Cloudflare 在近期财报会议中预测：5 年后，互联网上来自 AI 的流量将是人类的 1000 倍。届时，人类将不再是网络冲浪的主力，甚至沦为赛博世界的零头。
这并非危言耸听。当前，AI 的访问量已正式超越人类网民。然而，鲜有人思考未来的“知识牧场”是否还能长出新的牧草。
测算显示，语言模型训练将在 2026 年至 2032 年间耗尽人类公开的文本数据。高质量语言数据的枯竭甚至可能提前至 2026 年到来。
Stack Overflow 的沉没
Stack Overflow 曾被誉为程序员世界的“集体大脑”。从 2008 年建站至 2014 年鼎盛期，其每月吸引逾 20 万个新问题，构建了一座庞大的人类智识档案馆。
自 2022 年底 ChatGPT 问世后的两年间，Stack Overflow 月提问量从逾 20 万骤跌至不足 5 万，回落至 2009 年平台初创时的水平。
问题源头的干涸源于用户转向 AI 提问。Stack Overflow 2025 年调查显示，84% 的开发者每日使用 AI 工具。然而，46% 的开发者不信任 AI 输出的准确性，主要顾虑在于 AI 生成的答案“看似正确实则谬以千里”，这对审核者提出了更高要求。
约 35% 的开发者表示，访问 Stack Overflow 是为了修复或调试 AI 制造的问题。研究发现，技术最精湛、声誉最好的活跃贡献者反而更容易离开平台。这导致无人回答的问题比例从 19.9% 升至 25.7%，整体真实贡献量下降约 35%。
由此形成怪圈：Stack Overflow 的知识训练了 AI，AI 带走了提问，开发者又回到 Stack Overflow 修复 AI 产生的问题。若缺乏源源不断的新问题，旧答案将无法解决新框架、新漏洞及从未见过的 Bug。模型可以给出答案，却无法替人类预见下一个问题。
搭便车与公共知识的悲剧
经济学中的“公地悲剧”指出，共享资源因个人过度使用而走向崩溃。以往，知识分享基于隐性社会契约：贡献带来声誉与反馈，形成正向循环。Stack Overflow 的投票机制与维基百科的编辑文化皆源于此。
AI 正在加速专家贡献者的流失。当工具能以零成本生成优质内容，“分享专业知识”的边际效益迅速萎缩。若一位资深架构师花费数小时撰写的深度文章，可被 AI 瞬间综合生成，其创作动力必将受挫。
尽管仍有出于热爱的贡献者，但在反馈减少、读者稀少的情况下，持续的内驱力难以为继。这可能导致高价值知识转入企业内网或付费社群，甚至导致人类减少知识生产。AI 因此在更匮乏的数据上训练，引发知识质量下降的系统性螺旋衰退。
计算机科学版本的近亲交配
互联网过去三十年构建了人类知识的大教堂，砖瓦来自无数志愿者的无偿贡献。AI 从中习得语言能力，但随着访客与新砖瓦的减少，AI 开始用自身回声填补沉默，导致知识“惯性化”：更新停止，老旧遗产被反复生成与老化。
2024 年 7 月，前 Google DeepMind 科学家 Ilia Shumailov 等在《自然》期刊发表论文指出：大型语言模型若反复使用自身生成内容训练，性能将出现退化。早期表现为稀有模式消失，晚期则趋向单调漂移。
媒体将此现象形象地称为“计算机科学版本的近亲交配”。AI 生成内容大量涌入互联网并反哺训练语料，导致反馈循环中的误差叠加，模型与真实世界的分布偏差越来越大。
谁来给 AI 种下一茬草？
若 15 年后 AI 在多数领域达到专家级水平，谁还具备辨别其答案真伪的知识储备？监督 AI 需要人类懂 AI，但培养过程本身正被 AI 接管。下一代依赖 AI 学习、工作与判断，最终可能陷入依赖 AI 监督 AI 的困境。
AI 并非执行确定性逻辑的计算器。当其复杂度超越人类认知极限，理性的验证可能退化为盲目的信仰。世界经济论坛指出，AI 能力越强，人类的有效监督越弱，因为人类承担的认知工作及第一手掌握随之消退。
未来或许需要建立类似飞行员“手动飞行”的能力审计机制，确保人类判断力不萎缩。AI 的加入可能逼迫知识生产走向“不可替代”的深水区，但这前提是认知劳动的价值被看见并回馈给创造者。
我们需要为答案提供出处，更要保留下一代不依赖 AI 独立学习和犯错的机会。人类文明的集体智慧由记忆、注意力和推理组成，需活人持续争论与修正。若人的参与萎缩，这些要素将失去源头，只剩精致的回声腔。
AI 可以蒸馏过去的知识，却无法凭空创造一群愿为未来负责的人。模型不仅需要算力与 Token，更需要那些走进真实世界、发现新问题并公开留下答案的人。最好的知识库永远有人回来修改更新。AI 在狂奔，但知识牧场不会因牛跑得快而自动长出新草。