慢就是快 Slow Is Fast
预测
我不喜欢预测未来，因为预测未定之事，多数时候都是自作聪明，作茧自缚。
然而，如果有些直觉反复告诉我，这些事会发生，还正在发生。那我也应顺应其意，不要忽略这些声音。以下是那些反复出现的声音，历史会证明并原谅我的愚蠢：
- 对着AI说话：无论是口述、打字、还是传输文字和图像 —— 这是我们现有的、与AI交互的最高效手段。哪怕在未来，AI能无需许可地自动执行大多数工作，只要我们人想介入其中，我们都必须对着它“讲话”。因为短期内，我们与AI沟通交流的方式不会变，我们绝大多数人大概率都只有一张嘴和两只手，而意念传输之类的脑机接口，在短期内还只是一个梦。因此，组织语言的能力，和历史上任何时期一样，依然占据着重要地位。
- 我们对古典知识和某种根本原则的渴望，正在迅速重塑古典文化的价值。因为它们代表了人某种经久不衰的智慧。一样事物曾经活过多久，大概率预测了它还能活多久。向古老但未朽的事物学习，同时尊重新事物的力量，是折中的聪明做法。
- 认知神经科学和物理学的研究，会持续定义AI的发展方式。前者提供AI处理信息的思路和灵感，后者定义AI计算的效率和骨架。
- 对计算机系统的认知，和对编程好坏的判断，仍需要大量编程训练。工程师的训练会更关乎更基础的原则，但“不要编程”和“编程已死”，是愚蠢的判断。
- 脱离AI辅助的原始思考，以及对最重要的人类基础知识、智慧原则，进行“死记硬背”的原始训练，将依然是教育的核心实践。
- 纸和笔，匹配人类这副原始躯体的表达工具 —— 也是思考工具 —— 将在创造性的慢思考中，占据更重要的地位。
上述这些判断，不是我原创的。在当下的激进背景中，我需要做的，只是把这些声音的音量放大，然后记录下来。
速度的债务
两年前，我写过下面这篇文章。内容是我重读美国工程师和发明家 Douglas Engelbart 的论文 "Augmenting Human Intellect: A Conceptual Framework" 所写的笔记。https://ks-newsletter.com/augmenting-human-intellect/ （读《增强人的智能：一个概念框架》）
从这篇文章写完到现在的这段时间中，出现了一些令人不安的例子：
- 2025 年 6 月，麻省理工学院 MIT Media Lab 的 Nataliya Kosmyna 团队发布了一项研究："Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task"（当你使用 ChatGPT 时的大脑：使用 AI 助手完成论文写作任务时认知债务的累积）。研究将 54 名参与者分为三组：使用 ChatGPT 的 AI 大模型组、使用搜索引擎的组、什么工具都不用的纯大脑（Brain-only）组——让他们在四个月内完成四次写作任务，期间用脑电图（EEG）记录他们的大脑活动。三组的脑神经连接性出现了显著差异：纯大脑组展现出"最强、最分布式"的神经网络；搜索引擎组居中；AI 组的脑连接性最弱。（我还没有读完200多页原论文）
- Paul Graham的文章 “Writes and Write-Nots”（写作者与非写作者）2024年10月：“结果将是世界分裂为写作者与非写作者。仍然会有人能写作——有些人就是喜欢写。但那些介于"写作好手"和"完全不会写"之间的中间地带将消失。我们不再会有好写作者、一般写作者和不会写作者，只会剩下好写作者和完全不会写的人。这很糟吗？技能因技术过时而消失不是常有的事吗？铁匠现在没剩多少了，似乎也没造成什么问题。不，这很糟糕。原因我前面已经提过：写作就是思考。实际上，有一种思考只能通过写作来完成。”
而我的切身体会更直接：如果我高度依赖 AI 思考，那么即使我查到了所有相关的信息 —— 即使我把这些 AI 答案复制、下载、打印、存放在某个地方 —— 我对这些内容的理解也远低于我亲自查文献、慢慢阅读、亲手写作，所带来的理解深度。
这些被AI计算后得出的知识，只存在于计算机神经网络的某个概率分布模型的形状中，它们不存在于我的脑神经网络里。
AI在信息的渊博和处理速率上，比我聪明得多 —— 它极度博学、思维敏捷且能发现我看不到的事物之间的关联。哪怕AI用尺度惊人的归纳做障眼法，它确实能蒙蔽我的眼，让我误以为它在思考推理，而非归纳总结。它渊博无比的知识和涌现出的逻辑，令人惊叹而迷惑。
它能穷举几乎所有的可能性。但要注意，它并不能发现所有的关联。
AI 无法发现的那些关联 —— 那些存在于完全不合理概率推断中的未知 —— 恰好正是我们人类最想发现的未知真相。这部分发现，似乎很难被计算加速。
这些最重要的未知秘密，暂时只能由漏洞百出、且绝不完美的人类自己发现。
综合来看，AI的问题不在它本身，问题出在我自己身上 —— 我允许它代替我进行枯燥的训练；我允许它代替我进行思考；尤其是，我允许AI强行加速我的思维活动。
当我的思考速度被加速到远超过我肉体允许的速度时，这部分思考实质上已经被概率决定，因为AI生成的内容是符合模型预测最合理的结果，预测的下一个 token 虽然依旧未知，但计算规则让它们无比“平均”和“稳定”。
这是我的思考被 AI 加速的代价，真正的创造力被消灭，欲速则不达。
而如果我可以忍受长时间的枯燥训练，如果我允许自己降低思考的速度，如果我能拥有足够长的神经反射时间，来测试我觉得有趣的选项，那这些被缓慢检验的选项，就会包含合理和不合理的各种可能，它们就会孕育新思路。这是慢思考的回报。
死记硬背，枯燥的训练，缓慢的思考和缓慢地执行，这些东西是构成“浴室灵感”的基石。
慢就是快
在过去的那篇文章里面，我写了一段话。
在1962年，个人电脑尚未到来前，最大的问题是个人电脑能做什么，以及一旦发生会增强哪些人，又会取代哪些劳动力。而在2024年，人工智能作为时代的最大变革，引用我之前写过的一段话来阐述我的基本看法：
有了翻译模型还需不需要学外语？有了编程copilot还需不需要学编程？有了GPT还需不需要写作？如果学习的目标是把自己变成工具，那真没必要学了，机器会比你强很多。如果学习的目的是为了提出有价值的问题、精确思辨以及解决复杂的现实挑战，那地球末日来那天，学习上述技能都依然不过时。这些技能不是智慧的载体，是通往智慧的管道。
Engelbart的论文中类似的概念更加清晰：对符号进行操作的能力，诞生了“理解”（comprehension）和“问题解决”（problem solving）的能力，它们组成了人类最直观的智能现象，但它们的存在方式并非是智能本身。对外部符号控制的能力才是智能活动本身，通过任何方式对“控制外部符号”的能力进行增强的手段，都会带来智能水平的上升，这种上升是精心编排人类基本能力的增强效应，而非直接提高人类智力本身。
请别介意，我还需要大段引用旧文章的内容，因为它们正变得越来越相关：
“
让我们再次回到1962年，那个时候的建筑师和今天的建筑师面临的挑战没什么两样：清楚当地的建造和防火规范，深入了解客户对空间的详细需求，计算造价和结构，设计建筑的平面（Plan）和空间排布（Program）。建筑师用铅笔在草图纸上画下的每一条线，都在解决上述问题汇总起来产生的复杂挑战，Engelbart论文开篇对复杂场景（Complex Situation）的定义，就是建筑师日常工作的写照。
正因为建筑师画下的每一条线都需要应对复杂的目的，在那个没有电脑来增强智力的年代，建筑师绝大多数都需要经受极其严苛的手绘训练，TA们非常明白一件事：一根线所代表的混凝土墙体和梁柱楼板，在现实世界中有多么难建造，以及和这根线条的交互（Interaction）意味着什么。在1962年，增强建筑师智能的工具只有一套：书写以及绘画（水彩渲染）用的纸和笔。这件事解释了为什么相当多老派建筑师，对线条的痴迷达到宗教级的程度。
相反，反观电脑增强智力的现代建筑师，在与电脑交互时通过Sketchup、Rhino等建模软件，汪洋恣肆画出的线条和空间，经常显得随性幼稚，因为从速度上讲，这种人机交互(HCI)的速率，是过去纸笔的1000倍都不止（没有精确计算）。于是基于这种情况，做实体模型（Physical Model）就成了一种极其重要的方式来强迫建筑师放慢思考速度，了解自己被增强的想象力，究竟在现实中会带来什么麻烦，尤其是这些放肆的曲线所隐含的工作量到底有多大。
上述这些论证，是电脑出现后人被智能增强的反面，略有些马后炮。 但谁能说自己从没有遇到过后工业时代的通病呢：交互速度大幅提升后对工作质量的损害，以及对事物基本原理的丢失。
这种事曾经发生在建筑师身上，现在马上要发生在计算机工程师身上。大家已经准备不用脑子地让Copilot完成一个既不知道如何运作、也不想知道如何运作的、但恰好能用的功能代码，一如三维建模软件和CAD出现后，被增强的建筑师会陷入的智能漩涡。
在1962年，Engelbart设想了这样一个增强的智能，但他当时还不能预知智能增强后的弊端。
在今天，人工智能的崛起让我们面对着一些非比寻常的问题。
我暂时称之为“智能超速”：
- 智能工具增强人的智能 ------>
- 慢速进行的智力活动被极大地提速 ------>
- 被增强的人进行高速的智力活动 ------>
- 智力活动中最重要的部分被跳过 ------>
- 高级推理只有低速状态下才会发生 ------>
- 工具削弱人的高级推理能力（尤其是那部分只能在慢速状态下才会发生的根本性创造活动） ------>
- 创造性的智力活动被削弱 ------>
- 超速的智能 ——>
- 未来是什么？？？
过度互联网化的社群中，有一种精神涣散的愚钝，这是智能超速最直观的反应。因为尚未意识到智能超速风险的人群，在增强智能的工具面前，几乎不堪一击。
用手写字、用腿走路、用嘴说话、用脑思考，纸、笔，粉笔、黑板，报刊、书籍……这些工具是过去几十个世纪里，增强智能的工具中使用速度和思考速度最匹配的一批。
主动放慢使用工具的节奏和主动降低工具效率，在实用意义上也成立 —— 即便是增强的智能，也时不时需要主动降速来提高智能的质量。
我们和石器时代的祖先，没有自己想象的那么大区别。主动降低对外部符号系统的操作速度 —— 刹车和油门一样重要 —— 都对智力活动本身意义深远。
”
Reference 参考资料
- K's Newsletter,《读〈增强人的智能：一个概念框架〉》, May 2024, https://ks-newsletter.com/augmenting-human-intellect/
- Kosmyna et al., Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task, MIT Media Lab, arXiv:2506.08872, Jun 2025, https://arxiv.org/abs/2506.08872
- Paul Graham, Writes and Write-Nots, Oct 2024, https://www.paulgraham.com/writes.html
Member discussion