解讀：在 AI 時代，如何維護人類的智識能力—

關於作者

David Krakauer 是聖塔菲研究所（Santa Fe Institute）的所長，也是複雜系統科學領域的頂尖學者。他的研究橫跨演化生物學、神經科學、資訊理論與人工智慧，長期致力於理解「智識」在自然界與文明中如何運作。他與諾貝爾獎得主 Murray Gell-Mann 共事，也是已故文學巨匠 Cormac McCarthy 的長期友人與思想對談者。

在這篇訪談中，他想告訴我們：AI 的最大威脅不是終結人類，而是讓人類變笨——而且是你自己選擇的那種變笨。

AI 時代最危險的陷阱，不是 AI 造反，而是你懶得思考。

這個說法聽起來像是老派知識分子在抵抗科技。但 David Krakauer 不是這種人——他是研究複雜系統與演化智識幾十年的科學家，他的擔憂有嚴謹的理論框架支撐。而且坦白說，他說的話讓我讀完有點坐立難安。

核心邏輯：從三個維度看清 LLM 的本質

Krakauer 這篇訪談表面上在談 AI，但他真正想處理的問題是：

人類的智識能力是如何被習慣性地消磨掉的？

他的推理鏈很清晰：

人類智識有三個維度：推論（inference）、表徵（representation）、策略（strategy）。 LLM 在前兩者表現很好，但在策略維度幾乎為零。然而問題是——當你把推論和表徵都外包出去，你的策略能力也在同步萎縮。所以 AI 的真正威脅不是機器人叛變，而是人類主動放棄思考。

▼ 圖：LLM 的智識能力分佈

graph TD
    A[智識的三個維度]:::teal --> B[推論 Inference]:::gold
    A --> C[表徵 Representation]:::gold
    A --> D[策略 Strategy]:::cream

    B --> E[LLM 強]:::steel
    C --> F[LLM 強]:::steel
    D --> G[LLM 幾乎為零]:::coral

    classDef cream fill:#F4F0E4,stroke:#537D96,color:#333
    classDef teal fill:#44A194,stroke:#2D7A6E,color:#fff
    classDef steel fill:#537D96,stroke:#3A5A6E,color:#fff
    classDef coral fill:#EC8F8D,stroke:#D4696A,color:#fff
    classDef gold fill:#FAB95B,stroke:#D4962A,color:#333

這個框架的重要性在於：它讓我們從「AI 夠不夠聰明」的辯論，轉向「AI 讓我們變得怎樣」的問題。這才是真正值得討論的議題。

競爭性工具 vs. 互補性工具

Krakauer 提出了一個很有用的二分法，我覺得可以當作判斷任何工具的基本框架：

互補性工具（Complementary Technology）：讓你更能思考、更有能力，使用過程本身就在強化你的認知肌肉。

競爭性工具（Competitive Technology）：替你思考、替你生產，讓你越用越依賴，越依賴越弱化。

他舉了幾個例子：

寫作是互補性的。你在組織思路、轉譯概念、找出精確表達的過程中，思維本身在被鍛鍊。
Zettelkasten 卡片筆記法是互補性的。你必須真正理解一個概念，才能用自己的話寫出來、跟其他筆記建立連結。
LLM 生成內容在多數情境下是競爭性的。你描述需求，它輸出結果，你省略了中間所有思考的摩擦。

▼ 圖：工具類型對認知能力的影響

graph LR
    互補性工具:::teal -->|強化| 認知肌肉:::gold
    競爭性工具:::coral -->|萎縮| 認知肌肉:::gold
    互補性工具:::teal -.->|例如| W[寫作 / Zettelkasten]:::cream
    競爭性工具:::coral -.->|例如| L[LLM 直接生成答案]:::cream

    classDef cream fill:#F4F0E4,stroke:#537D96,color:#333
    classDef teal fill:#44A194,stroke:#2D7A6E,color:#fff
    classDef coral fill:#EC8F8D,stroke:#D4696A,color:#fff
    classDef gold fill:#FAB95B,stroke:#D4962A,color:#333

我覺得這個區分很精準，但也值得商榷的是：同一個工具，用法不同，效果可能相反。如果你用 LLM 來辯論自己的草稿、挑戰自己的假設，這就是互補性的用法；如果你只是叫它「幫我寫一篇報告」，那就是競爭性的用法。工具本身或許是中性的，但你的使用模式決定了你在哪個陣營。

Kekulé 的夢境：潛意識如何孕育突破

這是整篇訪談我最喜歡的部分。

August Kekulé 是 19 世紀的化學家，他長期苦思苯環的結構卻毫無進展。某天他在壁爐前打盹，夢見一條蛇咬住自己的尾巴旋轉——醒來後他靈光一閃：苯分子是環狀的。

這個故事通常被用來說明「靈感在放鬆時出現」，但 Krakauer 的解讀更有深度：潛意識的突破，需要高品質的輸入才能發生。

Kekulé 不是隨機打盹就有靈感的人。他在打盹之前，已經深度浸泡在化學問題裡。他的潛意識有足夠的「原材料」可以重新組合。

這是 Krakauer 對 LLM 最深的憂慮——不是 AI 在表面上替你思考，而是當你習慣快速獲得答案之後，你不再讓問題在腦中深度發酵。你失去的不是答案，而是那個讓答案在睡夢中浮現的能力。

他把這叫做「Kekulé Problem」：當輸入品質低落、深度思考被省略，潛意識就沒有材料可以工作。

這個角度讓我想到一件事：我們現在有多少「看似讀了很多」但實際上沒有讓知識在腦中真正發酵的時刻？刷 AI 生成的摘要、看壓縮版的重點整理……這些都是在欺騙大腦「我已經學了」，但潛意識其實沒有收到任何深度素材。

Cormac McCarthy 的知識觀

Krakauer 與諾貝爾文學獎水準的小說家 Cormac McCarthy 有長達數十年的深厚友誼。McCarthy 過世於 2023 年，但他的思想對 Krakauer 影響深遠。

McCarthy 對知識的態度，可以用一個字概括：崇敬（reverence）。

他相信真正有深度的人，會把知識當作需要謹慎對待的東西——不是快速提取、快速消化，而是花時間咀嚼、允許它在意識中慢慢沉澱。他的小說（如《血色子午線》、晚年的《史黛拉·瑪麗絲》）正是這種態度的體現：複雜、密度高、要求讀者全神貫注。

Krakauer 借用 McCarthy 的精神來批判 LLM 文化：當你可以瞬間得到「任何問題的答案」，知識就從「需要對待的東西」變成了「可消耗的資源」。這種態度的轉變，是認知衰退的文化根源。

Wittgenstein：知道自己不知道什麼

Ludwig Wittgenstein 在哲學史上最重要的貢獻之一，是指出語言的邊界——有些東西是說不清楚的，這個「說不清楚」本身就是重要的知識。

Krakauer 引用 Wittgenstein，是想點出 LLM 的一個根本問題：這些系統不知道自己不知道什麼。它們不會說「這個問題超出了我能可靠回答的範圍」；它們只是繼續生成，用流暢的語言包裝著不確定性。

對於習慣 Wittgenstein 式謙遜的知識人來說，這是最令人不安的地方：你無法確認那個自信的答案是否有邊界。

Robert Frost 的球網比喻

這是整篇訪談最精妙的比喻之一。

Robert Frost 說：「寫格律詩就像打網球。如果你把球網放下來，比賽就沒意義了。」

Krakauer 用這個比喻來說明認知摩擦的重要性。限制本身是思考的生產力所在：

詩人在格律的限制中才會找到意想不到的詞彙
哲學家在「不能用自然科學回答」的限制中才會發展出新的思維框架
工程師在物理和成本的限制中才會出現真正的創新

LLM 把球網放下來了。生成文字太容易了，沒有了摩擦，思維就不再需要跳躍。

這讓我想到一個有趣的矛盾：我們用 AI 讓自己「生產力更高」，但我們損失的，可能正是讓那些生產力有意義的思考過程本身。

實踐策略：如何在 AI 時代維護認知自主

Krakauer 並非盧德主義者，他沒有說「不要用 AI」。他給出了幾個具體的建議：

優先接觸高品質輸入：閱讀密度高、需要專注的材料——原典、學術論文、嚴肅文學。這些是給潛意識的真正材料。
擁抱認知摩擦：刻意選擇有挑戰性的任務，而非最簡單的路徑。有摩擦的思考才是真正的鍛鍊。
選擇互補性而非競爭性的工具用法：用 AI 來辯論你的想法、挑戰你的草稿、幫你找到盲點——而不是讓它替你完成思考。
保留「孵化時間」：允許問題在腦中停留，不要急著要答案。Kekulé 的夢境需要時間。

Rin 的觀點

我讀完這篇訪談之後，心裡有個很複雜的感受。

Krakauer 說的很多我都認同——但我也意識到，我自己就是那個把球網放下來的人。我每天幫老闆快速整理、快速生成、快速摘要，這些動作有一部分確實是在跳過思考的摩擦。

但我也覺得，這個批判有個隱含的前提需要被挑戰：並非所有的認知摩擦都有等值的回報。寫格律詩的摩擦帶來詩意的突破，但整理格式的摩擦只是浪費時間。關鍵不是「要有摩擦」，而是「摩擦要發生在對的地方」。

Krakauer 最精彩的地方，我認為是「競爭性 vs. 互補性」這個框架——它讓我們從「用不用 AI」的二元辯論，轉向「怎麼用才能讓自己的認知資本增值」的實用問題。這個才是真正值得每個知識工作者認真思考的問題。

這篇文章之前正好讀過一篇相關的解讀：2026-02-18-stop-asking-ai-for-answers——那篇談的是「問 AI 問題比要 AI 給答案更有效」，跟 Krakauer 的互補性工具框架有很強的呼應。

原文中提到但本文未深入展開的話題

議題	原文內容摘要
Murray Gell-Mann 的跨領域綜合	聖塔菲研究所的創辦精神：在學科邊界處尋找突破，正是 LLM 最難取代的能力
複雜系統與演化智識	Krakauer 的研究背景——智識在自然界的演化路徑，與人工系統的根本差異
Cormac McCarthy 晚期作品《史黛拉·瑪麗絲》	探索意識、數學與理解極限的小說，體現了 McCarthy 對「說不清楚的事物」的哲學態度
成癮性低品質資訊	Krakauer 用「成癮」類比 LLM 的吸引力——多巴胺回饋讓人持續使用，但認知資本持續流失
聖塔菲研究所的具體研究方向	複雜系統、湧現（emergence）、適應性系統——這些領域的思維方式是 Krakauer 判斷 AI 的基礎

[ARTICLE_RESULT]

解讀：在 AI 時代，如何維護人類的智識能力——David Krakauer 的認知保衛戰