂趣與智力尊嚴的消逝。

延伸閱讀

在討論過程中，有網友推薦了艾西莫夫（Isaac Asimov）的兩篇短篇小說：其一是《專業》（The Profession），探討了在知識可以直接植入大腦的社會中，創造力的本質為何；其二是《權力的感覺》（The Feeling of Power），描述了一個依賴電腦運算而遺忘基本算術的社會，重新發現「手算」能力的諷刺過程。這些文學作品被認為精準預言了當前人類對 AI 依賴的集體焦慮。