导读：如果简单的问题不再需要你思考，那你能回答复杂的问题吗？

我不想让你听到一个类似老龄化或婴儿潮一代的观点。

但是，当我看到初级程序员依赖 Copilot、Claude 或 GPT 等人工智能工具来完成简单的编码任务时，我想知道他们是否了解给自己带来了更多的伤害而不是好处。

它使简单的工作变得容易得多，但只有通过学习完成小任务所需的技能，你才能掌握完成大工作所必需的能力。

我并不是唯一一个担心这一点的人。独立开发者 Namanyay Goel 最近写了一篇博客文章，点击量超过一百万次，显然触动了不少程序员们的神经。

文章地址：https://nmn.gl/blog/ai-and-learning

Goel 如此这般写道：

我接触过的每一位初级开发人员都全天候使用 Copilot、Claude 或 GPT。他们交付代码的速度比以往更快。但当我深入了解他们对自己交付内容的理解时，事情就变得令人担忧了。

当然，代码可以运行，但要问为什么它能这样运行而不是其他方式？毫无进展。问是否有极端情况？一脸茫然。

过去通过努力解决问题而获得的基础知识现在却……消失了。

我们正在用深刻的理解来换取快速的解决方案，虽然目前感觉很棒，但我们以后会为此付出深刻的代价。

我同意这个观点。

我并不是说你要去学习在 70 年代和 80 年代通过 IBM 360 汇编程序和作业控制语言 (JCL) 学到的技能。那样做是很愚蠢的事。但是，通过使用这些工具，我了解了计算机在非常低水平上的工作原理，这反过来又帮助我学习了 C 和 Bash。

从那时起，我编写了一些中等复杂的程序。我不能说我曾经是一个伟大的开发人员。我可不是，但我知道的足以交出好的作品。

今天的新手程序员能说同样的话吗？我很好奇。我真的想知道。

正如 Goel 所说：“人工智能可以为你提供答案，但你获得的知识却很肤浅。使用 StackOverflow，你必须阅读多位专家的讨论才能全面了解情况。虽然速度比较慢，但你不仅能了解什么方法有效，还能了解为什么有效。”

确实如此。在我那个年代，是 Usenet 和计算机新闻组——是的，我似乎有点老了——但在最好的情况下，体验是一样的。新闻组由那些不仅渴望解决特定问题，而且渴望了解问题本质的人组成。

这并非不是一两个人的胡言乱语。

微软研究院最近的一项研究《生成式人工智能对批判性思维的影响》中发现，知识型员工“对通用人工智能的信心越高，批判性思维就越少，而自信心越高，批判性思维就越强”。此外，“如果使用不当，技术可能会导致认知能力的退化。”

瑞士苏黎世 SBS 瑞士商学院的迈克尔·格利希 (Michael Gerlich) 进行的另一项研究也发现“频繁使用人工智能与批判性思维能力之间存在负相关性”。

墨尔本大学教授格兰特·布拉什基 (Grant Blashki) 对此表示赞同。

布拉什基这样写道：“这是一个简单的‘用进废退’案例。当我们将认知任务外包给技术时，我们的大脑会通过将资源转移到其他地方来适应——或者干脆闲置——便利是有代价的。如果人工智能接管了我们太多的认知工作量，我们可能会发现自己在真正重要的时候缺乏深入思考的能力。”

这样的确很糟糕。

当人们仍在学习如何思考自己的领域时，情况尤其糟糕。当然，我们能更快地得到答案，但正如布拉什基所说的：“这就像爬山和坐直升机到山顶的区别。当然，无论哪种方式，你都能看到风景，但前一种体验会增强力量、韧性和自豪感。而另外一种只是搭便车而已。”

此外，尽管你可能想把所有的工作都交给人工智能，这样你就可以继续看《遣散费》或《夜班特工》了，但是我们仍然不能完全相信人工智能。

人工智能聊天机器人在避免产生幻觉方面已经做得越来越好了，但即使是最好的聊天机器人也还是会产生幻觉。

即使是在编程方面，我的同事 David Gewirtz 两年来一直在测试聊天机器人的开发技能，他观察到：“人工智能无法编写整个应用程序或程序。但它们擅长编写几行代码，而且在修复代码方面还不错。”

这样很好，但是当你需要编写复杂的应用程序时，它就没用了。

那么，我们应该怎么做呢？以下是我的清单：

• 不要将人工智能视为神奇的答案盒。

• 信任它，但是要验证它的答案——要使用人工智能的结果作为起点。对于编程，弄清楚它是如何解决你的问题的，考虑是否有更好的方法。

• 寻找更聪明的人或网站一起讨论你的专业领域。在那里提问，在那里回答问题，研究其他人如何处理他们的问题，积极参与同事们进行专业对话。

• 当你进行代码审查时，不要因为代码运行正常而停止，要更深入地了解这个过程。

最后但同样重要的是，尝试从头开始编码、写作或做任何事情，这样才能锻炼你的思维能力。

Blashki 最后说得挺好：

“我们的目标不是拒绝人工智能，而是建立一种平衡的关系，让人工智能增强人类智能，而不是取代人类智能。”