国际象棋 AI 程序其实是个陷阱！
它证明的东西跟大家以为的完全相反：AI 可以在保持表面繁荣的情况下，把一个行业的专业知识生成机制彻底摧毁。
现在2700+等级分的棋手比20年前多得多，但几乎没人相信他们中能出下一个卡斯帕罗夫。
加里·基莫维奇·卡斯帕罗夫是一位苏联和俄罗斯国际象棋棋手 、国际象棋特级大师、第13 届世界冠军，被公认为是历史上最伟大的棋手。
维基百科
因为培养路径已经变了，那种能在陌生局面找到人类解法的大脑再也长不出来了。这看起来像进步，用任何量化指标衡量都是进步，但某种更根本的东西消失了。
我知道有人会说：那又怎样？赢棋就够了。
AI 程序确实让棋手变更强了。不过这也恰恰是我想拒绝的逻辑——“强”的定义本身就被偷换了。
如果“强”只是指在既定规则下优化表现，那确实，AI 程序做到了。问题是我们把这套衡量标准当成了普适真理，好像所有领域都该这么定义进步。
我最开始也觉得编程类比很自然：用 AI 写样板代码的程序员，就像用AI程序分析棋局的棋手。都是把重复劳动外包，专注高价值判断。
这个推理在表面上无懈可击，直到我意识到它预设了一个不成立的前提，“样板代码”和“高价值判断”可以分离。
但技能不是这样获得的。
你没法在不写够一万行糟糕代码的情况下，突然获得架构直觉。那些看起来机械的部分，或者说你觉得浪费时间的部分，恰恰是大脑在暗中建立模式库的时刻。
当你让 AI 替你写了那一万行代码，你以为自己节省了时间，实际上是跳过了某个隐形的发育阶段。
六个月后你确实交付了很多功能，但你你失去的是那种在没有明确路径时仍然知道往哪走的感觉。这个东西没法量化，没法在季度考核里体现，它才是区分工具使用者和问题解决者的真正分界线。
更糟的是，这个过程制造了一种虚假的能力感。代码确实在运行，功能确实在交付，你感觉自己很高产。
国际象棋至少有即时反馈，下得烂你就立马输棋。但写代码不是，做分析不是，做决策更不是。
糟糕的代码可能要运行一年才暴露设计缺陷，错误的战略可能要三年才显现后果。在那之前，你一直活在我很厉害的幻觉里。
这就是我说国际象棋 AI 程序是陷阱的原因。它给了你一个看起来完美的成功案例，但这个案例的成立条件（明确的胜负、即时的反馈、技能和结果的直接对应）在绝大多数工作场景里根本不存在。你把特例当成了常态的指南。
那些说“AI 是伙伴”的人避开了一个真正的难题：你怎么知道哪些该交给 AI、哪些该自己做？
答案不是靠某个原则性的划分，靠的是你已经拥有的判断力，但如果你从一开始就在用 AI，你根本没机会发展出那个判断力。这是一个先有鸡还是先有蛋的死循环。
不要让 AI 程序的判断覆盖你自己的判断。先自己想，形成假设，再用 AI 程序验证。把 AI 当镜子用，别当拐杖。但几乎没人这么用，因为这么用太慢了，我们都在被“效率”追赶。
所以真正的问题不是该不该用 AI，是你到底想要什么。
如果你的目标就是短期交付，那就全力用 AI。很多工作确实就是关于交付的，能力建设不在考核范围内。
但如果你想要的是十年后仍然有不可替代的价值，那就得接受一个难受的事实：学习就是低效的。
痛苦的部分不是 bug，是学习本身。你得强迫自己做那些 AI 能替你做的事，不是因为你做得更好，恰恰是因为你做得更差，那个更差的过程才是技能生长的地方。
我说要把 AI 当教练用，具体该怎么操作？用AI生成初稿，然后逼自己从零重写，完全不看生成的版本。用 AI 调试 bug，但只有在你先独立尝试了30分钟之后。用 AI 解释概念，然后向完全不懂的人教这个概念，不看笔记。这些是关键，你在刻意制造阻力，因为肌肉只有在对抗阻力时才会生长。
教练和拐杖的区别在哪里？拐杖承担重量，教练增加阻力。拐杖让你跳过困难，教练让你以结构化方式面对困难。拐杖制造依赖，教练强制独立。
大部分人用 AI 的方式是拐杖模式，能少想就少想，能少做就少做。短期看确实更快，长期看你在挖空自己的能力基座。
我自己也不完全确定这个判断在所有情况下都成立。也许有些领域确实可以安全地把基础技能外包给 AI，只要保持某种“元能力”就够了。但我还没见到令人信服的证据，证明这个元能力可以脱离具体实践独立存在。
更大的可能是，我们会在十年后发现，那些完全依赖 AI 成长起来的专业人士，在遇到 AI 训练集之外的问题时，表现得像从未受过训练的新手。
国际象棋 AI 程序给我们真的教训是：一个系统可以在所有表面指标都改善的情况下，悄悄地改变它生产的东西的性质。等你意识到的时候，已经没有回头路了。
现在棋手的等级分更高了，对局质量更稳了，失误更少了，但那种能在关键时刻创造出从未见过的着法的能力——大概率已经不会再出现了。
可持续的 AI 使用，说不清楚该怎么准确定义，但肯定不是关于最大化 AI 能为你做什么。它更接近于：最小化 AI 阻止你学习什么。
