关于 AI 与人的三个瞬间：点授权、刷数学题与印象派
杂货铺 · 第061篇
欢迎来到我的小铺，周末了，随便聊聊近期的一些观察、思路和想法。
这两年人们在聊 AI 的时候，几乎形成了一套固定的说辞：AI 时代，知识本身越来越不值钱了，因为机器什么都能查到、什么都能生成；而人类真正需要保留的，是自己的“判断力”。说白了就是，脏活累活交给 AI 去干，最后拍板做决策的，依然是人。
这话听起来特别让人安心，像是一颗定心丸。但结合我近期的观察，却越来越觉得：理想很丰满，现实好像却不是这么回事。
今天先从三个切面，说说这种怀疑是怎么来的。
一、从盲目点“授权”到决策模型 Jev：我们真的在做判断吗？
先说说我自己日常使用工具的真实状态。
无论是当前流行的 Vibe Coding，还是各类 AI Agent 来处理工作流。只需要在对话框里用自然语言提一个需求，AI 就会接手，自己写代码、改本地文件、在终端里跑命令、调用各种外部接口。
出于安全考虑，这些工具在设计上都会保留一步“人类在环”（Human-in-the-loop）的机制。也就是说，每当 AI 要修改关键文件或者执行某条命令时，界面上就会弹窗停下来，把“决策权”交还给我们，每次都要问：是否允许执行？
按照设想，这时候人类就该发挥“判断力”了。
但实际情况是什么呢？是人类根本跟不上 AI 的处理速度。
现在的模型推理和执行快得惊人，屏幕上的代码和日志哗哗地往上翻，一秒钟能蹦出几十行。很多时候，我既看不懂它到底改了哪几个文件、调用了什么逻辑，也根本来不及细看。
早期使用的时候，我还会试图认真审查前两次弹窗。但当这种确认请求以每分钟好几次的频率不断出现，而我又完全跟不上它的上下文时，耐心几分钟就被耗光了。
最后演变成什么样呢？大部分人其实就是在那儿机械地、被动地点“同意（Allow）”。再往后，嫌每次点太烦，干脆勾选“始终授权”或者开启全自动模式，彻底躺平。
这时候我就忍不住想：所谓的“人类做决策”，在真实场景里，是不是已经悄悄退化成了一种走过场的“人类签字”？我们并没有真的去判断对错，只是在为一个自己看不懂的过程盖章。
如果说点授权还只是因为人偷懒，那前段时间，9 月中旬技术圈特别火的一个叫 Jev 的模型，则是直接从技术底层把“判断”这件事给接管了。
给不太了解的朋友简单介绍一下背景。以前我们用的 ChatGPT 或其他的什么大模型，本质上都是生成式大模型（LLM），你问它一个问题，它给你写一段长篇大论的分析。不久前，一家叫 TypeSafe AI 的公司推出了 Jev，并把它定义为第一个“系统 1（System One）”模型。创始人以前也在 OpenAI 做过核心研究。这个命名借用了《思考，快与慢》里的概念，代表人类那种快速的、直觉式的反应。
Jev 被称为“决策模型（Decision Model）”。它的特点是：根本不跟你废话，不生成任何自然语言文本，也不解释原因。 只需要通过代码把一段复杂的状态或数据喂给它，再给它几个预设好的选项，它可以在零点几秒内，直接返回一个结构化的决定——比如选 A 还是选 B、是非判断（True/False），或者给紧急程度打个 1 到 5 的分，同时附带一个置信度概率。
这个模型一出来，短短一个月内，OpenAI、微软、Cloudflare 等大厂和一堆开源项目全都跟进推出了自己的“决策模型”。为什么大家这么兴奋？因为在真实的软件系统和业务流程里，每天有成千上万个需要快速拍板的瞬间：这张工单该分给哪个部门？这笔交易有没有风险？这段内容合不合规？
虽然在我看来，Jev 这类模型目前还只是个雏形，主要用来判断一些比较基础、规则相对明确的事情。但问题在于，“基础”这个词在 AI 时代是最经不起推敲的，今天的基础，明天可能就会演变成复杂决策。
当专门用来做“快速决策”的模型已经成为一个独立的技术品类，当我们在日常操作中因为跟不上速度而放弃审核时，我们挂在嘴边的“人类靠判断力立足”，到底还剩多少含金量？
二、数学家为什么集体反对 AI 刷题？
聊完日常工具里的决策，再看看近期学术圈的另一个热点：顶级数学家们和 AI 巨头之间的矛盾。
事情的起因是这样的：这段时间，以 OpenAI 为代表的 AI 公司，非常热衷于让自家的推理模型，比如 GPT 系列，再配合 Codex 等工具，去攻克各种高难度的数学竞赛题，甚至是像“千禧年大奖难题”中的纳维–斯托克斯方程问题，或著名的埃尔德什（Erdős）未解数学问题。在 AI 公司看来，数学题对错分明，拿来当证明模型智商的“刷榜指标（Benchmark）”再合适不过了。
但这事儿在数学界引起了极大的反感。就在前阵子，9 月中旬，包括陶哲轩在内的二十多位菲尔兹奖得主，罕见地联合发表了一份声明，标题起得很重，叫《AI 在数学领域的严重错位（A Severe Misalignment of AI in Mathematics）》。菲尔兹奖是数学界的最高荣誉之一，常被称作数学界的诺贝尔奖。
如果不了解内情，看热闹的人们可能会觉得：是不是数学家们看到 AI 刷题太猛，人类的领地被侵犯，所以破防了？
但去读那份声明，就会发现，他们反对的根本不是“AI 把题解出来了”这件事本身，而是 AI 公司把解决数学问题纯粹当成了一种“跑分游戏”。
在这群数学家看来，数学研究从来不是为了在考卷上写下最后一个数字，或者仅仅判断一个猜想是对是错。他们在声明里明确提到：解决具体的问题，往往只是为了获得“概念性的理解（conceptual understanding）”和洞见的一种工具。
换句话说，一道困扰人类几十年的数学难题，它真正的价值在于：人类在死磕这道题的过程中，被迫发明出来的新工具、提炼出来的新方法、不同数学分支之间建立起的新连接，以及年轻一代学者在这个摸爬滚打的过程中得到的训练和成长。
很多时候，答案本身只是个副产品，解题过程中顺带长出来的那些思想产物，才是数学大厦真正的砖瓦。
现在 AI 进来，用庞大的算力和近乎黑盒的搜索，直接把答案拍在人类的脸上。题确实是被“刷”掉了，但中间最重要的人类理解过程、思想沉淀过程，全被跳过了。
这件事给我触动很大。它戳破了我们现在用 AI 时最容易陷入的一种幻觉——把“拿到结果”完全等同于“真正掌握”。
这就好比学生的作业全让 AI 写完了，交上去门门满分。但等到真正需要自己独立思考、面对一个未知领域的时候，脑子却是空的。如果我们为了追求效率，把所有需要摸索、犯错、绕弯路的过程都当成“低效环节”外包给 AI，那未来那个所谓的“有洞察力、有判断力的人”，又是从哪儿培养出来的呢？
三、照相机发明之后：从“做题家”到“出题人”
把前面两件事放在一起看——一边是日常做决策时我们的被动签字，一边是 AI 在解题能力上的狂飙突进——难免会让人有点焦虑：如果算也算不过，判也判不过，那人在里面到底还能干什么？
跳出技术圈，翻翻历史，人类并不是第一次面对这种“看家本领被机器彻底碾压”的时刻。一个典型的例子，就在艺术史里。
我们可以看看 19 世纪照相机被发明前后的历史。
在照相机出现之前的几百年里，西方绘画很大一部分核心追求，就是“极致的写实”。评价一个画家基本功硬不硬、水平高不高，很大程度上看他能不能把光影、透视、衣服的褶皱、人物皮肤的质感画得跟真的一模一样。无论是宫廷画师给贵族画肖像，还是记录历史事件，追求的都是“还原真实”。
然后，1839 年前后，银版照相术诞生了。
这对当时的画坛来说，简直就是降维打击。一个画师苦练二十年，花好几个月才能画出一幅逼真的肖像；现在机器“咔嚓”一下，几分钟就能把所有细节分毫不差地定格下来。不管人类的手怎么练，在“写实”的精度和速度上，永远不可能赢过光学镜头和化学底片。
如果当时的画家们转不过弯来，非要跟照相机死磕“谁画得更像”，或者退一步，去给照相馆拍出来的照片做修图和审批，那绘画可能早就走进死胡同了。
但历史之所以迷人，就在于人类的转向。
既然“把世界原封不动地记录下来”这件事已经被机器完美解决了，画家们干脆彻底放下了对写实的执念。从那之后，莫奈、梵高、塞尚这些人开始走上历史舞台——印象派、后印象派、表现主义、立体主义接连爆发。
画家们不再去画“物体客观上长什么样”，而是开始画“光影在某一秒给我的主观印象”，画情绪的扭曲，画脑海里天马行空的想象，甚至像毕加索那样，把不同维度的视角拆碎了，重组在同一个平面上。
照相机夺走了绘画的“写实霸权”，却意外地把人类从繁琐的描摹技艺中解放了出来，逼着人类去探索那些机器拍不出来的维度。
用这个历史切片再回看今天的 AI，很多事情就变得清晰了一点。
现在的生成式大模型和各种算力工具，本质上就是那台刚刚被发明出来的“超级照相机”。它在知识检索、逻辑推演，甚至常规决策和解数学题上，正在迅速建立起一种新的“写实霸权”。
在这个背景下，如果我们还把自己放在一个“做题家”的位置上——哪怕是退一步，当一个拿着红笔给 AI 批改作业、点“同意”按钮的做题家——这条路大概率是越走越窄的。
真正需要转变的，或许是我们看待问题的维度。
就像数学题一样，怎么把一道现有的题解出来，这叫“做题”，未来机器一定会比人做得更好；但这道题最初是怎么被发现、怎么被定义出来的？ 这完全是另一回事。
在大家都习以为常的现象里，你能不能突然注意到一个别人没看过的切入点？能不能跨越不同的维度，把两个看似毫不相干的领域连接起来，向 AI 提出一个真正有价值、甚至有点刁钻的好问题？
机器擅长在既定的坐标系里寻找最优解，而人类的天马行空，恰恰在于去画一个新的坐标系。
写在最后
当然，聊这些并不是说我已经找到了什么应对 AI 时代的通关秘籍。恰恰相反，我每天在电脑前工作的时候，依然会因为犯懒，顺手点下那个“全部授权”的按钮。
只是我觉得，在大家都在欢呼 AI 帮我们省去了多少思考步骤、提高了多少倍效率的时候，保留一点清醒的怀疑，总不是坏事。
知识变便宜了，答案唾手可得了，连做决定的过程都可以被模型打包代劳了。在这样一个什么都讲究“快”的时代里，试着不把自己困在做题家的惯性里，偶尔跳出来，去提一个奇怪的问题，去保留一点胡思乱想和绕弯路的权利。
这大概是我们能为自己留下的，最像“人”的一部分了。
感谢阅读。