来源：冯仑风马牛
据财联社援引美媒报道，马斯克最近在一次访谈中，谈到了人工智能的奇妙之处，同时他也说，「我患上了某种‘赛博精神错乱，或许还不止一点——其实可能相当严重。」
马斯克表示，今年以来，他大约经历过6次「人工智能或超级智能（AI或SI）精神错乱」。
所谓「人工智能精神病」「赛博精神错乱」，不是医学临床术语，更多被用来形容人过度沉浸虚拟世界，深度接触AI之后，出现的认知冲击、精神错乱状态，也被用来讽刺那些沉迷AI的科技行业从业者。
AI能做的事越来越多，人对世界的认知、对自我的认知也随之发生改变。
比如，今年7月，中国籍数学家王虹、邓煜获得菲尔兹奖，那是数学领域的最高奖项之一，全网都在讨论他们的成长经历、数学成就。但就在几天前，Open AI一夜之间公开发布了几百篇数学手稿，涵盖了 372 个此前悬而未决的顶级数学难题家族。对此，有研究员认为，AI将终结绝大多数职业数学家的生涯。
数学家尚且如此，普通人会越来越普遍地面对来自AI的压力：手头这些事AI都能做，而且做得更好，你还能干什么？
我们需要找到一个支撑点，重新校准自己的能力和心态，适应这个AI大流行时代。
今天和大家分享彭凯平（清华大学心理与认知科学系教授）和柯罗马（人工智能心理学学者）合著新书中的部分内容，希望帮大家减少AI带来的焦虑，多一些对自己的肯定。
本文摘自《人工智能心理学》，彭凯平、柯罗马著，已获出版方中国人民大学出版社授权。
你是谁？我是谁
自我认同不是一个人贴在自己身上的标签，而是人在生活中反复确认的答案：我擅长什么，我属于哪里，我与谁有关，我的选择有什么意义。心理学中的自我概念（self-concept）是指人关于自己的知识、评价和叙事。
可以把自我概念理解为一个动态系统：它会随着情境、关系和社会反馈不断调整。AI 进入日常生活以后，许多原本稳定的关于自我的答案开始松动。
人的自我认同会从能力、职业、关系和价值四个入口被 AI 松动（见表 19 - 1）。
比如，一个人的职业身份常常依赖能力。教师能讲课，设计师能构图，程序员能写代码，咨询师能倾听，作家能组织语言。
AI 也能做到这些事情以后，人不会立刻失去身份，却会开始追问身份的根据。如果 AI 可以写出一份清楚的教学讲义，教师的价值是否只剩下监督？如果 AI 可以生成几十个设计方案，设计师的创造力体现在哪里？如果 AI 可以说出安慰人的话，人的陪伴还有什么不可替代的部分？
AI 把新的比较对象带到人面前：人不再只是和人比较，也开始和AI 比较。
在传统情境中，学生会和同学比较成绩，作家会和同行比较作品，程序员会和同事比较效率。AI 出现以后，许多人突然发现，内部比较被外部比较盖住了。一个学生也许比同学解数学题更快，但模型可以瞬间给出解法；一个作家也许比同行更有文采，但模型能模仿许多风格；一个程序员也许比同事写代码更快，但模型比所有人生成代码都更快。
人与人之间的差异仍然存在，却不再是唯一的参照系。新的参照系把人推向共同的人类类别。过去我们关注「他比我强的地方」，现在我们可能在意「我们和 AI 有什么不同」。
AI 最容易从能力角度动摇人的自我认同。
过去，人类常用一些能力，如理性、语言、创造、工具使用、道德判断能力来定义自身。生成式 AI 让这种定义方式变得不稳定。模型能推理、能写作、能画图、能作曲、能生成安慰人的语言，也能在某些任务中给出看似道德的建议。人的独特性不能完全建立在「 AI 做不了」的能力上，因为这个「地基」会越来越薄。
AI 时代需要重新理解人类优势。
AI 图像可以生成迷人的画面，但摄影不只是画面效果。摄影还包含一个人在现场与世界相遇，选择站在哪里、看见什么、等待什么、为什么按下快门。AI 可以模拟画面的外在形式，却不能复刻那一刻的身体位置、经验记忆和责任关系。
人的独特性不在于机器永远做不出相似成品，而在于人带着生活经验承担表达。
这不是要求每件人类作品都必须「纯手工」。人类创作一直使用工具，如相机、录音机、剪辑软件、搜索引擎、图像处理程序。关键问题是人在创作中是否仍然承担判断、取舍和意义建构的工作。
AI 工具越强，人的位置越需要从执行者转向裁定者：哪些内容值得保留，哪些表达不合适，哪些效果虽然漂亮却不真实，哪些结果需要承担后果。
这种转向并不轻松。功能边界清楚，容易比较；主体边界复杂，需要反思。
人更愿意问「我还有什么能力比 AI 强」，因为这个问题像比赛，有输赢。「我愿意为什么负责」这类问题更困难，但它们才是 AI 时代人的独特性边界的坚实壁垒。
我还剩下什么
AI 带来的心理反应常常是矛盾的。
一个人可能一方面更强烈地意识到「我们都是人」，另一方面更焦虑地问「我还剩下什么」。这两种反应并不冲突。人类共同体认同提供了高层级的归属感，个体身份焦虑则发生在具体生活中。
一个程序员可以在抽象层面认同人的价值，在日常工作中担心自己的代码能力不再稀缺；一个教师可以相信人的教育责任不可替代，同时担心学生更愿意请教 AI ；一个作家可以强调人的经验重要，同时担心在 AI 生成能力面前自己的表达能力被平均化。
归属需要是人的基本动机。AI 时代的身份焦虑与归属需要有关。人不仅担心失去工作，还担心失去被需要的位置。
过去，一个人的能力常常让他在关系中有位置：我能帮别人解决问题，我能照顾家人，我能教学生，我能给朋友建议。AI 具备这些功能以后，人会担心自己不再被需要。身份焦虑的核心，往往不是「AI 比我强」，而是「没有我，似乎也可以」。
身份焦虑不能只靠列出「人类能做哪些 AI 做不了的事」来缓解。随着模型能力的进步，这个清单可能不断缩短。
更可靠的方式是把自我认同从能力竞赛转向主体承担，比如，人不是因为永远比AI 做得快才有价值，而是因为人能在关系中承担责任、在选择中理解后果、在行动中建构意义。
AI 像一面镜子。它让人看到自己的能力被复制、放大、压缩和替代。镜子有帮助，能让人看清自己；镜子也有危险，可能让人只在比较中确认自己。如果人总是问「我还有什么是 AI 做不了的」，自我认同就会被 AI 的能力更新牵着走。今天的答案明天可能会失效，人的价值随之变得不稳定。
可以把这种现象称为镜像认同：人通过 AI 的反射来理解自己。
镜像认同在短期内有用，它能让人快速意识到人与 AI 的差异；但如果长期只靠镜像认同，人就容易把自己定义成「非 AI」——这是一种否定性身份，只能说明人不是什么，却没有充分说明人是什么。
主体认同则不同。主体认同不把人的价值建立在「 AI 暂时不能做什么」上，而是建立在人能否理解意义、承担责任、维系关系和反思自己上。主体认同承认 AI 可以参与写作、学习、分析、陪伴和创作，却坚持最后的生活后果仍由人来承担。它不排斥 AI，而是重新确定人在哪些地方必须在场。
人仍然需要学习、训练和创造，不能逃避能力建设。要说明的是，能力需要由主体统合。没有能力，主体性容易空洞；没有主体性，能力容易被外包、被比较、被优化，最后失去人的方向。
主体认同的重建，需要落实到教育、工作和关系场景里。
在教育场景中，学生需要学习的不只是如何使用 AI，更是如何保留自己的问题。教师不再只是知识传递者，更是帮助学生区分「模型给出的答案」和「我真正理解的东西」的人。
在工作场景中，职业身份需要从「我能完成任务」转向「我能承担判断」。医生不仅给出诊断，也承担解释和信任；律师不仅检索条文，也判断策略和风险；作家不仅生成文本，也对表达负责。
很多人在学习、工作和生活压力下，一点点对 AI 让出了位置。软件默认推荐，组织、学校对 AI 使用的默许，都会把 AI 使用变成一种环境。人在这样的环境中保持主体性，需要守住几条责任线。
第一条责任线是来源线。一个人应当能说明自己的观点从哪里来。使用 AI 真正危险的是把模型生成的结构、判断和语言都当作自己的自然想法。来源线越清楚，自我边界越不容易被悄悄松动。
第二条责任线是判断线。判断线要求人把模型建议重新放回自己的价值处境：我在意什么，我愿意牺牲什么，哪些后果会落到别人身上。判断线的核心是不把模型的条理清楚误认为自己的价值判断清楚。
第三条责任线是能力线。人可以借助工具，却不能放弃基本能力。能力线像身体训练——工具可以省力，但若所有用力都被省掉，人的能力会在舒适中变弱。
第四条责任线是关系线。AI 可以提供低风险回应，却不能替代真实关系中的相互承担责任。
守住责任线需要从小处练起。一个学生可以在完成作业后写下一段「我保留了什么判断」，一个创作者可以在作品说明中交代 AI 参与了哪些环节、自己负责了什么。这类练习的目的是维护自我认同感。
自我认同感来自许多重复的小动作：自己提出问题，自己检查答案，自己向别人解释，自己承认错误，自己承担选择。AI 越是把这些动作变得轻松，人越需要有意识地保留其中一部分。否则，人可能在效率提高的同时，慢慢失去「我确实参与了我的生活」的感觉。
最值得培养的四种能力
人仍然需要重视能力，但人的价值不应被压缩为「还有哪些能力暂时没有被模型超过」。
今天 AI 不会做的事，明天可能就会做了；今天 AI 做得不好的事，几年后可能做得比人更好。
如果人的价值只建立在技术暂时不能触及的空白上，人类优势就只能蜷缩在一块不断缩小的剩余地带。
更有建设性的理解是：人类优势不是剩余能力，而是责任能力、关系能力、意义能力和价值整合能力的组合。这也是AI时代值得重点培养的四类能力，但培养它们，不会立刻见效。
责任能力帮助人说明谁承担后果，关系能力帮助人理解具体的人，意义能力帮助人判断什么值得追求，价值整合能力帮助人把技术、心理、伦理和制度放在一起看。
AI让许多事情变快，但这些能力都需要花费时间去训练。
这种空间保留在学校中表现为允许学生经历不成熟的思考，而不是只提交漂亮结果；在企业中表现为让员工理解AI决策的边界，而不是只追求效率指标；在学术研究中表现为尊重问题形成的长期过程，而不是只看生成速度。
再次强调，技术能力仍然重要，而且，上述四类能力需要以技术能力为基础。
一个不了解AI的人，很难负责任地使用AI；一个不理解数据的人，也很难判断模型输出的边界。关键在于，技术能力不能成为能力培养的终点。会用工具只是开始，能决定如何使用工具、何时停止使用工具、如何解释工具带来的后果，才是更高层次的能力。
不要把「AI会替代哪些能力」理解成一张静态清单。技术会变，任务会变，社会制度也会变。今天容易被替代的能力，未必没有训练价值；今天难以被替代的能力，也未必会自动保留下来。
真正重要的是能力之间的关系：执行能力支撑判断能力，知识积累能力支撑整合能力，创造力支撑价值选择，思考能力支撑心理主权。
从这个意义上说，AI时代真正稀缺的能力并不神秘。它们不是超越机器的某种天赋，而是在人类生活中始终重要、只是过去常被效率逻辑遮蔽的能力：能不能提出好问题，能不能分辨证据，能不能理解他人，能不能承担判断，能不能在众多可能性中选择一个值得坚持的方向。
人在智能系统面前，不应该也不能把自己压缩成一组能力。人当然需要能力，但人不是能力的总和。
一个人有历史、有关系、有迟疑、有亏欠、有承诺，也有重新开始的能力和勇气，这些构成了人的生活厚度。
热门跟贴