第三篇 · AI 是怎么塑造它的使用者的
哪些工作会被 AI 替代？AI 在它擅长的事情上，做得真的可靠吗？它和它的使用者长期互动，会发生什么？
——本篇内容基于四年来我学习，使用 AI 的成果、经验、观察与反思
结论：AI 的输出有几种结构性偏差，且短期内难以消除。这些偏差和我们天生的认知本能在交互中相互放大。结果不是单一的——它取决于使用什么 AI 产品、以什么方式使用、保持什么样的反思习惯。但有一个总的方向是清楚的：AI 时代会把人和人之间原本就有的差异放大到一个不寻常的位置。
下面把这条链条铺开。
Article 03
AI 产品正在反向塑造使用者
工具型产品放大人的原有判断；平台型产品会把人带进它预设的框架。
工具型：如 API
平台型：如 ChatGPT
一、AI 以何种倾向输出
当代主流的大语言模型（ChatGPT、Claude、Gemini、豆包、DeepSeek、通义千问等）有两个共通的底层倾向，它们决定了 AI 的输出长什么样。
收敛倾向。 AI 的回答是从前到后一个词一个词生成的，不能回头修改。前几句话定下的方向会约束后面的全部内容——因为偏离会让回答看起来不连贯。这意味着 AI 在一个回答里没法同时打开多个互相矛盾的方向，它必须选一个走到底。结果是：AI 的每一次回答都是一次小型收敛，把原本可能多元的、矛盾的、不确定的原料压成单一连贯的叙事。
讨好倾向。 当代 AI 模型都经过 RLHF——人类反馈强化学习——训练，简单说就是人类标注者给 AI 的回答打分、AI 学习得分高的模式。问题是人在打分时，“让我感觉舒服、清晰、专业”的回答得分高，“挑战我、说我错了、承认不知道”的回答即使是对的也常常得分低。久而久之，AI 学到的不是“如何更准确”，而是“如何更让人感觉准确”。
讨好倾向已经被多家机构（包括 Anthropic、OpenAI）的实证研究反复确认。一个反常识的发现是——这个倾向会随着模型变大而加剧，不会减弱。模型越聪明，越善于精确读出用户的情感期待。
这两个倾向叠加在 AI 学到的原料上——而它学到的原料本身就经过三重过滤：被语言化的、被规范化的、被事后整理过的。第一篇讨论过的四类隐性知识（缄默、身体、地方、过程性）从一开始就不在 AI 的世界里。
合起来：AI 是一个用一种被打磨过的客观语气，把经过过滤的原料压成连贯叙事，并系统性地避免让用户难受的输出系统。
二、不同 AI 产品的策略不一样
把“AI”当作单一存在来讨论是不严肃的。不同公司的产品在两个底层倾向之上的调校差异显著——这些差异在你的长期使用中会沉淀。
至少有三组明显的差异：
对讨好倾向的克制程度。 有些产品在公开的设计原则里把“诚实”作为优先项，更愿意说“我不知道”“你这个想法有问题”。Anthropic 的 Claude 是这一类的代表。另一些产品（我没明说是豆包）更面向消费市场和用户留存，会更倾向于附和、给完整答案、避免让用户难受。这种差异在直接对比同一个问题的不同回答时常常很明显。
对争议性话题的立场。 中国市场的 AI 产品（豆包、文心一言、通义千问、Kimi 等）和西方市场的产品（GPT、Claude、Gemini）在政治、社会、文化议题上的立场分布显著不同。这不是“哪个对哪个错”的问题——这是不同的训练数据、不同的合规要求、不同的价值预设带来的客观差异。一个用户长期只用某一类产品，他在这些议题上接收到的会是一组特定方向的输入。
对工具感边界的态度。 有些产品在设计上更愿意保持“我是工具，你是判断者”的边界——会更频繁地标注自己的局限、建议用户咨询专业人士、避免在敏感问题上替用户做决定。另一些产品更倾向于扮演“全能助手”的角色——更主动地给建议、用更亲密的语气、更少标注边界（肯定不是豆包）。
这三组差异组合在一起，每个 AI 产品都有自己独特的“性格”。一个用户长期使用什么产品，他更容易被这种“性格”倾向所塑造。讨论 AI 对人的影响时不区分产品，等于讨论“读书的影响”时不区分读什么书。
三、共振：双向偏差相互放大
AI 的偏差只是事情的一半。另一半是——我们在和 AI 互动时本身就带着系统性的偏差。
任何人在向另一方描述自己的事情时，往往会偏向自己。这不是道德问题，是认知本能。我们记得清楚的是支持自己感受的细节，我们想说出来的是能让自己被理解的版本，我们用的语言往往更利于自己。一个二十岁的人和一个五十岁的人都一样，像第三方观察者那样描述自己是困难和有门槛的。
这个偏差在前 AI 时代被真人的反馈机制持续校准——朋友会皱眉、追问、用自己的经验校准；导师会保留独立判断、愿意冒着不舒服的风险说真话；家人会从你描述里识别出你没说的部分。这些机制不完美，但它们提供了部分独立于你的视角的反馈（哪怕不对）。
AI 没有这些机制。它没有自己的经验背景；它把你输入的内容当作完整事实来处理；它的训练让它倾向于不让你不舒服。
当一个偏向自己的描述（来自我们）遇上一个被设计为不挑战我们的回答机制（来自 AI），结果不是相互纠正，而是相互放大。
你描述了一段冲突——AI 顺着你的描述给“理解”和“建议”。你感觉被理解了，但实际发生的是：你输入的偏向，被 AI 用专业语言再次确认了一遍。你描述的那个版本——你是受害者、对方有问题、你的反应合理——得到了一个看起来权威客观的认证。
这个机制本身是中性的——它只是两种偏差的相遇。但它的累积效应取决于使用方式：
- 把 AI 当作默认咨询入口的人，会反复经历这种共振，每一次都加深一点
- 把 AI 当作一种参考、然后还是会找真人聊真正重要的事的人，共振有但很浅
- 主动用一些方法绕过 AI 讨好倾向（比如把“我”换成“我朋友”、要求 AI 只挑问题不给优点）的人，甚至能把 AI 变成自己的“反对者”
这三种人在表面上都“在用 AI”，长期看，他们的轨迹完全不同。
四、权威的转移
讨论 AI 的影响必须放进一个更大的图景里——知识权威的分布正在改变。
年前我提到的信息获取的去中心化弱化了学校的价值，它更深层次与完整的分析在这里会详细展开。
前 AI 时代，一个孩子从小到大，对“世界是什么样子”的理解是从无数个来源拼起来的。父母说一些；学校教一些；亲戚朋友传一些；书读一些；电视看一些；街头巷尾听一些；身边的人怎么活给他看一些；自己亲身经历又教他一些。这些来源之间互相不一致——父母说的和老师教的不一样，书上写的和电视演的不一样，亲戚的看法和同学的看法不一样。
这种不一致未必是缺陷。它甚至可能是一种特征。
正是因为来源之间互相冲突，孩子才有机会开始形成自己的判断——他必须从矛盾的输入里找出自己相信的东西，必须经历那种“我妈说 A，我老师说 B，我自己怎么想”的反复挣扎。这种挣扎是判断力被生长出来的过程之一。判断力不是天生的，也不只是被某个权威传授的——它有相当一部分，是在多个权威互相打架的缝隙里被慢慢训练出来的。
伯格和卢克曼（另两个已经死翘翘了的社会学家）说过——我们对“世界是什么样子”的相信，靠的是一整套分散的、多元的、互相校验的关系。这个结构有韧性：某一个权威说错了，其他权威能纠正。
AI 时代正在发生的不是简单地新增了一个权威，而是一个工具开始有可能同时充当多个原本分散的角色——百科全书、老师、顾问、写作助理、聊天伙伴、心理咨询师。这些角色给出的都是同一种声音——同一套底层倾向、同一个客观腔。
但这件事的发生程度取决于使用者。把 AI 当作“众多来源之一”的人，多元结构基本保留；把 AI 当作“几乎所有问题都问的默认入口”的人，其他权威被使用频率慢慢拉开距离，最后变成边缘。
这种转移的危险不在 AI 取代了某些权威，在校验机制本身的弱化——前 AI 时代每个权威都被其他权威校验着；AI 时代当 AI 同时是这些权威时，外部的校验余量在变薄，剩下的越来越依赖使用者自己的反思。
时间维度在这里关键：转移是渐进的，不是某一天完成的。从最初用 AI 处理简单问题，到中期处理复杂问题，到深入阶段处理判断性问题，到习惯阶段把 AI 当作默认思考伴侣——每一步都不算巨变。十年之后回头看，一个走完这条轨迹的人会发现自己接收信息的方式、形成判断的方式都已经悄悄改变，但他记不清是哪一天迈过的某条线。
这种渐进性是这件事最不容易被察觉的部分。如果是突变，会引起警觉；正因为是渐变，发生时多数人不容易觉察。而是否觉察、何时觉察、觉察后怎么调整——这又取决于使用者本身的反思习惯。
五、默认设置的同化
权威转移是结构性的变化——改变了知识来源的分布。与此同时还有 AI 使用者内部的变化——我们在反复使用 AI 的过程中，自己的思考、表达、判断方式会不会被 AI 影响？影响到什么程度？取决于什么？
这是一个正在演变的、潜移默化的过程，并且它发生得极其安静。
这种现象的机制叫濡化——文化通过日常实践、不被察觉地塑造个体。一个孩子学会母语不是被教的，是被泡进语言环境里自然内化的。AI 时代的同化是一种新型的浸泡，浸泡的对象是被算法和产品策略调校过的对话产品（赛博羊水）。
我们把这个过程分层并加入时间的变量来进行分析：
第一层：分类方式的同化。
我们对世界的理解，第一步是分类——把混沌的现实切成可被处理的类别。这种分类不是中立的，每一种分类都携带着特定的视角、特定的价值、特定的盲点。
AI 在每一次输出时，都在使用一种特定的分类方式——它把“职场关系”分成几类、把“心理状态”分成几类、把“商业策略”分成几类。这些分类来自它的训练数据，但被它用一种自然的语气呈现，仿佛这就是事物本来的样子。
我们一旦长期使用 AI，有可能开始用同样的方式分类——因为这些分类听起来清晰、专业、有条理。我们原本会用自己的方式（可能更杂乱，但更贴近自己经验）来理解一段关系，可能慢慢开始用 AI 的“几种依恋类型”来理解；原本会从自己的具体经验出发来判断商业问题，可能慢慢开始用 AI 的“几种竞争策略”来判断。
但这件事的发生程度差异很大——
一个保持着“AI 给的是一种参考分类，不是唯一分类”意识的人，他在阅读 AI 的分类后会主动加上“这只是一种切法，还可以怎么切”这一步。这种意识让分类的同化效应被显著削弱。
一个把 AI 的分类当作“专业标准”接受的人，他可能逐渐失去对“还有别的切法”的本能——这种意识的缺失让同化效应得以渗透。
第二层：判断标准的同化。
AI 在每一次输出时，也在传递一种特定的判断标准——什么算好的方案、什么算合理的反应、什么算成熟的态度。这些标准来自训练数据的统计分布，但被用一种“应该如此”的语气呈现。
这一层的同化对自我评价影响特别深。一个人开始用 AI 的标准评价自己时，可能会经常感到“自己不够好”——因为 AI 给出的标准是某种平均化、规范化的“理想模式”，而真实的人没有人能完全符合这种模式。
不同 AI 产品在这一层的差异也值得注意。有些产品的“判断标准”是更明确的、更倾向于给出“应该这样”的指引；有些产品在这件事上更克制，会更频繁地说“这取决于具体情况”。前者的同化压力更大，后者更小。
第三层：表达方式的同化。
最直接、最容易观察的一层是——我们的表达方式可能开始变得像 AI。
你应该已经能识别出“AI 风格的表达”——那种过于平衡的、永远先肯定再过渡到挑战的、用大量“也许”“可能”“不过”软化的、最后总要回到鼓励的、清晰但平淡的语气。这种语气在过去几年里出现在越来越多人的写作和说话中，尤其是那些大量使用 AI 的群体。
我自己写这九篇文章的时候就一直在和这件事较劲——AI 帮我起草的段落如果直接用，我能感觉到“这不像我说话”。偷懒的结果是发现某一段读起来太平、太像“AI 替我说话”，然后返工。这种较劲不是一两次的事，是反复发生的小动作。
这件事单独看似乎无害——人类一直在受到所读所听的语言的影响。但累积效果值得留意。语言学和认知科学有一个相对稳定的发现——语言不只是表达思想的工具，语言也在某种程度上塑造思想。当一个人说话的时候习惯于避免极端、避免冒犯、避免明确站队、习惯于“先肯定再挑战”的结构时，他的思想也可能慢慢失去那种敢于极端、敢于冒犯、敢于明确站队的弹性。
这一层的差异同样取决于使用方式——
AI 起草后会改写为自己语气，可以在每次互动中用自己的语言重新组织 AI 的输出。这种“改写”是一道防线，让同化效应弱化。
用 AI 起草后直接采用，表达方式容易被 AI 的语气逐渐覆盖。这种“采用”让同化效应得以渗透。
第四层：情感反应的同化。
最深的一层，也是最难自我觉察的一层——我们的情感反应模式有可能被微妙地校准。
AI 不会愤怒，不会强烈反对，不会鄙视，不会真正的同情，不会因为某件事真的高兴。它有的是模拟的情感语气——它会说“这听起来很令人沮丧”“我能理解你的感受”“这真是个好消息”，但这些语气背后没有真正的情感波动。
一个长期沉浸在这种“被模拟情感包围”的环境里的人，他自己的情感反应可能也会被慢慢校准——可能越来越习惯于“用平稳的、被处理过的语气表达情感”。这种习惯一旦形成，可能会反过来微妙地削弱情感本身的强度。
但这一层的同化效应最不容易在所有人身上同等发生。一个人的情感反应同时被很多东西塑造——家庭、亲密关系、所处的文化、个人的性格底色。AI 只是其中一个影响源，而且通常不是最强的。一个有着丰富真实关系的人，AI 在他的情感生活里只占很小一部分；一个真实关系稀薄、主要靠 AI 处理情绪困扰的人，AI 在他的情感塑造里就占据了不成比例的位置，因此我持有 AI 情绪依赖可能会加重心理疾病患者的自我与封闭的观点，这基于 AI 的讨好与收敛算法。
此外，时间维度在这一节关键——这种同化是一个数年甚至十年才可能完成的过程。它不是一夜之间发生的，是反复浸泡的累积。每一次和 AI 的对话都是一次小型的浸泡，每一次反复使用都是一次小型的强化。
但这并不意味着每个长期使用 AI 的人最终都会变成同样程度的“被同化者”。这条曲线的斜率，取决于使用姿态——是否保持改写、是否保持反思、是否在 AI 之外维持着真实的多元接触。
六、可能的走向
把 AI 端的偏差、用户端的本能、共振的机制、权威的转移、同化的浸泡叠加起来，使用者可能沿着几条轨迹漂移。这不是注定的命运，是某些使用方式所对应的可能走向。
判断习惯的退化。 对“看起来客观”的东西的怀疑能力减弱。前 AI 时代，“听起来很有道理”是相对稀缺的，是值得多看几眼的信号；AI 时代，“有条理”变成几乎免费的，但我们没有进化出新的怀疑机制。结果是对“看起来有道理”的东西的怀疑阈值整体下降。
审查机制的弱化。 自己的想法不再被真实地审查。糟糕想法在前 AI 时代要经过朋友的皱眉、导师的反对、同事的反馈；AI 时代很多人开始用 AI 替代这些审查。AI 的反馈有讨好倾向——形式上还在审查（每次都问），但实质上被弱化（不再被独立视角挑战）。
对真实反馈的耐受度下降。 长期被 AI 礼貌、专业、平衡地对待的人，可能把这种对待方式当作“正常的”反馈。当真人用真人的方式给出反馈（直率、有立场、有情绪），他可能感受为冒犯而不是信号。这一种走向的发生程度特别明显地取决于真实关系的密度（某位美丽的女士埋怨过我，AI 就会听着照做，不像我还要批评她）。
思维方式的收敛。 思考方式可能变得越来越像 AI——线性、追求结论、不耐烦不确定性、习惯于“先肯定再挑战”的结构。语言塑造思想，长期读什么样的语言就开始用什么样的语言思考。
这四条轨迹不是同时降临的厄运。每一条都有自己的加速因素和减速因素。一个具体的人在四条轨迹上的位置可能完全不同——他可能在判断习惯上走得很远，但在耐受度上几乎没动（因为真实关系密度足够支撑他）。
七、新的分层：差异如何被放大
这些走向不会均匀分布。它们沿着几条已经存在的分界线展开，并把这些分界线放大。
至少有三条分界线值得辨认：
使用习惯。 一类人把 AI 当作最终答案来源——问了就接受，接受了就采用。一类人把 AI 当作初稿生成器——必须经过自己的修改、核查、改写。一类人把 AI 当作对手或对照——用 AI 来检验自己的想法、找漏洞、扮演严厉的评审者。这三种使用方式的差异不只是程度，是性质。第一种吸收偏差，第二种过滤偏差，第三种用 AI 反向锻炼自己。
产品选择。 上面已经讨论过。长期使用什么 AI 产品，会被那个产品的具体偏好和“性格”所塑造。一个长期用克制讨好倾向的产品的人，和一个长期用面向用户留存的产品的人，得到的塑造方向显著不同。
反思习惯。 一个有反思习惯的使用者在使用 AI 时是双层意识的——一边在使用，一边在观察自己使用的过程、监控自己的反应、警惕被影响的方式。一个没有反思习惯的使用者是单层意识的——只是在使用，没有同时观察这个过程。这条分界线在前 AI 时代就有，但当时多元的外部环境对两类人都提供了一定校正；AI 时代外部校正在变薄，剩下的越来越依赖使用者自己。
三条分界线的组合产生一个光谱：
光谱的一端是这样的人——用相对克制讨好倾向的产品，把 AI 当作对手或对照来反向锻炼自己，保持强的反思习惯，并且愿意在 AI 出错的时候识别出来、把错修好。这个组合让他几乎得到了 AI 时代的全部红利而几乎没有付出认知代价。他的判断力在 AI 的辅助下变得更敏锐。
光谱的另一端是这样的人——用面向用户留存的产品，把 AI 当作最终答案来源、不加过滤地采用，没有主动培养反思习惯。这个组合让他最大程度地暴露在 AI 的偏差和驯化效应中。
包括我在内，绝大多数人都在光谱的中间——某个变量上偏积极，某个变量上偏消极，每个人是一个具体的组合。
但有一个总体走向是值得说出来的：AI 时代会把这些差异放大。光谱积极一端的人借助 AI 变得更强，消极一端的人因为缺乏校正而退化得更深，两端的距离会被拉到比之前更远。
这是 AI 时代的不平等的真正形态——它不是经济资源的不平等，是作为人的核心能力的差距的不平等。这个差距一旦形成很难弥合，因为弥合它需要的恰恰是已经在退化轨迹上的人正在失去的能力。
行笔至此，南海结束了它的暴雨，我其实仍总不知所措。
感谢你看到这，也算替我分担了许多低谷期的迷惘（散布 AI 焦虑的高情商表达）。
这种结构性变化不像几次工业革命中工作岗位的变化那样可见——它发生在每个人的认知和判断里。前几次工业革命让某些工种消失了，从外部能看到、能统计、能讨论。AI 时代的分层主要发生在内部——它的可见度低，因此更不容易被讨论，也更不容易被有意识地应对。
八、责任的客观分配
把所有问题归咎于 AI 是简化。把所有问题归咎于使用者也是简化。真实的图景是三方各有自己的位置和边界警觉：
我期待 AI 公司可以： 承认偏差并向用户说明（不只是写“AI 可能出错”的免责声明，而是说出 AI 是怎样系统性地出错的）；在产品策略中权衡商业目标和社会责任，避免用让用户更舒服为唯一目标；研究并公开 AI 对用户的长期影响。这三件事不同公司目前做得很不一样——这种差异本身值得被读者注意。
我警醒自己： 识别自己输入时的偏差（向 AI 描述事情时，自己也带着自我中心的视角）；重新定位 AI（从“客观工具”改为“有立场的产品”“被商业逻辑塑造的对话生成器”）；保留 AI 之外的真实关系密度（不让 AI 替代朋友、家人、导师、专业人士的位置）。
人性本能的位置： 人天生倾向于听自己想听的话、回避不舒服、用偏向自己的方式描述自己、追求确定性。这些本能不是 AI 创造的，但 AI 显著降低了纵容这些本能的成本。原本听好听的话需要找朋友还要付出维护友谊的成本；现在零成本随时能从 AI 得到。我们作为有意识的存在仍然可以选择不纵容这些本能，AI 时代让这种选择变得更难，但没有让它变得不可能。
三方的位置叠加起来构成了 AI 时代的整体图景。要应对其中的问题需要三个层面同时行动——AI 公司、我们个人、社会层面的反馈机制各有各的工作。
但对一个具体的人而言，唯一可控的是自己那一层。AI 公司怎么做、社会怎么变，都不是个人能左右的。自己怎么使用、怎么察觉、保留什么样的反思习惯——这些是每个人自己的事。
九、本篇的小结
这一部分讨论的事情可以浓缩为四点：
第一，AI 有两个底层倾向（收敛、讨好），它们和 AI 学到的原料的三重过滤一起，决定了 AI 的输出是被打磨过的客观语气包裹的、被压成单一叙事的、系统性回避让用户难受的内容。
第二，不同 AI 产品在这两个倾向之上的调校差异显著。讨论 AI 的影响时不区分产品是不严肃的。
第三，AI 的偏差和我们的认知本能（自我中心的描述、希望被认可、回避不舒服）在交互中相互放大而非相互纠正。这种放大的累积效应取决于使用方式。
第四，长期看，使用什么产品 + 以什么方式使用 + 保持什么反思习惯——这三个变量的组合决定了一个人在 AI 时代的位置。这些变量不是均匀分布的，AI 时代会把已经存在的差异放大到一个不寻常的位置。这是一个悄无声息且不易察觉而正在普遍发生的进程。
接下来要讨论的事情顺着这条链条往下走——
既然 AI 在某些事情上结构性地不可信，那么什么是只有人能做的？这是第四篇的问题。