“我能看出来这是你自己写的”
大学和职场正越来越多地推动人们在写报告等任务中使用大语言模型,这引发了人们对批判性思维、清晰写作和真实人类表达等核心能力会退化的担忧。评论者将 AI 辅助的拼写检查或代码审阅,与把整篇论文或设计文档交给模型区分开来,认为在许多领域,学习和价值都存在于过程本身,而不仅仅是最终润色后的结果。也有人反驳说,AI 只是自动化的下一阶段——类似计算器、CAD 或手工艺的工业化——真正的挑战在于选择性地使用这些工具,而不是放弃理解和责任。
人写风格、错误,以及“我能看出来这是你自己写的”
- 许多人盯着“right/write”这个拼写错误,把它当作真实人类作者身份的证据;有人觉得这很可爱,也有人认为它削弱了重点。
- 一些人认为,可见的瑕疵和个人化特征会成为非 LLM 文本的标志,甚至将来可能会被故意伪造。
- 也有人说,语法工具(无论是否 AI)都是低风险助手,明显的错误应该被发现,尤其是在正式工作中。
AI 作为写作助手 vs 抹去声音
- 一派认为,LLM 是强大的语法/风格审阅器、点子碰撞器,或“cog 制造机”,能让人类专注于设计和更高层次的思考。
- 另一派警告说,LLM 会使语气趋同、软化观点、模糊个人声音;他们觉得 LLM 文本“很平”,像是在读抄本而不是现场对话。
- 有些人采取一个规则:绝不直接粘贴 AI 生成的句子,只使用建议,以保留自己的声音。
思考、学习与认知卸载
- 一个反复出现的担忧是:把写作和解决问题外包会使批判性思维迟钝,尤其是在学生中;报告或设计文档的意义就在于它迫使人思考。
- 也有人反驳说,工具一直在消除琐碎劳动(计算器、CAD、FEA);理解和验证仍然重要,不必事事手工完成。
- 几位评论者强调一种中间路线:用 AI 处理套话和机械性工作,但推理、研究和结构安排应由自己完成。
教育、作弊,以及“提示词能力”
- 有人描述一些课程实际上要求学生借助 LLM 写报告或代码,他们把这解读为学界在“放弃”教授基础能力。
- 也有人认为,负责任地使用 AI 是必要的职业技能,并把禁止它类比为禁止用 WolframAlpha 求积分。
- 还有人担心,在作业中不披露 AI 的使用,会让教育变成追逐文凭而不是培养能力。
知识工作与工作的工业化
- 多条评论将 LLM 类比为智力劳动的工业化:产出更快、更便宜,但工艺感、自豪感和深度理解更少。
- 争论焦点在于,被替代的劳动者是否会像过去的自动化浪潮中那样找到新的“利基”,还是 AI 的广度会让这次转型显得格外严酷。
围绕 AI 的社会冲突与伦理
- 一些 AI 用户觉得自己被“区别对待”并受到攻击,被指责懒惰或不道德;批评者则认为,反弹是对真实伤害的回应(训练数据被盗、垃圾内容、服务劣化)。
- 更广泛的担忧包括环境成本、权力集中、识字率下降,以及在网上维持仅限人类空间的困难。