杂货铺 · 第20篇
欢迎来到我的小铺，今天聊聊一件我后知后觉的事。
前天从上海回来，出机场后，我说不打网约车了，直接排队坐出租车更方便些。我印象里出租车司机是活地图，说去哪，方向盘一打直接奔。但这次上车，师傅第一件事是开导航，然后全程听导航走——前面路口右转，过了红绿灯左转，一句一句跟着念。
上次坐出租是什么时候我记不清了，但记忆中还是告诉司机师傅地名，如果他不太熟悉就会说附近的路名，或者附近知名的地标，师傅就恍然大悟，顺便问问从哪条路走。但现在不是了，导航已经把路线规划好了，只管踩油门就好。
以前出租车司机这个行当，靠的是脑子里装着一整张城市地图。伦敦有过一项经典研究，出租车司机要通过极其严格的考试，记住全城两万多条街道和无数地标，才能拿到执照。脑成像发现，这些司机负责空间记忆的海马体比普通人大，驾龄越长越明显。有意思的是，公交车司机没这个优势——因为公交车走固定路线，不需要实时认路。认路这件事不只是技能，它能实实在在改变大脑结构。
现在导航把这个活接走了。司机不需要记路了，不需要认地标了，不需要根据路况实时在脑子里改路线了。不是他变笨了，是导航替他把认路这件事整个接走了。
被外包出去的不只是一个技能，是大脑构建认知地图的能力。
但我要说的不是出租车司机，是我自己身上正在发生的同一件事。
最近在琢磨AI生视频的流程。以前做一个视频，我会先把脚本逐句过一遍，分镜怎么切，风格要什么调性，提示词里每个参数到底代表什么含义——不是背下来，是搞懂它为什么这么写。搞懂了再动手，出来的东西虽然慢，但每一步我都拽得住，哪里不对就回去调哪里。
后来越来越快，也越来越懒。内容大概其面上过得去就行，直接把想法扔给AI，让它拆解、生成脚本、出分镜、做视频。AI交东西很快，每次都有产出。
但问题来了——做出来的东西生硬。运镜过度，不该动的地方镜头乱推，该缓的地方反而急了，节奏不对，跟脑子里的预期差一截。回过头去调提示词，发现调不动，因为我压根没理解那些参数在干什么。
不是做不出来，是做出来了但拽不住。
跳过的是“理解”那一步。产出有了，但产出跟我之间没有那根线。就像出租车司机跟着导航到了目的地——到了是到了，但你要他换条路走，他不知道自己在哪。
更要命的是攒不下东西。每次都从零开始，让AI拆解、生成、出结果，做完就还回去，下次再来一遍。底数没涨，每次都在借AI的倍数，借完就还。
心理学上有个词叫“认知卸载”——把费脑子的活交给外部工具干。导航替我认路，搜索替我记忆，AI替我想问题。不算什么新概念，但最近几年它加速了，快到我自己都没反应过来。
浙大有位医生讲过导航退化的研究，说得挺明白。人脑有两套导航策略：一套是“自我中心导航”——前面红绿灯右转，看到银行左转，跟着指令走；另一套是“空间地图导航”——医院在河北边，商场在医院西侧，换条路也知道往哪走。长期依赖GPS的人，空间地图式导航的能力会退化。2020年有研究发现，GPS依赖增加跟之后空间记忆下降存在关联。阿尔茨海默病最早受影响的认知功能之一就是空间导航——有些人最早的征兆不是“记不住事”，而是以前开车不看导航，现在换条路就不知道自己在哪了。
被替走的不是一个技能，是大脑构建认知地图的能力。
跟我做AI生视频一模一样——AI每次都给我交了东西，但我脑子没走那段路。
但最让我警惕的不是“退化”本身，是感知不到退化。
MIT媒体实验室做过一组脑电图实验，让受试者用AI辅助写作，同时监测大脑活动。结果是：长期依赖AI的人，大脑各频段的神经活动连接性下降近一半，八成以上的人记不起自己刚写了什么。但关键在于——他们感觉“完成了”，感觉挺好的。
不是变弱了还知道，是变弱了同时被打了自信麻醉剂。
《柳叶刀》上还有一项研究结果更加可怕——资深医生用AI辅助诊断，短短几个月内诊断能力退化约20%。不是实习生，是专家，几个月就退化这么多。
这些研究说的其实是一回事：工具替我想了，我就不需要想了，但“不需要想”这件事，我压根感知不到。因为工具每次都替我交了答卷，我看着答卷，觉得是自己的。
之前的文章聊过一个比喻：AI是倍数，我自己的能力是底数，乘出来的结果是产出。底数越大，倍数撑开的空间越大。当时我说，要花时间把底数搞扎实，AI才能真正帮上忙。
现在我发现这件事还有反面——认知卸载正在让底数悄悄漏掉。
我一边在学新东西，往底数里加料；一边在用AI跳过理解，让到手的底数又从底下漏走。就像一个池子，水龙头开着往里灌，但底下有个缝在往外渗。看着水面没降，甚至还在涨，但漏掉的那些水，我自己浑然不觉。
倍数变大了，底数在灌也在漏，乘积表面上没变，甚至还在涨。AI替我生成了视频、替我写了文案、替我做了方案，产出一件接一件，看着挺热闹。但只有我自己知道，那些产出跟我之间没有那根线。
倍数 × 底数 = 产出
乘积不会告诉你底数是几。
产出还在涨，我就以为没事。但底数一旦漏得比灌得快，倍数再大也撑不住了——到时候才会突然发现，不对劲，怎么什么都拽不住了。
而我感知不到这个临界点在逼近，因为AI一直在给我打自信麻醉剂。
说到这里，想起一个梗。之前有网友说过，学AI，学得慢一点，等学到后面发现前面的东西已经过时了，不用学了。这句话听着像玩笑，但背后藏着一个真问题：学过的东西过时了，那学它还有什么用？
我的答案是：过时不代表没用。
学过的那些工具、框架、操作流程，确实很多已经过时了。但学它们的过程留下了一些东西——对一个领域的直觉，对问题边界的判断力，遇到新东西时“这玩意儿大概怎么回事”的体感。这些东西不是知识本身，是知识走过身体之后留下的沉积物。工具换了一茬又一茬，沉积物还在。有人管这叫“学习上的自举效应”——早一步开始的人，不是因为他学的东西没过时，是因为他过手的东西多，比较维度就多，看新东西一眼就知道它站在什么位置。过时的知识不等于白学的知识。填鸭式学习能填进去产出，但填不进去底数。
说白了就是一句话：该掉的坑一个都少不了，该绕的路一里都少不了。上来就想少走路的，最后往往走了更远的路。
道理就在这。有些步骤省不掉，不是因为我慢，是那些步骤本身就是底数。理解提示词的含义、拆解一个分镜的逻辑、搞懂一个参数为什么这么设——这些弯路看着浪费时间，但走过了，身体才记住，下次才有得复用。跳过去直接到产出，快是快了，底数没涨，每次都在借、借完就还。
我一直是AI first的信徒——遇到问题，先想AI能不能帮我搞定。现在我还是，但我开始警惕这个“first”走过了头。
AI first没问题，但first不是only。
有些东西必须自己过手，不是因为AI做不了，是因为做过和没做过，底数不一样。
出租车司机跟着导航到了目的地，到了是到了。今天够用，路还是那条路，导航替他走完就行。但AI这个领域不一样，前面没路，导航也没。今天跟着AI的输出走到这够了，明天呢？一直跟着走，永远在后面，永远到不了没人走过的地方。
我不想做那个到了目的地但不知道自己在哪的人。更不想做那个永远跟着导航走、到不了新路的人。