刀越锋利，高手与生手之间的鸿沟越深。人工智能亦然：它让一些人如虎添翼，却夺走了另一些人仅存的思考能力。
2026年，似乎已经没有人不用人工智能了。企业在推销它，报纸在报道它，社交媒体上人人都在讲述自己如何借助人工智能完成了某件事。一位律师让人工智能代写诉状，一位学生让人工智能代做作业，一位营销人员让人工智能生成广告文案。人人都在用。但他们真的在“用”吗？
打个比方。20世纪90年代末，互联网走进了千家万户。人人开始说“我上网了”。但那时候“上网”意味着什么？对大多数人来说，无非是：打开浏览器，在搜索引擎输入一个词，点击第一个结果，读一读，关掉。这算“使用互联网”吗？从技术角度说，算。但真正使用互联网的人——研究者、程序员、记者——做的是完全不同的事。他们阅读源代码，访问数据库，交叉验证多个信息源，追问信息从何而来。
区别在哪里？两类人用的是同一个工具。差别不在工具上。差别在于使用者脑子里装的东西。
打开一个工具和使用一个工具之间，隔着一道鸿沟。在ChatGPT里输入一个问题，并不等于在使用人工智能——正如在Google里敲入一个词，并不等于在做研究。
今天人工智能领域正在发生的，恰恰是同样的事。打开ChatGPT说一句“帮我写个东西”，与真正使用人工智能之间，横亘着一道鸿沟。但没人看见这道鸿沟。因为站在鸿沟这一侧的人，根本不知道另一侧的存在。也没有人告诉他们——因为说出真相无利可图。
这看似一个悖论：工具越强大，使用者之间的差距就越大。直觉上我们会以为结果应该相反——强大的工具应该把所有人都往上拉，抹平差距。但事实并非如此。从来都不是。
当工具不再构成限制，使用者自身的能力便成为决定性因素。
在人人使用石刀的年代，人与人之间的差距很小。工具把每个人限制在同一水平——无论你多有天赋，用石头能做的事终归有限。钢刀出现后，这个上限消失了。屠夫与业余者之间的差距骤然拉开。因为工具不再构成限制——工具开始映射使用者自身的能力。
同样的规律在每一种强大工具身上反复上演：
之所以看似悖论，原因在于：人们假设强大的工具会把所有人都往上拉。但强大的工具并没有把所有人往上拉——它抬高了天花板。天花板抬高之后，贴着地面的人依然贴在地面，而能往上攀升的人则攀得更高。
人工智能不是均衡器。人工智能是放大镜。它放大一切：有思考能力之人的能力，没有思考能力之人的空白。
Google诞生之初，人们满怀希望：从此人人都能平等地获取信息，知识垄断将终结，人类将变得更博学。这个希望落空了。今天你在Google上随便搜一个词。首页几乎全是：赞助链接、SEO操纵过的网站、一个人工智能从另一个人工智能那里拼凑出来的文章。工具本身腐烂了。
但比工具腐烂更严重的问题是：使用者的腐烂。因为Google多年来教会了人们一个极其危险的习惯：输入一个词，看第一条结果，说“好了，我知道了”。这个习惯已经深入骨髓，以至于人们再也无法分辨“知道”与“自以为知道”之间的区别。
浅薄的问题 → 流畅的回答 → 满足感 → 停止搜索 → 留在浅层 → 继续问浅薄的问题。循环自我封闭。
现在，同样的习惯被搬到了ChatGPT上。一个人输入一个问题，得到一段流畅的文字，然后说“我研究过了，学到了”。但他既没有研究，也没有学到任何东西。他只是阅读了一个语言模型的统计输出，并把它当成了自己的思考。
这个循环自我封闭，而它最残酷的地方在于：要打破循环，你必须先站在循环之外。要意识到自己的浅薄，你必须先知道“深”是什么。但浅薄之人对深度的存在一无所知——因为在浅层中“找到了”的满足感已经够用了。知道自己不知道是一种能力；不知道自己不知道，则是一种自我喂养的盲目。
而如今滋养这种盲目最有力的工具，正是人工智能。因为Google的输出至少看起来干涩、技术化——人们还能说“我没完全看懂”。ChatGPT的输出流畅、工整、自信满满。即使回答很差，它看起来也很好。人们更容易陷入“我懂了”的错觉。
上世纪九十年代，人们看完晚间新闻就说“我现在懂政治了”。主播讲述，观众倾听，观众自以为获得了知识。实际上发生了什么？他只是被动地消费了由他人框定、由他人筛选、由他人解读的信息。但至少有一种自觉：对面坐着的是另一个人。主播是主播，观众是观众。界限分明。
在ChatGPT上，这条界限变模糊了。一个人提出问题。人工智能给出回答。读到这个回答时，大脑这样编码：“是我提的问，它回答了，所以这是我自己的研究。”但他既没有真正提问（问的是别人的问题），也没有真正研究（只是按了一个按钮），更没有评判（照单全收了答案）。可是因为过程呈现为“问-答”的形式，大脑便将其记录为“自己的努力”。
这比电视主播更危险。因为看电视时，你至少知道自己是被动的。在ChatGPT上，你以为自己是主动的。提问让人产生一种行动感——但一个浅薄的问题，可能比完全不问更糟糕。因为什么都没问的人至少知道自己不知道。而被浅薄问题满足的人，却以为自己知道了。
而最令人痛心的是：困在这种错觉中的人，永远也看不到人工智能真正能做什么。因为他们所看到的，只是自己那些浅薄问题换来的流畅回答。而这些回答已经让他们满足了。满足的人停止搜寻。停止搜寻的人不再发现。不再发现的人，根本不知道还有值得发现的东西。
现在让我们问一个问题：制造人工智能的公司——OpenAI、Anthropic、Google DeepMind——对市场上的虚假课程、虚夸头衔、不合格讲师说了什么？
零。连一篇博文都没有。连一句警告都没有。连一句“市场上有人在骗你们，请小心”都没有。
与此同时，这些公司在做什么？发布自己的免费教学材料。Anthropic Academy：完全免费，连证书都免费。OpenAI与DeepLearning.AI联合课程：免费。Google的提示词教程：免费。也就是说，当有人以数千元的价格兜售ChatGPT课程时，制造这个工具的公司正在免费提供同样的知识。但它没有说“请小心”。
第一，这些课程为它们带来了客户。即使是一门糟糕的课程，终归是让人们使用了ChatGPT。每一门让人使用ChatGPT的课程，都在为ChatGPT注册新的订阅用户。OpenAI为什么要切断这条渠道？哪怕是虚假课程的毕业生，也是潜在客户。
第二，市场扩张策略。这些公司的首要目标是扩大用户基础。它们传递的信息是“人工智能并不可怕，人人都能学”。谁来教无所谓，在哪里学无所谓——学习者本身就会成为客户。进行质量管控会拖慢增长。对它们而言，劣质教育比没有教育更有利可图。
第三，硅谷的责任观。这种文化的标准态度是：“我们制造工具，你怎么用是你的事。”Uber不关心出租车司机的工作条件。Airbnb不关心房东的服务质量。Meta不关心用户的心理健康。同样的逻辑：“我们提供平台，周围发生的事与我们无关。”
这些公司发布安全报告，宣布伦理原则，撰写“负责任的人工智能”宣言——却对自家产品的用户被宰割默不作声。因为被宰的是终端用户，而宰客者恰恰是间接为它们带来客户的渠道。
想象一家制药公司：它生产药品，撰写说明书，但对假冒的“药品顾问”以错误剂量、错误信息销售其药品视而不见。因为药终归是卖出去了。处方可能是错的，剂量可能是错的，顾问可能不合格——但只要药在卖，制药公司就在赚钱。
人工智能市场上发生的，正是这样的事。
OpenAI的CEO Sam Altman在2022年9月13日——ChatGPT发布前两个半月——说了这样一番话：
I don't think we'll still be doing prompt engineering in five years. And this'll be integrated everywhere. Either with text or voice, depending on the context, you will just interface in language and get the computer to do whatever you want.
Altman的意思是：模型将会变得足够聪明，人们不再需要使用特殊公式、固定套路或技术窍门。早期的人工智能模型确实很脆弱：要获得正确输出，需要“魔法公式”。不写“请一步步思考”，它就不能一步步思考。不说“你是专家”，它就给出肤浅的回答。这些技术性窍门——没错，它们确实正在消亡。2026年，人工智能模型已经在很大程度上能理解人类的自然口语了。
在这一点上，Altman是对的。《财富》杂志2025年5月证实：“那个曾被包装成年薪二十万美元、无需编程的职业——提示词工程——已经过时了。”招聘广告中“prompt engineer”搜索量的峰值出现在2023年4月——之后持续下降。
但Altman这番话背后隐藏着一个极其危险的假设：如果工具足够好，使用者之间的差距就会消失。这个假设是错误的。在历史的每一个时期都是错误的，现在依然错误。
因为Altman对“提示词工程”的定义太狭隘了：找到正确的词语序列，用公式引导模型行为。但真正使用人工智能远不止于此。真正使用人工智能意味着：
知道自己在问什么——提出正确的问题，远比用正确的语法写问题困难得多。人工智能越聪明，这一点就越关键，而非越不重要。
正确框定问题——模型变聪明之后，问烂问题的代价反而更高。因为聪明的模型对烂问题也能给出流畅的回答——而这种流畅恰恰在误导你。
能够评判回答——人工智能有时会撒谎。识别这一点永远不可能自动化。要识别它，你必须已经了解该领域，或者知道如何去核实。
了解模型的局限——每个模型擅长和薄弱的领域各不相同。不了解这一点，就无法把正确的工具用在正确的事情上。
编排多个模型——依赖单一人工智能，就像只从一个来源获取新闻。交叉验证、整合不同模型的不同优势——这与技术窍门无关，而关乎思维方式。
悖论在此：Altman在2022年说“它会消亡”。但到了2026年，OpenAI已经建立了自己的教育平台，发布提示词指南，开设联合课程。如果它真的死了，你为什么还在教？因为死掉的是技术公式——取而代之的，是一种更深层的能力：与模型一起思考。而这种能力是买不到的。
这不仅仅是某一个国家的问题。全球范围内，人工智能教育市场像气球一样膨胀。在美国，“prompt engineer”招聘广告在2023年达到顶峰，随后崩塌。但课程仍在销售。LinkedIn上标注“AI expert”的个人资料数量自2022年以来成倍增长。Udemy、Coursera、Skillshare等平台上有成千上万的“人工智能课程”——其中大多数唯一做的事，就是用屏幕录制演示ChatGPT的网页界面。
共同的模式随处可见：价值数百甚至数千美元的培训，内容只有ChatGPT。没有Claude，没有Gemini，没有DeepSeek，没有Llama——只教人工智能世界里的一种工具，而且是以最肤浅的使用方式。课程结束时发一张证书。证书被装裱起来。然后人们说“我现在懂人工智能了”。
在自由职业平台上，全世界到处都有成百上千注册为“人工智能专家”的人。看看他们的简介：“机器学习专家”、“深度学习专家”、“提示词工程师”。资质证明：通常是某在线平台的一张证书。也就是说，看了几小时视频就拿到证书的人，正在把自己包装成人工智能专家。
企业端的情况更有意思：面向企业出售的半天“AI转型研讨会”。几个小时，数千美元。内容：如何在ChatGPT中提问，加一个自动化工具和几个现成模板。从培训预算中列支，没人质疑内容。
几个小时的研讨会要价数千美元。这笔钱买到的是什么？在一个网页界面里输入问题。这件事，任何一个12岁的孩子5分钟就能自己学会。
但真正的问题不在于价格。真正的问题是：这些授课者，是否具备讲授这些课程的资质？
全球范围内，大学正争相开设标有“人工智能”标签的硕士项目。在美国、在欧洲、在亚洲——到处都是同样的趋势。但这些项目中的大多数有一个共同问题：它们是出于商业考量而设立的。
运作机制如下：“人工智能”这个词创造需求。有需求的地方就开设项目。为了招满学生，入学标准被压低——有些项目没有入学考试，没有外语要求，任何本科文凭都可以。项目名称可能是“计算机科学”或“信息技术”，但在市场推广时，“人工智能”的标签被放在最醒目的位置。因为写“计算机科学硕士”与写“人工智能硕士”，在申请人数上有着天壤之别。
标签：“人工智能”或“数据科学”——但底层项目通常是经典的计算机科学。
入学条件：非论文方向中，无考试、无外语要求的模式很常见。门槛极低——目的是招满名额。
课程中的LLM / Transformer / 生成式AI：大多数没有。2022年以前的课程大纲未曾更新。即使有也是选修——可以不选就毕业。
师资：现有学者在各自领域很有造诣——但他们大多数人的专长，与人们今天说“人工智能”时所指的东西无关。
想想这些项目中的教授团队：电力电子学教授、信号处理专家、图像处理研究员、控制系统工程师。他们在各自领域都是严肃的学者。但这些领域中没有一个，与语言模型如何运作、如何引导、局限在哪里有关。它们都在“人工智能”这把大伞之下——但洗衣机的模糊逻辑控制与ChatGPT的工作原理之间，唯一的共同点就是“人工智能”这个词。
这就像一位骨科医生说“我是医生”，然后去做脑外科手术。两人都读完了医学院，两人都是医生。但一个做的是膝关节手术，另一个做的是脑外科。“都是医生”这句话什么也说明不了。
“人工智能”恰恰就是这样一个伞式术语。它下面涵盖数十个不同领域：图像处理、自然语言处理、机器人学、控制系统、推荐系统、强化学习、生成式模型……它们都是“人工智能”，但却是完全不同的学科。
这些项目的课程大纲中有一些术语，从外面看起来非常令人印象深刻——但它们与语言模型毫无关系：
| 概念 | 实际是什么？ | 与语言模型的关系 |
|---|---|---|
| 网络挖掘 | 用统计方法从网页中提取信息。2000年代初曾流行，如今已是上一代技术。 | 零 |
| 云计算 | 通过互联网租用服务器。创建虚拟机、管理容器。是基础设施问题——不是人工智能。 | 零 |
| 智能优化 | 用受自然启发的算法解决数学问题。蚁群算法、蜂群算法、遗传算法。早在人工智能热潮之前就已存在。 | 零 |
| 图像处理 | 对照片和视频进行降噪、目标识别、医学分析。是人工智能的另一个分支——不是语言模型。 | 不同分支 |
| 模糊逻辑 | 1965年开发的不确定性决策技术。从洗衣机到电梯随处可见。经典控制工程。 | 零 |
这些概念都是计算机科学中正当且有价值的领域。问题不在这些领域本身。问题在于，它们被包装在“人工智能”的大伞之下，仿佛在语言模型方面也具备专业能力。而这种包装背后有商业驱动力：吸引学生报名，填满招生名额，收取学费。出售的不是教育质量，而是标签的吸引力。
人人都在谈论人工智能的危害。“它会抢走我们的工作”、“它会毁灭人类”、“它会控制世界”。好莱坞剧本、末日新闻、阴谋论。这些都是噪音。真正的危害安静得多、阴险得多，而且已经开始了。
人工智能在增强有思考能力之人的力量。同时，它正在夺走没有思考能力之人手中仅存的思考碎片。
这句话听起来很严厉，但请思考其中的机制：
同一个工具，两种截然不同的结果。差别不在工具——而在使用者的思考能力。
有思考能力的人把人工智能当作工具来使用。提问、评判、核实、引导、用多个来源交叉验证。每次使用都多学一点，能力不断增长。人工智能在增强他。
没有思考能力的人把人工智能当作权威来使用。提问，来什么收什么，说“我学到了”，然后停止思考。每次使用都变得更懒一点，能力不断萎缩。人工智能在削弱他。
这两个群体之间的剪刀差每天都在扩大。因为第一个群体越用越强，第二个群体越用越弱。同一个工具，相反的结果。正如锋利的刀让高手如虎添翼，却割伤了生手的手。
而这个金字塔中的大多数——最顶层那85%——以为自己在“使用”人工智能。成千上万的课程正是卖给这些大多数。课程给予的，是让你在最表层待着时感觉更安心的东西。一张“我现在也在用人工智能了”的证书。而实际发生的不过是：购买了浅层使用的认证版本。
这篇文章不是攻击。这篇文章是一个警告。
人工智能确实是一个强大的工具。也许是自印刷术以来历史上最强大的信息工具。但正如每一种强大工具一样，在没有使用能力的人手中，它是有害的。而这种危害最阴险的形式，是受害者自己察觉不到。
一头扎进人工智能是危险的。说“大家都在用，我也用”，就像说“大家都在吃这种药，我也吃”。不了解药是什么、有什么作用、有什么副作用、应该用多少剂量就吃药，那不是治疗——是赌博。
真正学会人工智能，不等于学会在一个网页界面里输入问题。真正学会人工智能，意味着：
知道自己在问什么。因为浅薄的问题会带来流畅却空洞的回答，而你看不出区别。
能够评判回答。因为人工智能有时会撒谎，而且撒得极其令人信服。
不依赖单一工具。因为每个模型的优势和弱点各不相同。
不转让思考的责任。因为人工智能无法代替你思考——它只能加速你已有的思考。
能够说“我不知道”。因为知道自己不知道，比自以为知道有价值千倍。
一门价值数千元的课程教不了这些。一张证书给不了这些。一个硕士文凭也保证不了这些。因为这不是一种工具使用技能——而是一种思维方式。
而这种思维方式是买不到的。只能建造。
人工智能并不有害。不经思考地使用人工智能才有害。而能教会你这两者之间区别的，既不是一门课程，也不是一张证书，更不是一纸大学文凭。唯一能教会你的，是你自己承担起思考的责任。
原文为土耳其语。我们力求以最自然的方式呈现中文译本。如果您发现任何错误或能建议更好的表述，请发邮件至 [email protected] ——您的意见将丰富我们的翻译。