当AI运转得太完美：我们是否正失去重建文明的能力？

数个世纪以来，古埃及神庙和纪念碑上的象形文字就刻在那里。它们没有被战火摧毁，没有被抹去，也没有被藏匿。然而，能够读懂这些文字的传承早已中断。

文字本身完好无损，但理解文字的人类能力已经失传。

直到罗塞塔石碑（Rosetta Stone）被发现，学者们才找到了破译的关键桥梁。石碑上用古希腊文等三种不同文字刻下了同一份诏书，借助依然有人理解的古希腊文，学者们才逐步还原出那些在眼前沉睡了数百年的文字含义。

这个故事揭示了一个至关重要的命题：保存信息，与保存「理解信息的能力」并不是一回事。

假设AI完全没有失控

大多数关于人工智能风险的讨论，都集中在超级智能失控、欺骗人类或逃出实验室等灾难场景上。

但还有另一种可能更切实际的情景：一切运转良好，没有任何意外发生。

AI变得越来越强大，在编程、医学、工程、数学、科学研究中表现惊人。它没有叛变，没有产生莫名其妙的自我保护意识，而是完全遵照人类的指令行事。

正是因为表现得太出色，人类开始全面依赖它。

这种依赖本身并不新鲜。技术史在很大程度上就是一部「抽象化」的历史。现在的软件工程师很少需要去理解晶体管的物理特性。你不需要彻底搞懂操作系统内核、编译器原理、网络物理层或者光刻机工艺，依然能开发出一款体验出色的 App。

这不仅不是文明的倒退，反而是人类最伟大的成就之一。抽象层让后人可以直接从前人的终点出发。 我们不需要在造计算机前重新发现电，也不需要在学微积分前重新发明代数。人类文明正是通过层层抽象叠加而向前推进的。

但这个系统有一个容易被忽视的前提：虽然没有一个人能精通所有层级，但每一个层级内部，依然有活生生的人类专家在把守。

虽然一个应用层程序员不知道如何设计芯片，但芯片工程师知道；芯片工程师或许不会造光刻机，但有另一批专家精通光学与机械。人类社会的底层知识链条是连贯的，更重要的是，后人依然拥有学习这些底层知识的路径。

但AI正在打破这种代际传承。

消失的底层掌握者

想象一下：2030年，一名程序员接到一个复杂系统的开发任务。他借助AI写出了一个难度极高的核心模块。测试通过，文档齐全，成功上线。

五年后，另一位开发者需要在这个模块上增加新功能。此时的新一代AI工具已经可以直接重构并拓展系统，这位开发者甚至不需要去看模块内部的实现细节。

二十年后，新的团队在上面又搭建了数层业务逻辑。

七十年后，这个模块的衍生版本依然在稳定运行，周围包裹着人类与AI共同构建的几十层抽象结构。

整个过程中，没有任何人主动选择遗忘，但发生了一件极其隐秘的事：

后代人再也没有动机去掌握底层细节了。

今天行业里的资深专家，在其职业生涯中依然是专家。但问题在于：谁来接替他们？

专家不是凭空出现的。他们是在无数次犯错、调试低级Bug、经历项目失败、反复推敲底层机理的枯燥训练中磨练出来的。

现代编程语言和云服务已经让很多程序员不再接触汇编指令或手动管理内存。但这还没演变成灾难，因为底层依然有工程师在维护，高层开发者想向下探究时依然有路可循。

但AI的全面接管正在彻底截断这种向上攀爬的梯子。

经济上不再必要，战略上生死攸关

现代导航技术的发展提供了一个绝佳的参照案例。

卫星定位（GPS）的普及，将曾经需要天文观测、复杂仪器测算的海上导航，变成了一个秒级自动化的操作。为此，美国海军逐步在教学中取消了传统的天文导航课程：NROTC在2000年停止教学，海军学院也在2006年将其从大纲中剔除。

然而在2015年，美国海军学院又重新恢复了这门古老的课程。

原因并非GPS失效了，恰恰相反，是因为GPS太好用了，导致平时根本不需要天文导航技能。但从抗风险的角度考虑：一旦卫星信号被干扰或遭遇攻击，舰队将瞬间变成瞎子。

这个案例给出了一个关键启示：

一项能力可以在经济上不再必要，但在战略上依然生死攸关。

AI正在全方位加速这种「技能退化」。真正的危机不在于人类抛弃了某种过时的具体工具，而在于AI同时缩短了全社会各行业的学习与训练路径，直接摧毁了培养底层维护者与重建者的温床。

一名资深程序员花了几千小时写代码才积累出的直觉，现在AI几秒就能生成；一名结构工程师是在见识过建筑开裂和坍塌后，才真正理解安全余量的意义；一名医生是在见过无数不按教科书发病的疑难病例后，才练就临床判断力。

我们日常所说的「基础工作」，本质上正是下一代专家不可或缺的训练场。

当我们把大量执行层工作完全交给AI时，被抽走的不仅是人力成本，还有「人类掌握这项技能的必经之路」。

多项针对知识工作者的研究已经表明：生成式AI正在改变人们的认知分配方式，工作重心正在从「亲自动手执行」转向「审核、整合与监督」。一些学者更是明确指出，由AI导致的去技能化（Deskilling）是一个系统性结构问题：过度自动化的环境，终将不再具备培养核心能力所需的土壤。

拥有与重建是两码事

这种演变在初期毫无痕迹。

老一代专家尚在岗位，新一代工程师更擅长使用新工具，但与系统底层的物理和逻辑距离越来越远。一两代人之后，知识链条变得无比漫长，且完全依托于机器本身。

终有一天，我们会面对一个奇特的现实：人类文明依然能够熟练操作庞大的系统，但社会中已经没有足够的人知道如何从最底层把它重新造出来。

这并不意味着文明会立刻崩溃。这样的社会甚至可以继续繁荣数百年：新药不断被发现，软件持续迭代，工厂照常运转，AI甚至能自行诊断和修复基础设施。因为一切运作如常，潜在的脆弱性反而被完美掩盖。

但「懂得如何使用现有成果的文明」，与「具备从废墟中重建这些成果的文明」，有着本质的区别。

有人会辩解：我们可以把所有知识完整存进数据库——开源代码、工程图纸、学术论文、操作手册全部保留下来。

但这远远不够。

一份文档可以教你如何操作一台设备；另一份图纸告诉你这台设备如何制造；但制造需要特定的高精度零部件，零部件又需要另一整套工业体系和专用工具。沿着链条深挖下去就会发现：技术从来不是孤立的说明书，而是一整条相互咬合的能力链路。

更重要的是，大量核心的人类经验属于隐性知识（Tacit Knowledge）：听到机械运转的微小杂音就能判断故障、在数据看似正常时察觉出异常、在标准工具缺失时的现场应变。这些东西从来无法被完整写进手册。

光有一座装满技术资料的宏伟图书馆，并不是文明的有效备份。真正的备份，必须是能够被成功还原的。

打造现代「罗塞塔石碑」

面对越来越强大的AI，人类或许需要主动构建属于现代的技术「罗塞塔石碑」。

这绝不仅是建几个冷备份数据中心，而是要保留向下穿透抽象层的路径：

• 从上层抽象回到底层实现；
• 从软件逻辑回到硬件工具；
• 从生产工具回到核心制造知识；
• 从这些知识回到「人类如何从零掌握它们」的教学路径。

这可能需要我们专门编写面向人类理解而非机器执行的技术文档、保留精简的基准系统、开设看似在商业上已经不划算的实操工坊，甚至有意识地维持一批专注于非自动化底层技术的工程师群体。

罗塞塔石碑之所以伟大，不仅在于它保留了文字，更在于它搭建了一座桥梁，连接了「人类已经遗忘的」与「人类依然懂得的」。

当我们继续在AI的助力下搭建越来越高的技术大厦时，必须确保通往地基的楼梯依然完好。否则在未来的某一天，文明的所有数字图腾都保存完好，但世界上却再无一人能够读懂它们。