Waymo 效应：AI 如何悄然让研究变得不那么协作
一些人认为，AI 工具正在加速一种转变：从混乱、耗时的人类协作，转向由聊天机器人和智能体主导的无摩擦、个人化工作，这引发了人们对意外发现减少、研究文化变弱以及深度专业知识被侵蚀的担忧。另一些人则反驳说，AI 只是放大了既有模式——例如在自己领域外的过度自信或对便利的偏好——并且只要谨慎使用，就能让更多人接触知识。讨论的很大一部分集中在：AI 生成的写作是否应被指出或过滤，以及对 LLM 的依赖已经如何改变工作场景、学术实践和日常社交互动。
AI、Waymo 与人际互动
- 许多人同意：自动驾驶出行会减少寒暄和社会性的“摩擦”；有人很喜欢这一点（不用闲聊、没有音乐冲突、感到更安全、更可靠、无需小费）。
- 也有人认为，这些看似“麻烦”的互动本就是社会生活与社区的一部分；失去它们会加深孤立感和信息茧房。
- 还有人认为，把司机当作自己圈子之外的“最后一个陌生人”有些夸张；他们在许多其他场景中也会接触到不同的人。
协作、研究与 AI 工具
- 评论者看到了与开源的相似之处：产出数量在增长，但社区参与却在下降。
- 有人预测，协作将不得不变得更有意为之；走廊闲聊、司机、“第三空间”等偶发性的协调，正在被无摩擦技术掏空。
- 另一些人则认为，如果协作真的有价值，人们就会继续去做；技术只是改变了协作发生的地点与方式，而不是它是否存在。
LLM、专业知识与过度自信
- 一个强烈的主题是：AI 让非专家很容易在自己并不理解的领域里表现得像权威，从而侵蚀对领域专业性的尊重。
- 有人提到，人们会用 LLM 生成的碎片去争论技术、金融、医疗问题，然后拿模型来“核对”专家。
- 有些人把 LLM 视为有助于检验疑虑、加速学习的工具；另一些人则说，除非经过大量核实，否则它们大多只会强化用户偏见，并给出浅薄或错误的分析。
- 还有人担心，更年轻或新入行的从业者可能会学会管理智能体和输出，却不会真正形成深度理解。
关于 AI 生成文章与检测器的争论
- 一个很大的分支坚持认为，链接的文章是用 LLM 写的，理由是风格上的“迹象”（固定搭配、重复套路、像“quietly”这样的副词）。
- 也有人反驳：人类一直以来也会这样写；在缺乏强证据时随意指控，可能会压制真正的写作。
- Pangram 这个 AI 文本分类器经常被引用为“确实很好用”，但也有人担心误判和过度依赖。
- 一派把“AI slop”标签视为有用的、类似垃圾信息过滤的机制；另一派则称其为一种猎巫，可能不公平地否定真实工作。
关于 AI 社会角色的更广泛看法
- 有人认为 AI 是一种个人赋权，会威胁机构与把关机制；也有人认为，它是在将共享知识商品化，而不是让知识民主化。
- 多位评论者担忧“零摩擦”文化：一味追求便利，会削弱努力、社区和意外发现带来的长期收益。