一个练了十年小提琴的人，和一台能完美演奏帕格尼尼的AI，谁更接近"卓越"？这个问题听起来像技术之争，但哲学家麦金太尔在1981年就埋下了答案的伏笔。他的《德性之后》提出了一套分析框架，用来回答一个更扎心的问题：当AI能复制一切练习的成果，我们还需要亲自练习吗？
这套框架的核心概念并不复杂。所谓"实践"，指的是人们为了活动本身而共同参与的复杂组织活动——下棋、踢足球、做物理研究、画画、演奏音乐都算。它区别于砌砖、挖洞这类基础技能。实践能带来两种"好处"：外在好处是钱、权力、声望，这些东西有限且竞争激烈，你多拿一点，别人就少拿一点；内在好处则是精通、理解、美感，它们只能通过参与实践获得，而且往往只有同行才能真正识别其价值。
举个例子：再多的钱也买不来拉好小提琴的能力，也买不来对量子物理的深层理解。这就是内在好处的独特之处——它无法被交易，只能被亲身实践。
医院和实验室的困境
实践离不开机构。医生需要医院，科学家需要实验室，都需要设备、薪水和组织。实践和机构互相依存，但两者之间永远存在张力。当机构开始把利润、排名、地位这些外在好处当作主要目标时，它就会"腐蚀"实践本身。
这个判断放在今天的AI语境下格外刺眼。AI最擅长的事情，恰恰是以机构的利益为导向、以外在好处的追求为目标，去复制实践的结果。那么问题来了：如果越来越少的人能识别和珍视实践的内在好处，或者不愿意投入时间和精力去获得它们，未来的实践还能继续吗？卓越还能被达成吗？
更进一步：如果实践被侵蚀，依赖实践的机构本身会不会也崩塌？
AI不是实践者，只是输出优化器
今天的LLM（大语言模型）算不算实践的参与者？它能不能达成卓越？答案是否定的。原因很干脆：当前的人工智能系统没有属于自己的"实践履历"。它们不会成为某个社群的成员，不会接受社群标准的约束，不会发展德性，不会体验内在好处，更不会为了这些好处本身去追求它们。
它们只是在既定的训练和交互系统内优化自己的输出。而它们之所以能产生这些输出，靠的是无数代人类实践积累下来的成果——那些被压缩进训练数据里的棋谱、乐谱、论文和画作。
AI的产出，是实践的"果"，不是实践的"因"
这带来一个微妙的悖论：AI越强大，它复制的实践成果就越多，但真正参与实践的人可能越少。当AI能轻松产出高水平的棋局、乐谱或论文时，还有多少人愿意花十年去练琴、去钻研棋谱、去啃艰深的论文？
如果没人愿意付出这些努力，实践本身就会萎缩。而实践一旦萎缩，AI赖以训练的数据质量也会随之下降——因为那些数据正是实践的副产品。这是一个潜在的恶性循环。
麦金太尔的框架没有给出简单的答案，但它提供了一个清晰的诊断工具：当我们讨论AI时，需要区分它是在支持实践，还是在替代实践。支持实践意味着帮助人们更好地获得内在好处；替代实践则意味着让外在好处的获取变得更容易，却让内在好处的获得变得更稀缺。
目前的AI显然更擅长后者。它优化的是输出，不是参与者的成长。它能生成一首完美的诗，但它不理解写诗的痛苦与快乐；它能下出大师级的棋，但它不体会对弈中的紧张与顿悟。
机构的风险：当外在好处失去锚点
机构依赖实践的存在而存在。如果实践被侵蚀，机构最终也会失去根基。一个只有AI产出、没有人类实践的世界，机构将失去评判卓越的标准——因为卓越的定义本身就来自实践社群的共识。
这不是危言耸听，而是一个需要认真对待的长期风险。麦金太尔在四十多年前提出的问题，在今天获得了全新的现实意义：我们如何在AI时代继续和发展实践？如何让足够多的人愿意投入时间和精力去追求内在好处？
答案可能不在技术层面，而在制度和文化层面。我们需要设计激励机制，让实践的内在好处重新变得可见、可感、可追求。否则，当AI能复制一切成果时，我们可能会发现自己失去的恰恰是那些无法被复制的东西。
热门跟贴