从《斐德罗篇》到《沙丘》：把思考外包

柏拉图在《斐德罗篇》里记述过苏格拉底讲的一个故事。埃及神塞乌斯发明文字后献给法老塔穆斯，称文字能让埃及人更博学、记忆更好。法老没有接受这个说法，他认为文字只提供了提醒而非记忆，人们依赖外在符号记事，不再从内部调动记忆，时间长了反而会健忘，只剩下智慧的表象。

苏格拉底说中了记忆力的减退。古希腊人确实逐渐失去了背诵整部《荷马史诗》的能力，但省下死记硬背的精力后，古希腊发展出了形式逻辑与早期科学，人也得以对着写下来的文本反复审视自己的推论。文字替人类接管了信息存储，而现在的大模型开始接管信息整理、逻辑推导与文本生成。

省掉的过程

很多人把写作或写代码看成把想好的内容写出来，其实动笔和敲代码的过程本身就是在整理思路。对着空白文档卡壳、重写，是在逼自己把还没想通的环节接上。现在模型几秒钟就能给出一段通顺的方案，省去了中间反复琢磨的过程，但也少了很多在试错中想出新办法的机会，就像导航软件普及后，人去哪都很方便，脑子里却很少再有一张完整的城市方位图。自己查资料的时候也是同理，为了弄明白一个问题往往要翻十来篇文档，大半可能答非所问，可有时偏偏是那些无关材料里的一句话让人换了个角度看问题。把查找和思考压缩成一次直接问答后，中间的岔路就没了。语言模型在已知知识分布上做最大似然估计，擅长总结共识，天然会把人的思路往平均值上拉，整体产出的下限提高了，偏离共识的想法则会变少。与此同时，复杂逻辑的拆解和多变量推演随时有模型代劳，人在脑子里同时维持几个冲突假设、花上几天甚至几周把一个问题想透的耐力也会跟着退化。

另一面是工作重心的转移和学科门槛的降低。过去两百年学科越分越细，一个做底层工程的人很难同时熟悉历史考据、金融或生物学，光是掌握一门学科的术语和基本方法就要花去很多年。当常规的逻辑推导、文献整理和代码实现变得很容易获取，个人更容易跨领域调用不同学科的分析框架，去处理以前需要多个团队配合才能做完的课题。怎么从 A 推到 B 不再稀缺，重点变成了去不去 B、以及怎么检验 B 对不对，人的主要工作往上挪了一层，更多放在提出问题、划定系统边界和校验结果上。文字普及后，人们区分了背诵与理解；推理可以交由模型代劳后，条理清晰的分析与归纳也不再等同于思想。回过头看，过去很大一部分脑力劳动其实只是按固定套路填内容。把这部分剥离出去，剩下的才是机器替代不了的部分：基于个人经历的判断、在信息不完备时做决定的能力，以及为错误结果承担实际后果的责任。两千五百年前，学会读写的雅典人不再背诵长篇史诗，但写出了《理想国》和《形而上学》。

失控选择与验证退化

演化生物学里有个概念叫失控选择（Runaway selection），最常举的例子是已经灭绝的爱尔兰大角鹿。为了在择偶竞争中胜出，雄鹿必须长出比同类更大的鹿角；每一代个体都在做对自己当下繁殖最有利的选择，结果鹿角越长越庞大，直到沉重的鹿角拖垮了整个种群的生存能力。今天人把思考交给模型，背后的驱动机制是一样的。在写代码、做研究或写方案的具体竞争里，如果一个人为了保持独立思考，坚持手写每一行逻辑、自己推导每一个分支，而同行直接开十个 Agent 并行跑完流程，五到十年后前者的基本功可能更扎实，但在眼前的季度考核或项目竞争里就会先被淘汰。每个参与者为了应付当下的竞争，最理性的做法都是接入更强的模型、交出更多的思考环节。

人的验证能力也会在这个过程中一步步退化。最开始只让模型做执行，人心里有清楚的方案，只是让模型省去查文档、写样板代码的工夫；这时人对细节依然熟悉，能立刻看出模型哪里写错了、哪里逻辑不通，因为觉得一切可控，交给模型的任务范围会越来越大。接着开始让模型做推导，随着模型能力变强，人不再自己去走中间的推导步骤，直接把原始材料丢给模型要现成的分析框架或架构设计；长期不自己推导，对底层细节就会生疏，同时模型生成的系统越来越庞大，逐渐超出单个人一次能看懂的范围。到了最后一步，当模型产出的复杂度超过人的验证能力，审查就只剩下走过场。就像一个多年不写代码的管理者去审批几万行的重构代码，真要看懂并找出隐蔽问题太费精力，看到测试能跑通往往就直接点了合并。等到人连判断结果对错的精力都不愿花时，思考才算彻底交了出去。

脑容量与《沙丘》

在自然演化中，不再直接影响生存的高能耗器官通常会退化。狼被人类驯化成狗之后，寻找猎物、防备天敌和划分领地的任务交给了人类，几千年里狗的脑容量比同体型的狼缩小了 20% 到 30%，因为有稳定的食物来源和安全环境，维持原本那么大的大脑只是在多消耗能量。人类自身也有过类似的变化。考古数据显示，现代智人的平均脑容量比一万五千年前的狩猎采集祖先小了约 10%，大约 150 毫升。农业和城市出现后有了社会分工，一个人不再需要像远古猎人那样独自记住几百种植物的毒性、追踪动物足迹、判断天气变化，生存所需的知识分散到了社会协作网络里。仅靠社会分工这一次分摊，脑容量就缩减了十分之一。如果接下来连逻辑推理、知识检索和风险评估都交给外部系统，这个消耗全身 20% 能量的大脑未必能一直维持现有的规模。

顺着这个趋势往下走，人群很可能会分化。大多数不需要参与底层逻辑构建的人，有问题直接问模型，有情绪找模型倾诉，拿不定主意也听模型安排，日常只负责接收现成的内容。只有少数人会把模型当成训练工具。就像健身房是在体力劳动减少之后才普及的一样，深度思考也会从生存必需变成少数人刻意保持的习惯。常规的一阶推理交给机器后，他们得去处理更棘手的部分：在信息矛盾时做取舍，排查模型黑盒里的系统性偏差，并为最终的结果兜底。

弗兰克·赫伯特在《沙丘》里设想过另一种结局。书里的人类发现把思考交给机器只会让自己受制于控制机器的人，于是发动巴特勒圣战，销毁了一切思考机器，立下戒律禁止制造模仿人类心智的机械，转而训练人脑自身去承担复杂计算，演化出被称为门泰特（Mentat）的人类计算机。那是在小说里才走得通的路，靠一次彻底的物理清零把思考逼回人脑；而在现实的竞争里，没人能把算力停下来。

智力和技术就是人类的巨型鹿角。哪怕所有人都清楚把记忆交给文字、把思考交给机器的代价，也没法停下来，因为推着人往前跑的是种内竞争。当年放弃文字记录的部落，会被拥有文书和官僚系统的帝国吞并；今天拒绝把思考交给 AI 的个人或组织，短期内就会在效率上被接入算力的一方远远甩开，就像困扰学界几十年的数学难题现在也能被模型快速解开一样。科技树上的高杠杆节点一旦点亮，身后的退路就没了。

其实地球上很多物种在几亿年前就已经基本定型了。我记得看过一个短片，忘了是《爱，死亡和机器人》还是《黑镜》里的，讲人类总是太自以为是，觉得演化一定要通向高智力，但不同物种本来就有各自的生存方式。地球上大量被我们看作低等的生物，不需要文明，也不需要思考宇宙，照样熬过了好几次生物大灭绝。

往远了看，这条路走到头无非两种结局。一种是人类没跨过大过滤器把自己折腾没了，鲨鱼、蟑螂和菌丝继续统治下一个一亿年。但还有另一种可能：水熊虫这类生物的生存策略虽然稳固，却有一个致命前提，就是地球这个沙盒本身不能坏。一旦碰上极小概率的天体灾变，比如巨型小行星撞击，或者几十亿年后太阳演化成红巨星吞噬地球，所有把技能点全加在适应地球环境上的生物，生存概率都会归零。人类因为走上了一条极不稳定、高能耗、不断向外折腾的怪异路线，才攒下了一点微小的概率，能在行星毁灭前造出离开摇篮的飞船。我们是用 99% 的早夭风险，去博那 1% 的逃逸速度♥️