一、“越强越弱”已经偷偷替我们规定了世界
“人工智能越强，人就越弱”，听上去像一句对现实的直接描述。实际上，它已经把比较对象、能力尺度和两者的关系预先安排好了。人工智能被放在一边，人被放在另一边，双方被假定从事同一种活动、争夺同一个位置，并且一方增加的东西必然从另一方那里扣除。还没有看见具体过程，我们已经站进了一场零和比赛。
先把这句话拆成一个最简单的情境。某人原来要花很长时间从一批材料中找到某种信息，现在一个系统能更快找到。由此可以提出一个局部判断：在这批材料、这项规则和这些条件下，系统完成该检索的表现优于这个人的原有做法。它并没有告诉我们，这个人此后能做什么，也没有告诉我们他是否学会了新方法，更没有告诉我们他的整个生活价值发生了什么。
如果这个人可以把检索过程纳入自己的工作，比较就不再只有“人对机器”一条线，还包括“原来的活动对新的复合活动”。如果他无法接入系统，或者系统被用来取消他的工作机会，就出现了另一组关于条件与分配的问题。若他本来以学习检索方法为目标，而现在完全跳过练习，则又需要讨论学习发生是否受损。几个问题都可能重要，却不能挤成一句“人变弱了”。
“强”也不是一枚可以放进口袋的通用物品。找得更快可能伴随误报更多，处理材料更多可能伴随对局部情境的理解不足，生成方案更多可能不等于有更多方案能够落实。这里不是预先宣布机器总有短板，而是要求任何强弱判断都说出任务、条件和尺度。即使某个系统在这些尺度上全面更优，也只证明了指定活动中的比较，不自动证明所有社会与价值结论。
我们可以允许局部竞争真实存在。某种手工技能的需求确实可能因为新工具而减少；一个人曾经赖以获得认可的表现，也可能不再稀缺。否认这种可能，不能帮助任何人。但局部竞争并不足以把整个人类与技术之间的关系规定成一个总和恒定的战场。在许多可设想的情境中，新机制打开的是以前根本无法完成的活动，而不只是争抢一项已有工作。
因此，本章的第一步不是告诉读者应该乐观，而是要求把比较说完整：谁在什么条件下，在哪项活动、哪个层级、哪种颗粒上，依据什么证据，比谁更强或更弱？一句话需要补上这么多限定，看似不够痛快，却能防止一个局部事实被迅速扩张成无边界的自我否定。
二、同一把尺子，可能把新能力测成旧能力的缺失
设想一位教师原来手工整理课堂记录。后来，她使用一套工具，把记录按不同问题重新关联，再选取值得讨论的片段与学生一起分析。新的活动不仅节省了整理时间，也让某些此前难以同时比较的材料进入了课堂。如果此时只问她“还能否以原来的速度手工分类”，这个问题并非毫无意义，但显然没有覆盖她正在做的全部事情。
手工分类能力可以作为一项单独能力考察。然而，要评价新活动，还需要看她能否围绕教学问题组织材料，能否发现分类规则不合适，能否将结果带回课堂并根据学生反应修改。原来的一把尺子未必错误，只是它测量的对象比新活动窄。用它测不出新的变化，不等于新的变化不存在。
这时，广度、高度、颗粒度提供了不同观察入口。可联系的材料与课堂活动变多，是广度问题；整理过程成为教学设计的条件，是高度问题；原来一条条处理的记录能够以一组关联单元被调用，是颗粒度问题。三者是否实际发生，仍须看过程与结果，不能仅凭教师使用了软件就宣布成立。
反例同样重要。她可能获得了更多分类，却没有弄清哪个分类与教学相关；也可能把一整节课交给自动生成流程，最后发现课程更完整，学生的困惑却没有被触及。广度上的扩张、高度上的转接或颗粒度上的改变，并不天然具有正价值。所谓三向升维，需要在具体活动中辨认，不能被压缩成越多、越大、越自动越好。
尤其需要区分粗颗粒调用与粗糙处理。对调用者而言，一次操作可以启动一个复杂过程；对内部实现而言，过程可能非常精细。反过来，要求每个人面对所有细节，也不保证处理更精确。大量未经组织的细节可能让重要差异淹没其中。颗粒度的价值在于与活动相适应，而不在于用手工步骤多少衡量人的认真程度。
一个评价制度若只奖励旧颗粒上的亲自执行，就可能产生一种悖论：工具帮助形成了新的活动，使用者却必须不断退回旧活动，才能证明自己有资格使用工具。他越有效地调用封装，越要补做被封装的内部过程。这不是说任何基础训练都多余，而是说训练需要说明其在当前与后续活动中的作用，不能以证明个人没有借力为最高目的。
所以，当我们感觉自己变弱时，值得检查的也许不仅是自身表现，还有评价尺度是否仍然适用。新尺度不应取消旧证据，而应把旧证据放回恰当位置。手工技能、复合运行、条件变化后的调整能力，可以分别被观察；任何一种都不必独占对“我有多少能力”的全部解释权。
三、机器承担得更多，人为什么不必相应减少？
把任务想成一块固定大小的蛋糕，机器多做一点，人便少做一点，这种图景在某些固定任务中可以成立。例如，一百份格式统一的材料原来全由人整理，现在机器整理其中八十份，剩余手工数量的确减少了。问题在于，从手工任务数量减少，能否直接推出能力减少、行动范围减少或生活价值减少？
假如原来由于整理成本太高，许多材料根本没有进入讨论，新的流程使它们开始参与决策，那么任务空间就发生了变化。人可能转向比较材料背后的不同解释，也可能有时间进入现实场景补充缺漏。这里不需要赋予人某项永远不可替代的工作，只需要承认：活动并非始终只有那一百份旧材料以及固定的处理方式。
当然，也可能什么新活动都没有发生。组织只是把每人的任务数量提高，或者减少人员。此时不能用“理论上可以升维”掩盖事实。升维的条件与实现之间存在距离，这个距离可能来自工具设计、组织激励、资源限制，也可能来自既有能力与新过程之间没有形成有效衔接。理论必须允许这种失败，而不能把失败全部归咎于使用者不够积极。
同一技术可以进入不同安排，这正是我们不能从它的单项表现直接推断人的命运的原因。设想两家机构使用相同的资料处理工具。一家把节省出的时间用于让员工研究客户的实际问题，另一家只用于增加每日处理量。两者的机器能力可以近似，人的活动却可能发生不同变化。区别不只在人是否会用，还在可用时间、目标与评价方式如何组织。
能力发生因此不是一场自动的利益分配。新过程能够做成什么，与谁获准参与、谁从中受益，需要分别回答。一个复合系统可能整体更强，某位参与者却更受制；也可能整体产出变化不大，某个人却因此第一次能够参与原来无法进入的活动。系统层级与个人处境之间不存在一条无需检验的直线。
我们也应当防止另一种误会：只要人不必再做原来的工作，他就必须马上寻找更高端的工作，否则便算浪费技术。这个要求仍把人的价值锁在持续增产上。节省出的时间可以进入研究，也可以进入休息、陪伴或没有明确产出的探索。是否值得，应当结合实际生活判断，而不是预先规定一切腾出的空间都要被新任务填满。
机器承担更多，并不逻辑地要求人减少；但人的处境是否改善，也不会由机器自动担保。两句话必须一起保留。前一句解除零和图景造成的误导，后一句提醒我们建设真实条件。少了任何一句，我们都会滑向廉价安慰或者无边界恐慌。
四、拆掉工具以后，究竟证明了什么？
有人提出一个看似干净的检验：把工具拿走，看看还剩下什么，剩下的才算真正能力。这一方法在某些问题上很有用。例如，我们可以借此了解一个人是否已掌握某种能够独立运用的方法。但若把它扩展成评价一切能力的唯一方式，就会把所有依赖外部构件的实际活动提前排除。
更值得注意的是，移除工具后的表现不佳，至少有几种不同解释。可能是这个人本来就不会该任务，工具只是使复合体能够完成；可能是原来会做，但长期缺少相应实践后表现改变；也可能是他学会了不同的组织方式，临时退回原有条件尚不熟悉。只看某一次移除后的表现，通常不足以在这些解释中作出选择。
要讨论“退化”，至少需要合适的前后比较。一个人使用工具前独立完成的表现如何，使用后在相同或可比较条件下如何，是否存在其他变化，都与判断有关。不能因为复合体比脱离工具的个人强，就把两者之间的差额全部称为个人丧失的能力。那部分差额也许从来就没有独立存在于这个人身上。
设想一位读者借助工具第一次读懂了一篇复杂论文中的部分论证。离开材料与工具后，他仍无法完整重建全文。我们可以说，他尚未独立掌握全部内容；不能因此说，他已经失去了原先完整掌握的能力，因为这样的原先状态并未被证明。把尚未发生的个人能力称为已经退化的能力，是另一种记账错误。
另一方面，复合成功也不能证明不存在真实退化。若一个人原先能够辨认某类问题，后来在相同条件下明显做不到，就有理由继续研究发生了什么。只是这种变化需要被放回整体活动中评价：它是否重要，是否导致脆弱性，是否可以通过新的安排弥补，是否值得保留一定独立练习？不是所有旧能力减少都同样严重，也不是所有新能力增加都能抵偿旧能力的损失。
因此，除了移除工具，还可以考察其他变化：更换一个工具后能否继续工作，材料形式变化后能否调整，遇到异常能否找到合适的帮助，复合过程是否保存了可供后续使用的经验。这里也不要求每个人亲自具备全部修复技能。可靠的支持系统可以参与这些活动，关键在于它们是否真实可得，是否能够承担相应功能。
“去掉工具还剩多少”可以是一扇观察窗，不能成为整个房间。我们需要知道独立能力，也需要知道复合能力及其持续条件。承认这两种观察同时必要，才能避免一边用漂亮成果掩盖学习没有发生，另一边又用孤立测试否定新的活动已经成为现实。
五、未来不确定，不等于现在可以任意下结论
讨论人工智能时，一种常见推理方式是把今天的变化沿着一条线延伸到极远的未来，再用那个未来审判现在。系统能够完成某些文字工作，于是设想它将完成全部认知任务；由全部认知任务又推向所有决策；最后认定人必然没有任何参与位置。每一步也许都可以提出研究问题，但它们不是同一个已经完成的事实。
本书不以断言未来的某一步永不发生来获得安全感。即使某种技术有一天能够在极大范围内承担活动，我们仍然需要分别讨论能力构成、可得条件、决策安排与人的价值。未来能力越广泛，这些区分越重要，而不是越可以被一句“人没用了”取代。
也不能因为远期情景不确定，就宣布眼前的风险无需考虑。一个系统被授予超出已验证范围的权限，或者某种工作安排取消了纠错与申诉的机会，其问题并不依赖于机器是否最终拥有一般智能。具体风险可以在具体条件下发生，应当在那些条件上获得回应。把一切争论都推到遥远的终点，反而可能使现实中的小范围失控无人处理。
这需要一种不同的时间意识。近处，我们查看现在能够稳定完成什么，哪些失败已经显露；中间，我们讨论部署与组织条件怎样变化；远处，我们保留情景推演，而不把推演伪装成确定命运。不同时间尺度需要不同证据，不能用一段演示支撑所有层级的结论。
一个人也没有义务每天重新计算整个人类的最终结局，才被允许安排自己的生活。面对不确定性，我们可以保留必要关注，同时把行动放到可以改变的范围内。比如，一个工作流程是否保留材料，一个学习活动是否真正促成理解，一项部署是否允许适当退出。这些事情不宏大，却能改变人与工具的实际关系。
“不知道最终怎样”与“什么都做不了”并不相同。正如“不保证一定有利”与“只能拒绝一切”并不相同。承认未知，可以使我们更谨慎地安排试用、反馈与修正；它没有要求我们回到技术之前，也没有要求我们在没有证据时相信技术之后必然光明。
由此，本书希望培养的不是对某个未来故事的忠诚，而是对推理环节的敏感。一个结论经过了哪些中间判断，哪些已有证据，哪些只是设想，哪些需要价值选择？把这些环节照亮，我们才能讨论真实的未来，而不是被一句将来时态的口号提前剥夺行动。
六、旧能力值得珍惜，却不必成为永远不能移动的身份边界
一个人花多年形成的技能，不只是某种工作效率，还可能包含经历、友谊、审美与自我认同。当工具改变它的使用场景，失落不必被解释成落后。我们完全可以为一种熟悉的活动方式惋惜，也可以选择继续实践它。问题只在于，这份珍惜是否必须升级成一个普遍要求：所有人都应当以原来的方式证明自己。
设想一位喜欢手工制图的人。自动工具出现以后，他继续用笔绘图，可能因为这种活动让他观察得更细，可能因为他享受落笔与修改的节奏，也可能因为它适合某些教学。这样的实践无需以否定所有自动制图为代价。反过来，别人借助工具完成另一类工作，也不因此就没有真正参与。
我们可以把“我愿意保留这项活动”与“只有保留它才算真正的人”分开。前者表达一个值得尊重的选择，后者则把个人珍惜的方式变成了普遍裁判。技术变迁容易引发的冲突之一，正是不同人把自己的发生道路当成所有人必须重复的道路。曾经艰难获得，并不意味着后来者必须重新经历同样的艰难才有资格进入。
教育也需要这种区分。某些亲历过程确实不可随意省去，因为它们承担着形成概念、感受差异或学会参与的作用；但这种必要性应当在具体活动中说明，而不只是说“我们以前都是这么练的”。训练的发生功能与训练的历史惯例，并不是同一件事。新工具出现以后，我们有责任重新辨认，而不能让怀旧替代理由。
同样，减少一项旧技能的使用，并不要求否定过去的投入。过去的经历可能以新的方式参与活动：曾经的手工经验帮助辨认异常，长期的阅读经验帮助提出有价值的联系，也可能只是构成一个人独特的生活记忆。经验的价值未必等于它在新流程中占据多少分钟，人的过去不必按最新工具的效率重新清零。
但是，我们也不应强迫每段经历都在未来证明经济用途。有些技能可能确实不再重要，有些投入可能没有获得期待的回报。承认这类损失，比不断为它编造“终将有用”的保证更诚实。一个人的生活可以包含失落、改道与未被兑现的努力，而不因此整体失败。
因此，出路不是轻蔑旧能力，也不是将其冻结为主体的最后边界。我们可以尊重发生过的东西，辨认仍需保留的东西，并给新的发生留出空间。身份的连续性不必通过活动方式永远不变来维持；一个人能够改变自己做事的方法，也仍然可以认真承接自己的历史。
七、真正需要改写的是问题，而不只是答案
回到本章标题，现在可以看到，“人工智能越强，人就越弱吗”没有一个脱离条件的统一答案。在某项竞争中，人的相对优势可能减少；在某种复合活动中，人的可参与范围可能扩大；某些个人技能可能发生变化，而生活处境又可能受到另一套分配机制影响。这些变化可以同时出现，不能被压成一条单向曲线。
若仍坚持用一个“强弱”总分来结算，我们就会不断遇到矛盾：一个人能够完成更多，却觉得自己更无能；一个组织产出更高，成员却更加疲惫；一项工具减少了执行负担，评价制度却要求补回全部手工过程。矛盾并不总在工具内部，也可能在我们用来理解它的尺度之间。
问题可以改写为：什么能力在什么活动中发生了变化？哪些变化属于自然人的学习，哪些属于复合体的运行？广度、高度、颗粒度分别怎样改变？这些改变对真实生活意味着什么？这样的问题没有一句话式的震撼，却能把行动引向可以辨认的地方。
对于个人，最重要的也许不是立刻列出一份新的竞争优势，而是先停止一种错误的减法。不是凡由工具承担的部分，都从人的存在中减掉；不是凡不能独立重演的过程，都证明自己没有能力；也不是凡降低了市场稀缺性的技能，都连带取消了学习它的全部意义。停止这些减法，才有余地诚实地看见真正失去的与新近发生的。
对于组织，新的能力尺度不能只向个人索取。若组织要求人进入复合工作，就应当说明工具、材料、练习、评价与修正的条件如何得到支持。不能工作时要求人人调用封装，评价时却只承认脱离封装的表现；也不能用整体升级的名义，让个体独自承担所有转换风险。
而对于研究，我们需要记录那些并不符合单一故事的案例：有的活动确实打开了新空间，有的只是更快地产生旧结果，有的增加了理解，有的只增加了依赖。理论不应只收集胜利证据。只有能够说明不同结果为何发生，封装与升维才不只是替技术换一种赞美方式。
强弱判断终于可以离开一条想象中的零和刻度，回到具体任务、配置和证据。接下来的问题是辨认承担者：一个结果已经出现，究竟哪些执行发生了，哪些能力获得了稳定支持，哪些变化才属于个人的学习？