塔斯娱乐资讯网

AI进入日常思考,有价值的个人意见会变得稀缺 当搜索、研究和表达都可以交给生成

AI进入日常思考,有价值的个人意见会变得稀缺
当搜索、研究和表达都可以交给生成式 AI,最先变得廉价的,可能是“我为什么这样想”这件事。答案会继续增加,带着个人经验、判断和承担的意见却更难留下。
图注:The Architectural Review 以“人类批评依赖谨慎的思考”为题制作的版面视觉,成为本文讨论个人意见稀缺的入口。
问题的入口
我们正在获得更多答案,也更难听见一个人的来处 《The Architectural Review》刊出的一封读者来信,把担忧落在一个具体变化上:大型语言模型和生成式 AI 正进入搜索、研究工具、社交应用,以及每天发生的思考活动。工具替人搜集、概括和组织信息之后,人还会不会保留形成批评所需的时间?
这也是“个人意见变得稀缺”的起点。意见的价值从来不只由句子是否完整决定。一个人的经历、位置、偏好、犹豫和取舍,才让一句话带有辨认度。生成式 AI 可以迅速提供一段听起来合理的表达,却不会替使用者经历那段生活,也不会为判断造成的后果负责。
语言的变化
先被抹平的,往往是表达里的差异 一项发表于《Nature Human Behaviour》的研究,分析了不同领域超过 88 万篇文本。研究摘要报告,使用大语言模型进行润色和改写后,文本之间的语言差异缩小,复杂度差异减少约 21% 至 50%;原文的核心内容大多保留,表达风格却更接近。
这组结果谈的是文字,不等于已经证明人的思想被同样程度地统一。但它指向一个日常可感的场景:当不同的人用相似的模型、相似的提示词和相似的修改方式表达自己,文本会先呈现出一种共同的“合格感”。句子更顺,态度更稳,棱角却可能变少。读者越来越难从语言里判断,说话的人究竟看见过什么、在乎什么,又放弃了什么。
思考的迁移
AI省下的时间,未必会自动变成判断 微软研究院与卡内基梅隆大学研究者在 CHI 2025 发表的一项调查,收集了 319 名知识工作者对 936 个真实工作案例的描述。参与者说,使用生成式 AI 后,批判性思考的重心会从搜集信息转向核对信息,从亲自解决问题转向整合模型回答,再转向监督任务质量。
研究还发现,对 AI 越有信心的人,在这些任务中投入的批判性思考通常越少。这个结果来自参与者的自我报告,不能直接当作人的思考能力已经下降的长期测量;它却解释了一个常见过程:当低风险任务总能迅速得到一段可用答案,人会减少停下来判断的次数。久而久之,自己提出问题、比较路径和承担选择的部分,就会从工作流程里消失。
个人意见的稀缺,不意味着每句话都必须拒绝 AI。真正需要保留的是判断发生的过程:问题由谁提出,标准由谁设定,哪些经验改变了结论,最后由谁承担选择。
保留个人意见
先留下自己的判断,再让 AI 参与表达 如果任务本身包含立场、审美或取舍,使用者可以先写下自己的判断,再让 AI 做整理、反驳或补充。这样留下来的文本,仍然可能经过模型润色,但它的出发点已经来自具体的人。
对设计师来说,这意味着先保留自己对场地、尺度、材料和使用者的观察,再让模型帮助比较方案;对写作者来说,先写下真正改变过自己的经验,再让模型处理结构和语病。越是依赖个人经历才能回答的问题,越不应从一段通用提示词开始。
当每个人都能轻易获得一段完整、流畅、没有明显错误的表达,个人意见的辨认度就会转移到文字之外:它来自一个人看过的现场,做过的选择,以及愿意为这句话留下名字的程度。
Architectural Review;Microsoft Research 与 Carnegie Mellon University;Nature Human Behaviour。