AI時代的技術直覺：當我們過度依賴科技

無聲的轉變：當我們的技術直覺失效時

在這個日益由人工智慧和快速技術變革主導的世界中，我們與技術的關係正在經歷深刻的變化。當我們在這個新環境中航行時，理解我們如何與技術互動的心理基礎以及當我們的直覺理解失效時意味著什麼，變得至關重要。

技術思維的兩種系統

對於有經驗的技術專業人士來說，到了一定階段，編寫代碼或解決技術問題不再需要有意識的思考。資深軟體開發者 Ibrahim Diallo 描述了在該領域工作二十年後，編寫 JavaScript 幾乎成為自動化的過程——這是心理學家丹尼尔·卡尼曼會將其歸類為「系統 1 思考」的例子。

系統 1 代表我們快速且直覺的自動化思維過程。當一個高級開發人員快速找到程序錯誤或輕鬆實現功能時，他們主要是在通過系統 1 運作。這是技術界的等效於騎自行車——你不會有意識地思考如何保持平衡，你只是騎著。

但這種直覺的精通並非憑空出現。它通過多年的刻意練習、無數小時的調試和系統化地研究文件而生。這就是「系統 2 思考」：慢速的、分析的，需要有意識的努力。

技術專業人士的旅程通常遵循以下模式：

1. 開始於費力的學習（系統 2）
2. 通過實踐和經驗，培養直覺（系統 1）
3. 面對破壞直覺的新技術（回到系統 2）
4. 為這些技術開發新的直覺
5. 隨著技術發展而重複

這一循環在技術領域已持續數十年。當 jQuery 被 Angular 取代，當 Angular 1.0 轉變為 Angular 2.0，當 React、Vue 和 Svelte 出現為新的範式時，專業人士都需要暫時放棄他們的直覺理解，回到刻意的、有意識的學習中。

人工智慧的破壞：超越正常循環

使得當前的 AI 革命不同於以往技術變革的是，它不僅要求我們學習新工具——它從根本上質疑我們是否需要學習。

利用像 GitHub Copilot 和 ChatGPT 這樣的工具，開發者現在可以構建整個應用程序、生成組件並解決複雜的錯誤，而不需要深入理解其底層代碼。這是計算歷史上第一次，我們面臨完全繞過系統 1 和系統 2 思考的前景。

這代表著與歷史模式的深刻背離。考慮交通工具的演變：當汽車取代馬匹時，人類仍需學會駕駛。當飛行中的自動駕駛系統出現時，飛行員仍需理解飛行原理。但當技術既不需要直覺也不需要學習時，會發生什麼呢？

機器停止：一個警世故事

E.M. Forster 在 1909 年寫的先見之明的短篇小說《機器停止》提供了一個令人不安的未來視野，在這個未來中，人類完全依賴一個全球性的機器系統，而這個系統他們既不了解也無法修復。在 Forster 的世界中，當機器不可避免地失靈時，社會崩潰了，因為人們失去了生存所需的知識和技能。

這一虛構場景引出了關於我們對 AI 系統日益增加的依賴的非常現實的問題。如果我們不再努力學習（系統 2），不再建立直覺（系統 1），我們就有可能完全依賴於我們根本不理解的工具。我們以方便換能力，以效率換專業知識。

這種權衡的後果遠遠超出個人職業生涯。考慮關鍵基礎設施、醫療系統或金融網絡。當這些重要服務的系統出現故障而沒有人能夠深入理解並解決時會發生什麼？

在人工智慧時代找到平衡

這並不是說我們應該完全拒絕AI工具。它們在生產力、可及性和創新方面提供了巨大的好處。相反，我們需要與技術建立一種新的關係——一種能利用AI能力的同時，保持人類理解和自主的關係。

Diallo 建議採取一種平衡的方法：在專案上使用所需的專業工具，但在個人項目中，優先理解「每一行」。這種哲學反映了一種更廣泛的技術意識——有意識地使用工具，而不僅僅是被它們所用。

維持技術主動性的其他策略可能包括：

• 定期「查看AI生成解決方案的內部運作」，以了解其工作原理
• 培養基本知識，使其無論技術變化仍保持相關性
• 進行不依賴於AI的技術創作，以保持核心技能
• 發展對我們何時外包理解的元認知意識

學會不學：人工智慧時代的元技能

或許在這個新技術環境中最有價值的技能是 Diallo 描述的「學會不學」——識別我們現有的心理模型何時不再適用並有意識地開發新的模型的能力。

這項元技能包括知道何時抵制自動化的舒適。這意味著定期質疑我們是否真正理解我們所依賴的技術，或者我們是否成為被動的技術魔法消費者。

能夠完全通過AI提示構建複雜應用程序但不理解基本DOM操作的JavaScript開發者，當AI服務下線時可能會發現自己無能為力。完全通過AI系統自動化整個基礎設施但不保留人類專業知識的組織，在關鍵故障期間面臨災難性的失敗風險。

為非技術讀者理解AI

如果關於系統 1 和系統 2 思考的討論看起來很抽象，請考慮這個日常類比：

想像學習開車。起初，每一個動作都需要有意識的思考——檢查後視鏡、打方向燈、施加適當的剎車力道。這是系統 2 思考：慢速且刻意的。經過多年的駕駛，這些動作變得自動化——你在不經意間打燈和檢查後視鏡。這就是系統 1：快速且直覺的。

現在想像一個場景，自動駕駛汽車變成常態。隨著時間推移，越來越少的人學習手動駕駛。在一兩代內，如何操作車輛的知識可能會變得稀有。如果自動系統發生災難性的故障，社會將面臨嚴重問題——駕駛的直覺理解將會消失。

這正是AI在專門領域中的擔憂。隨著AI工具接管複雜的任務，人類可能會逐漸失去執行這些任務的能力（系統 1）以及學習它們的知識（系統 2）。當AI「駕駛」我們的關鍵系統時，我們變得對無法解決的故障脆弱不堪。

為機器停止時做好準備

Diallo 的反思文章標題提出了一個關鍵問題：當系統 1 下線時會發生什麼？無論是通過技術故障、經濟中斷還是監管變化，我們必須預見我們的技術依賴性變得不可用的時刻。

為這些時刻做好準備並不意味著拒絕技術進步。相反，它意味著：

1. 技術多樣化 - 不將所有信任寄託於單一技術或平台

2. 知識保留 - 確保核心理解在自動化中仍然持續存在

3. 技能維護 - 定期不依賴AI進行練習

4. 有意識的採用 - 批判性地評估何時採用或限制AI集成

就像 Diallo 指出，他在為自己開發時，優先理解每一行。這種方法並不拒絕創新，但堅持在日益自動化的世界中保持自主性和理解力。

人類與AI合作的未來

最有希望的未來不是AI取代人類理解的未來，而是AI增強人類理解的未來。人類與AI之間的理想關係可能是共生而非替代性的——AI負責例行任務，而人類維持系統的深刻理解並將創造能量投入到新挑戰中。

實現這一未來需要精心設計AI系統，以支持人類理解而非隱瞞它。它還需要教育方法強調基礎知識、批判性思維和技術素養，而不僅僅是教學生如何有效地提示AI工具。

正如計算器並沒有消除需要理解數學原理的必要性，AI應該也不會消除理解技術原理的必要性。計算器為數學家服務；數學家並不為計算器服務。

結論：記住如何思考

Diallo 最後提出了一個強而有力的提醒：「總有一天，當機器停止，我們需要記住如何思考。」這不屬於盧德分子或對技術的恐懼；這是對於將強大工具平衡整合到我們的生活和工作中的呼籲。

技術未來不屬於那些最徹底將其思考外包給AI系統的人，而是屬於那些最明智地將AI整合到思考過程中，同時保持自主性和理解力的人。

在一個日益由人工智慧塑造的世界中，保護我們的自然智慧——系統 1 的快速直覺和系統 2 的緩慢深思熟慮——可能是我們面臨的最重要的技術挑戰。

當我們在這個人類與技術關係的前所未有的轉變中航行時，Diallo 的反思提醒我們，方便不應以喪失能力為代價，而真正的技術賦權意味著理解我們使用的工具，而不僅僅是使用它們。