思维外包的下一步

利用AI帮助我们思考得更不像机器

我在使用LLM（大语言模型）的时候会时不时的思考我使用这东西的动机，有时候我把它当工具，给一堆东西，让它整理；或给出一个问题期待一个所谓的答案。但有的时候让它告知我的局限以及一些表达习惯方式。

我认为前面一种方式是效率驱动的使用方式，后一种方式是可能性驱动的方式。这让我想起最近读完关于现代化思考 艾恺的《持续焦虑》以及马上要读的来自查尔斯·泰勒的《现代性的隐忧》。

现代化有一种趋势，即将一切转化为可计算、可优化的对象。在这种工具理性主导的世界观中，思维本身也被视为一种可外包的资源，一种可以被更高效系统替代的功能。这正是我们使用LLM时常见的心态——将思考视为负担，将答案视为目标。

可能性驱动的例子就是前几天读到Hilary Gridley 的 博客 《How to become a supermanager with AI》。她认可我们将迎来更多超级个体贡献者（Super IC），她有几个有趣思路：

• 训练出一个给大家提供邮件反馈的智能体，这样员工获得反馈与提高的机会就会更频密。

• 训练出一个提高大家辩论能力的智能体，这样就可以提高大家的辩论能力（逻辑推理技能）。

• 用大语言模型，初步形成会议纪要。然后让产品经理审核、修改、补充。因为这样的过程也是一个思维训练，和重点强调的过程。

这种思路把LLM变成一个思维训练工具，提高的是人的能力，而不是单纯为了完成任务。像前两天我写的《我这样使用AI工具》中认知边界探索，也是这样思路的一种具体手段。这让我突然想到，如果说为了效率提高使用AI工具的话，就如同思维的外包过程。类似，游戏或一些社交媒体，有可能短时间释放多巴胺，但长期有很多副作用。

思维外包的下一步，或许不应该是寻找更高效的外包方式，而是重新思考我们与技术的关系。就像我们不能将身体健康完全外包给医疗系统一样，思维健康也不能完全依赖于外部工具。LLM和其他AI技术最有价值的地方不在于替代思考，而在于扩展思考的边界，创造新的思维可能性。如果说效率驱动的使用方式是"思维外包"，那么可能性驱动的使用方式则是"思维协作"——一种人机共生的思考模式。当我们思考思维外包的未来时，真正的突破或许不在于如何让AI思考得更像人，而在于如何利用AI帮助我们思考得更不像机器——更有创造力，更有人文关怀，更能理解复杂性和矛盾性。毕竟，人类的价值不在于执行算法的能力，而在于超越算法的能力。

最后我突然想到一个问题：