借来的确信感：AI时代下的判断力漂移
核心观点
人工智能（AI）能快速提供看似确定的答案，使我们产生一种“借来的确信感”。这种确信感与个人努力和理解过程脱节，长期可能导致我们判断力“校准漂移”，削弱对自身想法和决策的“所有权”与“作者感”。
借来的确信感：一种新型的自信
- 现象描述：向AI提出严肃问题，能在几秒内获得一个听起来完整、确定的答案。这个过程高效且令人满足。
- 核心矛盾：答案可能很好，自信感也很真实，但“所有权”却模糊不清。伴随而来的是一种不安。
概念定义：这种不安的信号被称为 “借来的确信感”。
- 指我们对那些并非通过自身努力完全“挣得”的想法所产生的信心。
- 我们可以选择、使用甚至捍卫这些想法，但它们从未经过我们自身的思维挣扎。
- 这种确定性并非虚假，但它来源于外部。
当核心问题从“错误”转向“所有权”
- 传统风险关注的局限：关于AI风险的讨论多集中于准确性（如幻觉、偏见、误信息）。这些担忧有效，但忽略了一个更个人化的问题。
- 更深层的影响：关键不在于答案是否正确，而在于这个答案对接收者产生了何种影响。
- 自信与努力的历史关联：在AI出现之前，自信通常承载着努力的重量，这种努力是成就感的标志。即使我们错了，我们的确定性也与一个可以追溯的思维过程相连。
- AI带来的改变：AI改变（甚至割裂）了这种关系。它让自信无需经过曾经的“思维 crunching”即可到来。其结果不是欺骗，而更像是一种置换。当这种情况发生时，“知晓”开始与赋予其意义的“努力”相剥离。
判断力校准平面：一个理解当下思维感受的框架
该框架通过两个维度交叉，描绘出四种心理状态：
- 维度一：认知努力（从低到高）—— 你实际付出了多少个人思考工作？
- 维度二：信心所有权（从借来到挣得）—— 你的确定感是借来的，还是真正属于自己的？
四种由此产生的心理状态
挣得的理解
- 特征：努力与所有权对齐。你与一个想法角力，逐渐理解其价值和局限。
- 结果：随之而来的自信是稳定的，因为它由深度参与塑造。检验标准不在于结果，而在于你能解释、捍卫并在受到挑战时重构它。
strained 的不确定感
- 特征：付出了真实努力，但自信感被置换了。你仔细思考并形成论点，却遇到一个AI生成的、看起来更简洁、快速、流畅的版本。
- 结果：即使你的推理合理，你的作者感也会减弱。流畅性悄然变成了权威。
无知之轻
- 特征：投入很少努力，获得很少理解，并且你自知如此。
- 结果：自信度保持适当的低水平。没有伪装，只是暂时的脱离。
借来的确信感
- 特征：最诱人的状态。只需最小努力，信心却快速上升。答案听起来正确，读起来顺畅，引人赞同。
- 结果：然而，理解可能仍然肤浅。
校准漂移：当努力与确定性脱钩
- 动态模式：上述四种状态共同揭示了一种动态模式，其运动方向是一种 “校准漂移”。
- 漂移定义：指信心逐渐与努力和内在理解脱节的过程。
- 发生机制：曾经校准信心的信号（犹豫、困惑、修正、怀疑）随着AI介入我们的思考而开始淡化。
- 影响：我们更早地感到确定，却更少地感到拥有所有权。这种漂移是 subtle 的，表现为一种“丰裕的效率”。
- 内在难以察觉的原因：没有任何东西明显出错，决策依然做出。洞察和决策的语言依然流畅，但信心越来越多地建立在“赞同”而非“理解”之上。
保持信心的人性：识别与应对
- 核心代价：当借来的确信感未被察觉，当外部的流畅被误认为是内部的理解时，代价就产生了。
- 简单的检验方法：在依赖一个AI生成的结论之前，尝试在不借助AI帮助的情况下解释它。如果你不能，那么这份信心就是借来的。
- 最终思考：完美的答案如今已很廉价。但它们所付出的代价更为 subtle 和个人化。问题不在于我们是否会使用这些系统（我们肯定会用），而在于我们是否会持续借用确信感，直到忘记“挣得的确定感”曾经是怎样的感觉。