AI 都能替我做了，我还需要自己会吗？

上一篇写练琴时，我最后发现，AI 明明知道很多钢琴知识，却不一定真的能教好一个正在弹琴的人。

原因不是一句“AI 没有身体”就可以解释。真正的教学至少要经过四层：

Observe → Diagnose → Intervene → Verify

先看见真实发生了什么，再判断原因，选择适合这个人的干预，最后根据新的结果继续调整。

这是这一轮 research 里遇到的第一种边界：AI 有知识，不等于这些知识能够顺利抵达现实结果。

继续往下看，我开始碰到另一种很不一样的问题。

这一次，AI 甚至可能什么都没有做错。

它可以帮我把邮件写好，把资料整理好，把代码做出来，把一道题解出来，结果比我自己完成得更快、更完整。

那如果 AI 已经可以替我做了，我还需要自己会吗？

我觉得这个问题不能统一回答。

因为我们使用工具，本来就在不断放弃一些“必须自己会”的事情。

我不需要自己拥有冰箱保存食物的能力，也不需要为了维持心算水平，每次使用计算器前先手算一遍。导航让我少记很多路，洗衣机也早就替代了大量手洗的技能。

AI 没有什么不同。

真正需要先分清的，是我希望这件事情做完以后，留下什么。

我现在大概会把它分成三种。

第一种：我只需要结果

这类事情最简单。

比如整理一份会议记录、转换文件格式、提取一批信息，或者写一封很普通的行政邮件。

如果最后需要的是一个准确、可用的结果，AI 能稳定做好，我很愿意直接交给它。

我不会因为让 ChatGPT 帮我把一封英文邮件改得更自然，就担心自己因此没有“真正学会写这封邮件”。

因为这封邮件本来就不是一堂英语课。

工具存在的意义之一，就是把一些没有必要继续由人亲自完成的工作拿走。

所以我并不太认同一种笼统的说法：

只要越来越依赖 AI，就是人在失去能力。

失去什么能力，为什么还需要它，才是更重要的问题。

第二种：我可以不亲自做，但需要懂到能判断

有些事情我也愿意把执行交出去，但不能完全失去理解结果的能力。

我现在用 Coding Agent 做产品就是一个很明显的例子。

我并不觉得自己一定要先成为一个能够独立写 production code 的工程师，才有资格让 Agent 帮我开发产品。

它能做出来，就是实实在在的价值。

但我还是需要理解一些东西。

比如一个技术方案会不会改变产品行为，某个 Agent 应该获得多大权限，一次架构调整带来了什么 trade-off，测试通过到底证明了什么，又有哪些事情其实还没有被验证。

否则我交出去的就不只是 coding execution。

连判断“这件事有没有做对”的能力，也一起交出去了。

所以这里真正需要保留的，不一定是执行能力，而是足够的 judgment / oversight capability。

我不需要亲自做每一步。

但至少要知道什么时候可以放心，什么时候应该继续追问，什么时候其实已经超出了自己能够审核的范围。

第三种：有些事情，能力本身就是我要的结果

到了这里，问题才真正变得不同。

我练英文口语，是因为希望下一次面试时自己能说。

练琴，是因为希望自己的手真的会弹。

学生学习数学，也不是为了今天这一页习题最后全部显示绿色对勾，而是希望以后遇到类似问题，自己能够处理。

这时，“AI 帮我把任务完成得更好”和“我自己学会了”就不再是一回事。

这一点在教育研究里已经开始出现很具体的证据。

AI 辅助时做得更好，不代表能力已经留在人身上

2025 年，PNAS 发表了一项接近 1000 名高中生参与的数学随机对照实验。

研究者设计了两个基于 GPT-4 的 AI 助手。

一个比较接近普通 ChatGPT 的使用方式，学生遇到题目，可以直接让它帮助解答。

另一个则专门按照教学目标做了限制：更倾向于给 hint，而不是直接交出答案，同时使用教师准备的正确解法、常见错误和反馈方式来指导学生。

实验还有一组不使用生成式 AI 的学生作为对照。

在有 AI 辅助的练习阶段，两个 AI 组的表现都明显提高。

普通 GPT 组比对照组高约 48%，经过教学设计的 GPT Tutor 组高约 127%。

只看这里，当然很容易觉得 AI 帮助了学习。

但实验还有下一步。

研究者把 AI 拿走，让学生自己考试。

这时候，之前使用普通 GPT 的学生，成绩反而比没有使用 AI 的对照组低了约 17%。

经过教学设计的 GPT Tutor 组基本消除了这种负面影响，但在无 AI 的考试里，也没有显著超过对照组。

同一个实验里，于是出现了一个很重要的区别：

AI 在场时，学生完成任务的表现可以明显提高。

但 AI 撤掉以后，人的独立能力不一定获得了同样的提升。

研究者进一步看学生如何使用普通 GPT 时，也发现很多人更容易直接向它索取答案。

这其实不难理解。

如果学生真正需要练习的是自己读题、回忆知识、尝试、犯错、再根据反馈修改，那么 AI 直接跨过这些过程，把正确答案交出来，当然可以提高眼前的 performance。

但它同时也可能替学生做掉了一部分原本需要发生在人身上的工作。

这并不意味着学习时应该少用 AI

另一项研究正好补上了另一半。

同样是在 2025 年，Harvard 的研究团队在一门本科物理课程里做了一项 194 人参与的随机实验。

学生分别使用传统课堂中的 active learning，或者一个专门设计的 AI Tutor 学习相同内容。

这个 AI Tutor 并不是把一个普通聊天机器人直接放在学生面前。

研究团队按照教育和认知科学中的一些原则设计互动，让学生主动参与，逐步获得信息，在需要的时候得到提示和反馈，并按照自己的进度学习。

在实验涉及的两节课程内容里，AI Tutor 组的即时学习增益高于课堂 active learning，而且花费的时间更少，学生报告的 engagement 和 motivation 也更高。

这项研究当然有边界。

它发生在一门 Harvard 本科物理课里，只测试了特定教学内容，主要观察短期学习结果，也没有证明几个月以后学生依然记得更多。

但和前一个数学实验放在一起，我觉得已经足够说明一个很重要的问题：

关键不是学习时“有没有 AI”。

而是：

AI 替学生做了什么，又保留了什么让学生自己完成。

AI 可以直接跨过思考过程，把答案交出来。

也可以看着学生自己尝试，在真正卡住的时候给一点帮助。

表面上都是“AI tutoring”，实际产品目标完全不同。

如果「能力提升」是目标，有些看起来低效的步骤不能全部拿掉

我们做普通生产力产品时，很自然会追求减少 friction。

能一步完成，就不要让用户走三步。

能自动填，就不要让他自己输入。

AI 把这种方向推得更远：很多事情已经可以直接从一个问题跳到一个看起来完整的答案。

但如果任务的目标是学习，有一些 friction 本身可能就是学习过程。

• 自己先想。
• 从记忆里把东西找出来。
• 试一个不一定正确的答案。
• 发现哪里不会。
• 获得反馈以后再做一次。
• 换一个场景，看自己能不能迁移。

这些过程看起来没有“直接生成正确答案”高效。

但如果我真正想训练的就是这个能力，把它们全部拿掉，最后被优化掉的可能正是我要学习的部分。

所以我现在觉得，好的学习型 AI 有时候反而需要克制一点：

不是尽快替我完成，而是尽量让我完成。

关于「表达能力退化」的思考

第一个 100 天记录结束的时候，我写过一个很个人的感受。

我发现自己完整组织一段文字，好像比以前费劲了一点。

与此同时，AI 越来越能接住我的不完整表达。几个零散的想法，一些没有组织好的句子，都可以先扔给它，再变成一篇结构完整的文字。

我不知道这种变化是不是 AI 导致的。

自己的感觉当然不能证明因果。

但现在我会换一个问题问自己：

完整表达这件事，对我来说究竟属于哪一类？

很多文字生产，其实只属于第一类。

一封邮件、一段说明、一份格式清楚的材料，我只想得到结果，完全可以大量使用 AI。

但表达对我又不只是文字生产。

现实里，我还要参加面试，要和别人讨论复杂问题，要在没有 AI 中介的时候让另一个人理解自己。

这意味着表达本身依然有独立的实际价值。

另外还有一层，我现在只能把它当作自己的观察，而不是 research 已经证明的结论：

有时候我并不是先完整想好一个观点，再把它翻译成语言。

把一个模糊的东西慢慢说清楚，本身也是我思考的一部分。

写到一半，才发现两件事情其实没有逻辑关系。

试着解释一个观点，才发现自己也不知道为什么相信它。

讲给别人听的时候，才意识到这里缺了一块证据。

所以我真正担心的并不是：

以后我的句子会不会没有 AI 写得漂亮。

而是：

如果所有还没成形的想法，都在很早的时候交给 AI 帮我补完整，我是不是也少经历了一部分自己把事情想清楚的过程？

目前我没有足够证据回答这个问题。

但至少我知道，这是一个我自己仍然想保留的能力。

所以我现在会先问：这件事做完以后，我希望留下什么？

这是这轮 research 给我的第二个比较实用的判断。

面对一件越来越容易交给 AI 的事情，我会先把它放进三个位置之一。

我只需要结果

那就放心外包。

没有必要把所有任务都包装成“学习机会”。

我需要保留判断

执行可以交出去，但需要留下足够的理解、验证和决定能力。

我未必需要自己写代码，但需要知道什么时候不能只听 Agent 说“已经完成”。

我需要的就是这项能力

那 AI 应该参与练习，而不是把真正需要训练的部分全部替掉。

这里最终要看的，不只是：

AI 在旁边的时候，我做得有多好。

还要看帮助逐渐减少以后：

什么真的留在了自己身上。

我觉得这就是第二篇里 AI 一个很容易被忽略的边界。

它很擅长把自己的能力借给我们。

但：

AI 的能力，不会因为被我使用过，就自动变成我的能力。

如果我只需要结果，这完全不是问题。

如果我要保留判断，就需要留下一部分理解和验证。

如果人的能力形成本身就是目标，那么产品甚至需要故意留下那些本来可以由 AI 直接完成、但对学习仍然必要的步骤。

这也刚好把问题带到这组 research 的最后一篇。

前面第二种情况里，我说：

执行可以交给 AI，但重要判断留给人。

这已经是现在很多 AI 产品非常常见的设计：

Human in the Loop。

AI 先做，人最后检查。

听起来很合理。

但下一篇我想继续追一个更麻烦的问题：

人在 loop 里，就代表他真的审得出来吗？

关于这轮 research

这是「AI 还做不太好的事」研究系列的第二篇。

第一篇讨论的是，当 AI 要指导一个真实的人完成一项技能时，从观察现实、判断原因，到干预和反馈，中间任何一层都可能成为限制。

这一篇关注另一种边界：当人的能力形成本身是目标时，AI 提高有工具辅助时的 performance，并不能自动证明 learning 发生了。

本篇主要使用两项随机对照实验。

Bastani 等人的高中数学研究覆盖接近 1000 名学生，同时比较 AI 在场时的练习表现，以及撤掉 AI 后的独立考试，因此能够把 assisted performance 和后续 learning outcome 分开观察。

Kestin 等人的研究则在 Harvard 本科物理课程中测试专门按照教学原则设计的 AI Tutor，提供了方向不同的证据：AI 并不天然妨碍学习，系统怎样设计、又替学生完成了什么，才是关键变量之一。

两项实验的对象、学科和评价周期都不同，所以不能简单比较谁“更正确”。放在一起，对我最有价值的反而是这个区分：

AI 能把一项任务做得更好，和 AI 能帮助人形成一项能力，需要分别验证。