人工智慧與達克效應：不再彌合的能力鴻溝

關於達克效應（Dunning-Kruger effect），人們最熟悉的畫面是那條先衝高、後跌落、最終與真實能力匯合的曲線。然而，在人工智慧介入的今天，這條曲線似乎不再閉合。作者提出一個假設：AI不僅提高了人的自信，還將真實能力分裂成“有工具”和“無工具”兩種狀態，使得原本靠經驗拉平的差距永遠敞開。

經典的達克效應故事有一個美好的結局：新手因自負而爬上“愚昧之峰”，然後經歷“絕望之谷”，最終透過實踐和失敗學會謙遜，能力認知與現實趨於一致。這個過程的核心是“現實的教訓”——你嘗試、你失敗、你察覺自己的不足。但AI改變了這一機制。它吸收了大部分摩擦，讓失敗變得隱蔽。即使你什麼都不會，AI也能幫你產出看起來專業的成果。於是，自信的峰值更高了，低谷也不那麼深了，因為工具掩蓋了那些本會讓你難堪的漏洞。更關鍵的是，那條線再也沒有下降的趨勢。

第二重變化是，“真實能力”不再是單一維度。以前，一個人的能力就是一個數。現在它分裂了：有AI輔助時，你能迅速產出高質量內容，這部分能力很高；而一旦工具被拿走，剩下的“內在能力”要低得多，而且只有透過親手實踐才能增長——但AI恰恰替你完成了那些實踐。這兩條線之間的差距，作者稱之為“依賴鴻溝”。

當三條線（感知能力、輔助能力、內在能力）同框時，問題變得清晰。感知能力始終維持在高位，輔助能力緊隨其後，而內在能力遠遠落在下方。並且，它們再也沒有相互靠近的趨勢。因為現實不再懲罰過度自信——AI承擔了失敗的成本，那個修正自我認知的訊號永遠無法到達。

值得注意的是，“內在能力”對於不同人群含義不同。那些在依賴AI之前就積累了紮實技能的人，大部分能力還在，只是緩慢流失。而那些從第一天就藉助AI學習的人，可能根本從未建立起內在能力。同樣的低水平曲線，背後是兩種截然不同的原因，後者在代際間會越來越嚴重。

早期研究提供了佐證。2025年一項針對666人的研究發現，對AI依賴越強，批判性思維能力越差，年輕使用者中影響最顯著。微軟與卡內基梅隆大學的聯合調查也顯示，越信任工具的人，自主思考越少；相反，越信任自身技能的人，思考越多。麻省理工學院的一項EEG研究表明，使用語言模型寫作的人，大腦連線性低於傳統寫作方式。不過，這些研究也指出，關鍵在於使用方法：如果AI是替代思考，則技能退化；如果AI是輔助思考，讓人承擔核心挑戰，則批判性思維得以保持甚至提升。

那麼，這種技能外包是否真的要緊？畢竟，人類歷史上一直把技能交給工具：計算器取代了心算，GPS取代了讀地圖，能力消失了，也沒人在乎。這一次有什麼不同？作者的答案是，當工具始終可靠時，放棄技能確實無傷大雅。但工具不會永遠可靠，也不會永遠正確。

作者列出了三個關鍵場景：第一，知識傳承。技能透過學徒制傳遞：新人做苦差事、掙扎、在資深者面前失敗，從而汲取那些寫不下來的訣竅。AI現在承擔了苦差事，因此製造未來專家的痛苦過程消失了。老一輩退休後，後面無人補上。第二，系統故障。1997年，美國航空公司機長警告飛行員正變成“洋紅色線的孩子”——擅長管理自動駕駛，卻失去手動飛行能力。2009年法航447航班因自動駕駛失效，機組無法手控操作，導致228人遇難。2013年舊金山機場類似事件再次發生。這些技能只在需要的幾秒鐘內至關重要。第三，監管監督。歐盟AI法案要求高風險系統必須有人類監督，但監督者需要理解系統能做什麼、不能做什麼、何時出錯、何時干預——這每一項都是內在技能。如果監督者自己無法完成工作，那麼所謂的人類監督就只是一紙簽名。

作者舉了銀行業的例子：COBOL語言自1959年誕生，至今支撐著約三萬億美元的日常交易。它執行良好，但理解它的人正在退休，業務規則只存在於他們腦中，沒有任何文件。當2020年新澤西州的失業系統崩潰時，州政府不得不召回退休程式設計師。AI或許能讀懂程式碼語法，但無法解釋為什麼某個工作在月底最後一天先於另一個執行，也無法識別1987年留下的未成文規則。那些知識不在程式碼裡，而在人身上，而人已經不在了。

最後，作者指出，內在技能對於日常產出可能越來越不重要，但應對故障、實施監管和監督、以及培養下一代專家時，它的價值空前。關鍵的轉變在於：內在能力已經從生產力問題變為治理問題。它不再是培訓清單上的一行，而是一種控制手段，就像任何其他控制措施一樣，它在需要的時刻到來之前靜靜地退化。對企業和管理者而言，需要回答幾個實際問題：組織內部哪些領域的內在能力已經薄弱？如果明天工具消失，誰還能完成工作？你的“人在迴路”是真正的檢查，還是一個簽名？

如果這個假設是錯的，內在技能只是一種懷舊，AI已經解放了我們。但如果它是對的，那麼它就是一種在產出看起來依然良好時悄然侵蝕的控制機制。