不要外包你的思考
把执行交给 AI，但别把形成理解、选择问题和判断结果的过程一起交出去。
最容易被 AI 替代的，可能不是你的工作，而是你弄清楚自己在想什么的过程。
你有一个模糊的念头，把它交给模型。几秒钟后，标题、结构、论据、结尾，全都出来了。
你读了一遍，觉得挺有道理。改几个词，删两句套话，就发了出去。
文章写完了。
但那个原本模糊的念头，你真的想清楚了吗？
还是它只是被一份流畅的答案盖住了？
写出来，才发现自己没想明白
Jascha Sohl-Dickstein 在一次斯坦福演讲里，给了一个看起来有些矛盾的建议。
一方面，他鼓励研究者积极使用 AI，做分析、写代码、探索问题，也让模型批评自己的文章。另一方面，他又不建议把初稿直接交给 AI。
在后面的问答中，他解释：这不是因为模型不会写，而是因为写作本身就是思考的一部分。跳过写作，也可能跳过形成理解的过程。演讲录像 ↗
这个提醒值得认真对待。
我们通常把写作想成一个输出动作：脑子里已经有了东西，再把它倒出来。
但很多时候，顺序恰好相反。
是你开始写，才发现两个观点根本接不上。是你准备举例，才意识到自己没有证据。是你试着向别人解释，才发现那个一直挂在嘴边的词，自己其实也说不清楚。
一句“这个产品没有抓住用户需求”，听起来很完整。
可一旦继续写，就得回答：哪个用户？在什么场景？他原来怎么解决？为什么现在的方案不行？有没有人愿意为这个问题付出时间或金钱？
这些问题没解决，换一个更漂亮的表达，不会让判断更扎实。
写不下去的地方，有时正是最需要思考的地方。
而 AI 太擅长把这些地方接过去了。
最危险的不是错误，而是你没有问题
明显的错误反而容易处理。
数字算错了，可以重算。链接打不开，可以重查。代码报错了，可以复现。
更难发现的是另一种情况：答案没有明显错误，但它替你选择了问题、安排了轻重、决定了哪些东西值得相信。
你让它分析一个项目，它写了市场、竞争、商业模式和风险。
结构很完整。
但你真正担心的，也许是这个项目会不会让团队陷入半年都收不到反馈的开发。或者客户口中的“需要”，到底是愿意付费，还是只是愿意聊聊。
模型回答了一个标准问题。
你那个不标准、却真正重要的问题，还没被说出来。
如果你没有意识到这一点，最后拿到的就不是辅助判断，而是一份替代判断。
它不一定错。
它只是未必在回答你真正需要回答的事情。
不要把“不外包思考”变成“所有事情亲手做”
这也不意味着，要把代码一行行写回来，把资料一页页翻回来，把文章每个字都自己敲出来。
保留低效，不等于保留思考。
关键不在于谁完成了多少劳动，而在于哪些环节决定了你对事情的理解。
整理十份会议记录，可以交出去。
但这十份记录之间最大的分歧是什么，不能只因为摘要里没提到，就当它不存在。
生成一组图表，可以交出去。
但为什么选这个指标、删掉哪些样本、图上的变化还有没有其他解释，需要有人继续追问。
起草一篇文章，也可以交出去。
但文章里的“我认为”，究竟来自你已经形成的判断，还是模型为了让文章完整而补上的一句话，需要分清楚。
你可以不亲自执行每一步。
但不能在不知道关键选择是什么的情况下，把所有选择一并交出去。
让 AI 帮你暴露问题，而不只是填满空白
同样是写一篇文章，两种用法会把人带向不同的地方。
第一种是：
“围绕这个主题，写一篇有深度的文章。”
模型会努力交出一篇像样的成品。它会填补空白，连接观点，让表达尽可能顺畅。
第二种是：
“这是我现在的判断。先不要替我写完。告诉我哪一步跳得太快，哪些词没有定义，什么证据会让我改变主意。”
这时，AI 的作用发生了变化。
它不再只是替你完成表达，而是帮助你看见表达背后的缺口。
还可以再往前一步：
让它给出最强的反对意见。
让它把事实和解释分开。
让它找一个能同时解释现有证据、却导向不同结论的假设。
让它指出，哪些问题只有你能回答，不能靠继续生成文字解决。
这类对话不一定让你更快拿到成稿。
有时甚至会让原本顺畅的文章写不下去。
但如果文章因此暴露了一个未经验证的判断，这不是效率下降，而是少了一次把模糊包装成确定的机会。
写完以后，把答案关掉
有一个很简单的检查办法。
看完 AI 给出的分析之后，先把它关掉。
不用原来的句子，重新回答几个问题：
这件事最重要的问题是什么？
我现在的判断是什么？
我为什么相信它？
最有力的反例是什么？
出现什么新证据，我会改主意？
如果离开那份答案，这些问题就答不上来，至少说明：你还没有把它变成自己的理解。
这时需要的不是再生成一个更好的总结。
而是回到那个没想清楚的地方。
有时只需要补一个事实。有时需要做一次实验。有时需要承认，这个结论现在还下不了。
这些都比一篇提前写好的漂亮结尾更有价值。
把力气省下来，用在真正需要判断的地方
AI 可以替我们省掉大量整理、搜索、编码和表达的劳动。
这本来是一件好事。
问题是，省下来的力气去了哪里？
如果它只是让我们更快接受第一份看起来合理的答案，那么产出增加了，理解未必增加。
如果它让我们有余力多问一个问题、多看一种解释、多做一次验证，那么自动化才真正扩大了思考的空间。
不要外包你的思考，不是要求你拒绝帮助。
而是当一份答案已经足够流畅、足够完整、甚至足够像你时，仍然愿意停下来问一句：
这里面，哪些是我真正想清楚的？