Skip to main content
← 返回博客
ailearningcareerengineering

被 AI 关掉的那份寂静

有了 AI，还值得学编程吗？喧嚣的两种回答两边都错。在 2025–2026 的证据基础上（Nature、Anthropic、AI & Society），问题不是"用不用 AI"，而是哪些技能交给 AI、哪些留在自己手里 —— 真正变了的只有一件事：以前现实会用摩擦逼你学，AI 悄悄把这股压力关掉了。

发布于 2026年6月22日8 分钟阅读

"有了 AI 还值得学编程吗" 这个讨论现在每两周就从零重启一次。我想了几个月 —— 一开始当成理论问题，后来当成一个会影响"我对新人说什么"的问题，新人问我"从哪开始"，我得有答案。证据基础已经出来了，所以这不再是观点对观点。说得克制一点 —— 两个喧嚣的极端都错了。

这不是"学还是不学"。这是关于 具体把什么 交给 AI，把什么留给自己。也是关于 AI 真正改变的那一件事 —— 不是"一切都翻天覆地"，而是更细的东西：那种强制性的反馈消失了，过去现实本身会替你完成这件事。

两个极端 —— 都偏

先把每次讨论都会冒出来的两个喧嚣阵营从桌面上清掉：

  • 阵营 №1："不用再学语言了 —— AI 会写"。卖"30 天用 AI 成为程序员"训练营的人嗓门最大。
  • 阵营 №2："大家都会变笨，几年后就没专家了"。最吵的是那些有经验的人，他们对自己面对新人显得多么高效时的那种无力感，多少有点害怕。

假二分。本质上没有什么根本变化：一如既往，被看重的是 自觉的理解，不是干巴巴的死记。AI 只是在加深那些真正在行的人和其他人之间的差距 —— 而且比以前更快。

证据基础说了什么

这已经不是"我觉得"了。2025–2026 出现了具体的测量：

  • Nature（2026 年 6 月），"Is AI ruining our skills?" —— 过度依赖 AI 会让技能退化。不只是程序员 —— 医生也一样。
  • Anthropic RCT，52 名工程师：AI 助手让 技能掌握的形成低约 17%。细微的地方 —— 受影响的不是完成任务的速度，而是技能的 形成。也就是说，短期你更快，长期 —— 更差。
  • AI & Society：deskilling 是一个 结构性 问题，没有现成解法。不是"AI 不好"，而是"工具改变了学习环境"。
  • TechCrunch：工程师们拒绝在没有 AI 的情况下工作，因为没有 AI 他们已经做不了。标题："这可能反噬"。

专家 K. Crowston 的结论（Nature 引用） —— 不是"AI 还是不 AI"，而是：自觉地决定哪些技能留给自己、哪些交出去。这就是这篇文章其余部分要展开的那句话。

什么交出去，什么留下

具体来说 —— 线在这里：

可以交给 AI要留在自己手里
记起语法或某个 API 的签名读懂并理解 代码
从零写 boilerplate判断：对吗？安全吗？有 bug 吗？
快速找到一个示例基础：系统、数据、网络是怎么运作的

读不懂的东西，你没法做 review。所以"不懂语言也能理解"是幻觉；那是对 AI 的盲信。这正是"使用 AI 的专家"和"AI 操作员"之间的分界点。前者驾驭 AI；后者被 AI 驾驭。

还有一个总被混淆的区分：技能流失 ≠ 技能没有形成。有经验的人突然开始依赖 AI，他依然会很强 —— 他已经有了一个世界模型。一个从第一天就 100% 趴在 AI 上的新人，永远不会建起这个模型。这是两种不同的问题，后果也不同。

如何正确地学 —— 以及为什么本质上什么都没变

还是要学 —— 只是要 正确地 学。不是干巴巴地背术语或命令，而是理解逻辑，对它整体如何运作有自觉。价值不在"记住"，而在"理解 → 会应用 → 能判断"。

最关键的：这跟 AI 出现之前的情况一模一样。一直以来真正被当成专家看重的，是那些真在行的人，不是死记硬背的人。AI 没有颠覆任何东西 —— 它只是让懒人路径更轻松（现在你可以"做出来"而没有理解），所以这两类人之间的差距只会越拉越大。

自觉学习的人 —— 还是那种人。懒的人 —— 还是会懒。AI 没有制造这种分化 —— 只是把它照亮了。

用简单例子检验一下

  • 数学：会背乘法表，还不算"会数学"。计算器杀死了竖式计算，但没有杀死你需要理解什么是乘法、什么时候用它。
  • 电话：你不再把号码记在脑子里 —— 手机记着。但你得知道给谁打、为什么打。记忆交出去了 —— 判断留下了。
  • GPS：你不再把路线记在脑子里。但你得明白自己要去哪 —— 还得看出 GPS 是不是把你带去绕一段傻路。

这三件事里，机器拿走的都是 机械记忆，而不是 理解和判断 —— 从来都是这样。AI 是同一件事的下一个迭代，只是现在可以委托出去的范围更宽了。

语法是副产品，不是目标

这不等于"语法不用懂"。语法你照样会掌握 —— 但是作为 理解和实践的副产品，而不是目标。你不是用闪卡背 %d 的 —— 你理解了 format-string 的逻辑，它就自己留在脑子里了。正常的学习就是这样：理解 → 应用 → 语法自己沉淀。AI 只是在你正确使用它的时候加速这个循环。

但确实有一件事变了：强制性反馈消失了

"什么都没变" —— 大概有 80% 是对的。有一件重要的事确实变了，而且不是小事。

以前，环境会 逼着 你学。你不能跑起一段能工作的代码，除非至少理解到能让它跑起来。编译器、bug、崩溃 —— 它们是 老师，硬把每个人拽到基本水平。挣扎是强制的 —— 它哪怕在不太用功的人身上也能建起理解。

现在这个老师被 关掉了：你可以 一次都没理解 它怎么运作，就拿到一个能工作的结果。当下不理解的惩罚消失了。所以"什么都没变"这个论点会漏掉一个后果：

差距不只是在固定的两种人之间加深 —— 新的环境也把那些原本会去学的人拽了进去，因为懒人路径现在能给出能工作的结果，而没有即时的惩罚。

所以"懒人还是会懒"这话太窄了。这更多是关于 环境和习惯，而不是关于天性：大多数人是对摩擦和反馈做出反应，不是"天生"就懒。把摩擦拿掉 —— 连不懒的人都会下滑。风险不只在懒人身上。

最微妙的是 —— 能力幻觉。AI 把漏洞填得太顺滑了，你不会撞上自己无知的那堵墙，也就注意不到它。你觉得自己懂，因为"全都能跑"（metacognitive laziness 效应）。所以 保持用功变得更难了：现在这需要你自觉地给自己制造摩擦 —— 有时候关掉 AI，试着自己解释或自己写，去验证"我是真懂，还是只是以为自己懂"。以前这是现实替你做的 —— 现在这是你的责任。

游戏规则没变，但游戏变得更狡猾了 —— 轻松路径现在伪装成成功的样子。

对那些已经在行的人 —— 游戏是另一种

上面所有内容都是关于技能从零 形成。如果你已经成型了 —— 对你而言整张图是反过来的，这一点必须讲清楚，否则这篇就会被读成"AI 不好"，而这并不是论点。

有经验的人知道自己的边界。他看到 AI 给他的东西 → 半秒钟就知道哪里"不对"，哪里"对，但不是这个场景"，哪里"对，此刻 ok"。他有一个内置的"这味道不对"探测器，是从多年的真实事故里攒出来的。AI 不会关掉这个探测器 —— 反而喂得更快：更多的例子、更多的情况、更多需要快速筛掉的 patterns。

所以同一个 AI，可能把新人变成操作员，却把 senior 变成涡轮 senior。30 秒的 boilerplate，而不是 3 分钟。探索一个新库 —— 一个晚上，不是一周。把一个模块从 Python 迁到 TypeScript —— 真能做，而不是"以后再说"。这是给一台已经装好的引擎加上的 nitro。

还有一件微妙的事：AI 没法对有经验的人偷偷撒谎。它对他撒谎的频率跟对新人一样高 —— 只是他在读完句子之前就已经抓到了。对新人来说是能力幻觉的陷阱，对 senior 来说只是日常洪流里又一份 bug 报告。

对那些已经投入过时间的人，AI 是涡轮。对那些还没投入过的人 —— 它是再不投入的又一个理由。这两种状态之间没有中间地带 —— 这让"你具体什么时候学的"成了职业生涯里最重要的因素之一。

系统性风险："断掉的梯子"

senior 是从 junior 里长出来的。如果 AI 吃掉了 junior 的活，又没人去打地基 → 5–10 年后 就没人可以培养成 senior 了。专家层面"迷失的一代"风险是真实的 —— 这不是危言耸听，这就是一个简单的 piping problem：系统的入口管被堵上了，出口管没堵。

为什么不会归零（但会很疼）："所有人都不学了"这个平衡不稳定。稀缺会让那些学过的人变得超值 → 学习的动力又回来了。那些自觉培养专家的公司会拿到 moat。但过渡是疼的：当 AI 清楚而有说服力地撒谎、又没人能分辨真伪的时候，操作员会在第一次严重事故里塌掉。

我的立场

  • 语言 必须 学 —— 瞄准 阅读和判断，而不是死背。通往阅读自如的那条路缩短不了；AI 不会让这条路变短，只会让它悄无声息地变成可选项。
  • 在大多数人把"理解"交给 AI 的时候 —— 现在学习是一个机会窗口：你会成为稀缺的专家，去驾驭 AI，而不是和它竞争。这是短期窗口 —— 市场迟早会适应。窗口开着的时候 —— 不抓住就是浪费。
  • 健康的方式：用 AI 来走得更快 并且学得更深，而不是用来回避学习。反模式 —— "帮我把整个题目做完"。模式 —— 你自己写，AI 解释"为什么"，你在接受它的方案之前自己把它弄懂。
  • 上路时记住一个悖论：要高效地用 AI，你得知道得足够多，多到在简单的事情上不需要它。在简单的事情上依赖 AI 的人 —— 在复杂的事情上会被 AI 骗，连看都看不出来。

来源

← 返回博客