到底誰在真正使用人工智能？
01 · 人人都在用人工智能——真的嗎？
2026年，似乎已經沒有人不用人工智能了。企業在推銷它，報紙在報道它，社交媒體上人人都在講述自己如何藉助人工智能完成了某件事。一位律師讓人工智能代寫訴狀，一位學生讓人工智能代做作業，一位營銷人員讓人工智能生成廣告文案。人人都在用。但他們真的在「用」嗎？
打個比方。20世紀90年代末，互聯網走進了千家萬戶。人人開始說「我上網了」。但那時候「上網」意味著什麼？對大多數人來說，無非是：打開瀏覽器，在搜索引擎輸入一個詞，點擊第一個結果，讀一讀，關掉。這算「使用互聯網」嗎？從技術角度說，算。但真正使用互聯網的人——研究者、程序員、記者——做的是完全不同的事。他們閱讀源代碼，訪問數據庫，交叉驗證多個信息源，追問信息從何而來。
區別在哪裡？兩類人用的是同一個工具。差別不在工具上。差別在於使用者腦子裡裝的東西。
打開一個工具和使用一個工具之間，隔著一道鴻溝。在ChatGPT裡輸入一個問題，並不等於在使用人工智能——正如在Google裡敲入一個詞，並不等於在做研究。
今天人工智能領域正在發生的，恰恰是同樣的事。打開ChatGPT說一句「幫我寫個東西」，與真正使用人工智能之間，橫亙著一道鴻溝。但沒人看見這道鴻溝。因為站在鴻溝這一側的人，根本不知道另一側的存在。也沒有人告訴他們——因為說出真相無利可圖。
02 · 刀越鋒利，剪刀張得越開
這看似一個悖論：工具越強大，使用者之間的差距就越大。直覺上我們會以為結果應該相反——強大的工具應該把所有人都往上拉，抹平差距。但事實並非如此。從來都不是。
當工具不再構成限制，使用者自身的能力便成為決定性因素。
在人人使用石刀的年代，人與人之間的差距很小。工具把每個人限制在同一水平——無論你多有天賦，用石頭能做的事終歸有限。鋼刀出現後，這個上限消失了。屠夫與業餘者之間的差距驟然拉開。因為工具不再構成限制——工具開始映射使用者自身的能力。
同樣的規律在每一種強大工具身上反覆上演：
1440 — 印刷術
人人都能印書了。結果：更多的垃圾被印了出來，但優秀的作者也第一次觸及了大眾。印刷術並沒有把每個人變成作家——它讓好作家變得可見，也讓差作家以更顯眼的方式暴露了自己的平庸。
1990 — 互聯網
人人都成了出版者。結果：信息汙染大爆發，但真正從事研究的人變得前所未有地強大。互聯網民主化了信息——卻沒有民主化評判信息的能力。
1998 — Google
人人都用同一個搜索引擎。但在同一個搜索框裡輸入的兩個人，得到的是截然不同的結果：一個人停留在維基百科的第一句話，另一個人深入到一手資料。工具相同，結果之間卻是鴻溝。
2022 — ChatGPT
人人都用同一種人工智能。一個人說「幫我寫份簡歷」，另一個人在做多模型編排和交叉驗證式的研究。工具相同，結果之間卻是鴻溝。而這道鴻溝每天都在加深。
之所以看似悖論，原因在於：人們假設強大的工具會把所有人都往上拉。但強大的工具並沒有把所有人往上拉——它抬高了天花板。天花板抬高之後，貼著地面的人依然貼在地面，而能往上攀升的人則攀得更高。
人工智能不是均衡器。人工智能是放大鏡。它放大一切：有思考能力之人的能力，沒有思考能力之人的空白。
03 · 「找到了」的錯覺
Google誕生之初，人們滿懷希望：從此人人都能平等地獲取信息，知識壟斷將終結，人類將變得更博學。這個希望落空了。今天你在Google上隨便搜一個詞。首頁幾乎全是：贊助鏈接、SEO操縱過的網站、一個人工智能從另一個人工智能那裡拼湊出來的文章。工具本身腐爛了。
但比工具腐爛更嚴重的問題是：使用者的腐爛。因為Google多年來教會了人們一個極其危險的習慣：輸入一個詞，看第一條結果，說「好了，我知道了」。這個習慣已經深入骨髓，以至於人們再也無法分辨「知道」與「自以為知道」之間的區別。
淺薄的問題 → 流暢的回答 → 滿足感 → 停止搜索 → 留在淺層 → 繼續問淺薄的問題。循環自我封閉。
現在，同樣的習慣被搬到了ChatGPT上。一個人輸入一個問題，得到一段流暢的文字，然後說「我研究過了，學到了」。但他既沒有研究，也沒有學到任何東西。他只是閱讀了一個語言模型的統計輸出，並把它當成了自己的思考。
這個循環自我封閉，而它最殘酷的地方在於：要打破循環，你必須先站在循環之外。要意識到自己的淺薄，你必須先知道「深」是什麼。但淺薄之人對深度的存在一無所知——因為在淺層中「找到了」的滿足感已經夠用了。知道自己不知道是一種能力；不知道自己不知道，則是一種自我餵養的盲目。
而如今滋養這種盲目最有力的工具，正是人工智能。因為Google的輸出至少看起來乾澀、技術化——人們還能說「我沒完全看懂」。ChatGPT的輸出流暢、工整、自信滿滿。即使回答很差，它看起來也很好。人們更容易陷入「我懂了」的錯覺。
04 · 電視主播的進化
上世紀九十年代，人們看完晚間新聞就說「我現在懂政治了」。主播講述，觀眾傾聽，觀眾自以為獲得了知識。實際上發生了什麼？他只是被動地消費了由他人框定、由他人篩選、由他人解讀的信息。但至少有一種自覺：對面坐著的是另一個人。主播是主播，觀眾是觀眾。界限分明。
在ChatGPT上，這條界限變模糊了。一個人提出問題。人工智能給出回答。讀到這個回答時，大腦這樣編碼：「是我提的問，它回答了，所以這是我自己的研究。」但他既沒有真正提問（問的是別人的問題），也沒有真正研究（只是按了一個按鈕），更沒有評判（照單全收了答案）。可是因為過程呈現為「問-答」的形式，大腦便將其記錄為「自己的努力」。
這比電視主播更危險。因為看電視時，你至少知道自己是被動的。在ChatGPT上，你以為自己是主動的。提問讓人產生一種行動感——但一個淺薄的問題，可能比完全不問更糟糕。因為什麼都沒問的人至少知道自己不知道。而被淺薄問題滿足的人，卻以為自己知道了。
電視主播
你知道自己是被動的
對面是另一個人
你意識到自己在「接收」信息
界限分明：主播是主播，你是你
vs
ChatGPT
你以為自己是主動的
對面是「你的工具」
你以為自己「找到了」信息
界限模糊：「是我問的，是我研究的」
而最令人痛心的是：困在這種錯覺中的人，永遠也看不到人工智能真正能做什麼。因為他們所看到的，只是自己那些淺薄問題換來的流暢回答。而這些回答已經讓他們滿足了。滿足的人停止搜尋。停止搜尋的人不再發現。不再發現的人，根本不知道還有值得發現的東西。
05 · 人工智能公司為何沉默？
現在讓我們問一個問題：製造人工智能的公司——OpenAI、Anthropic、Google DeepMind——對市場上的虛假課程、虛誇頭銜、不合格講師說了什麼？
0
大型人工智能公司就虛假課程市場發佈的官方聲明數量
零。連一篇博文都沒有。連一句警告都沒有。連一句「市場上有人在騙你們，請小心」都沒有。
與此同時，這些公司在做什麼？發佈自己的免費教學材料。Anthropic Academy：完全免費，連證書都免費。OpenAI與DeepLearning.AI聯合課程：免費。Google的提示詞教程：免費。也就是說，當有人以數千元的價格兜售ChatGPT課程時，製造這個工具的公司正在免費提供同樣的知識。但它沒有說「請小心」。
為什麼？
第一，這些課程為它們帶來了客戶。即使是一門糟糕的課程，終歸是讓人們使用了ChatGPT。每一門讓人使用ChatGPT的課程，都在為ChatGPT註冊新的訂閱用戶。OpenAI為什麼要切斷這條渠道？哪怕是虛假課程的畢業生，也是潛在客戶。
第二，市場擴張策略。這些公司的首要目標是擴大用戶基礎。它們傳遞的信息是「人工智能並不可怕，人人都能學」。誰來教無所謂，在哪裡學無所謂——學習者本身就會成為客戶。進行質量管控會拖慢增長。對它們而言，劣質教育比沒有教育更有利可圖。
第三，硅谷的責任觀。這種文化的標準態度是：「我們製造工具，你怎麼用是你的事。」Uber不關心出租車司機的工作條件。Airbnb不關心房東的服務質量。Meta不關心用戶的心理健康。同樣的邏輯：「我們提供平臺，周圍發生的事與我們無關。」
這些公司發佈安全報告，宣佈倫理原則，撰寫「負責任的人工智能」宣言——卻對自家產品的用戶被宰割默不作聲。因為被宰的是終端用戶，而宰客者恰恰是間接為它們帶來客戶的渠道。
想像一家制藥公司：它生產藥品，撰寫說明書，但對假冒的「藥品顧問」以錯誤劑量、錯誤信息銷售其藥品視而不見。因為藥終歸是賣出去了。處方可能是錯的，劑量可能是錯的，顧問可能不合格——但只要藥在賣，製藥公司就在賺錢。
人工智能市場上發生的，正是這樣的事。
06 · Sam Altman的悖論
OpenAI的CEO Sam Altman在2022年9月13日——ChatGPT發佈前兩個半月——說了這樣一番話：
I don't think we'll still be doing prompt engineering in five years. And this'll be integrated everywhere. Either with text or voice, depending on the context, you will just interface in language and get the computer to do whatever you want.
Sam Altman, 2022年9月
Altman的意思是：模型將會變得足夠聰明，人們不再需要使用特殊公式、固定套路或技術竅門。早期的人工智能模型確實很脆弱：要獲得正確輸出，需要「魔法公式」。不寫「請一步步思考」，它就不能一步步思考。不說「你是專家」，它就給出膚淺的回答。這些技術性竅門——沒錯，它們確實正在消亡。2026年，人工智能模型已經在很大程度上能理解人類的自然口語了。
在這一點上，Altman是對的。《財富》雜誌2025年5月證實：「那個曾被包裝成年薪二十萬美元、無需編程的職業——提示詞工程——已經過時了。」招聘廣告中「prompt engineer」搜索量的峰值出現在2023年4月——之後持續下降。
但Altman這番話背後隱藏著一個極其危險的假設：如果工具足夠好，使用者之間的差距就會消失。這個假設是錯誤的。在歷史的每一個時期都是錯誤的，現在依然錯誤。
因為Altman對「提示詞工程」的定義太狹隘了：找到正確的詞語序列，用公式引導模型行為。但真正使用人工智能遠不止於此。真正使用人工智能意味著：
公式之外的能力
知道自己在問什麼——提出正確的問題，遠比用正確的語法寫問題困難得多。人工智能越聰明，這一點就越關鍵，而非越不重要。
正確框定問題——模型變聰明之後，問爛問題的代價反而更高。因為聰明的模型對爛問題也能給出流暢的回答——而這種流暢恰恰在誤導你。
能夠評判回答——人工智能有時會撒謊。識別這一點永遠不可能自動化。要識別它，你必須已經瞭解該領域，或者知道如何去核實。
瞭解模型的侷限——每個模型擅長和薄弱的領域各不相同。不瞭解這一點，就無法把正確的工具用在正確的事情上。
編排多個模型——依賴單一人工智能，就像只從一個來源獲取新聞。交叉驗證、整合不同模型的不同優勢——這與技術竅門無關，而關乎思維方式。
悖論在此：Altman在2022年說「它會消亡」。但到了2026年，OpenAI已經建立了自己的教育平臺，發佈提示詞指南，開設聯合課程。如果它真的死了，你為什麼還在教？因為死掉的是技術公式——取而代之的，是一種更深層的能力：與模型一起思考。而這種能力是買不到的。
07 · 全球疫情：人工智能教育市場
這不僅僅是某一個國家的問題。全球範圍內，人工智能教育市場像氣球一樣膨脹。在美國，「prompt engineer」招聘廣告在2023年達到頂峰，隨後崩塌。但課程仍在銷售。LinkedIn上標註「AI expert」的個人資料數量自2022年以來成倍增長。Udemy、Coursera、Skillshare等平臺上有成千上萬的「人工智能課程」——其中大多數唯一做的事，就是用屏幕錄製演示ChatGPT的網頁界面。
$100-5K
全球典型「AI課程」的價格區間（美國數千美元，各國等值貨幣）
1天
部分「AI工作坊」的總時長（有效授課約4小時）
1
大多數課程教授的人工智能模型數量：僅ChatGPT
0
人工智能公司自有教學材料的價格：免費
共同的模式隨處可見：價值數百甚至數千美元的培訓，內容只有ChatGPT。沒有Claude，沒有Gemini，沒有DeepSeek，沒有Llama——只教人工智能世界裡的一種工具，而且是以最膚淺的使用方式。課程結束時發一張證書。證書被裝裱起來。然後人們說「我現在懂人工智能了」。
在自由職業平臺上，全世界到處都有成百上千註冊為「人工智能專家」的人。看看他們的簡介：「機器學習專家」、「深度學習專家」、「提示詞工程師」。資質證明：通常是某在線平臺的一張證書。也就是說，看了幾小時視頻就拿到證書的人，正在把自己包裝成人工智能專家。
企業端的情況更有意思：面向企業出售的半天「AI轉型研討會」。幾個小時，數千美元。內容：如何在ChatGPT中提問，加一個自動化工具和幾個現成模板。從培訓預算中列支，沒人質疑內容。
幾個小時的研討會要價數千美元。這筆錢買到的是什麼？在一個網頁界面裡輸入問題。這件事，任何一個12歲的孩子5分鐘就能自己學會。
但真正的問題不在於價格。真正的問題是：這些授課者，是否具備講授這些課程的資質？
08 · 「人工智能」頭銜與大學
全球範圍內，大學正爭相開設標有「人工智能」標籤的碩士項目。在美國、在歐洲、在亞洲——到處都是同樣的趨勢。但這些項目中的大多數有一個共同問題：它們是出於商業考量而設立的。
運作機制如下：「人工智能」這個詞創造需求。有需求的地方就開設項目。為了招滿學生，入學標準被壓低——有些項目沒有入學考試，沒有外語要求，任何本科文憑都可以。項目名稱可能是「計算機科學」或「信息技術」，但在市場推廣時，「人工智能」的標籤被放在最醒目的位置。因為寫「計算機科學碩士」與寫「人工智能碩士」，在申請人數上有著天壤之別。
典型項目畫像——全球普遍模式
標籤：「人工智能」或「數據科學」——但底層項目通常是經典的計算機科學。
入學條件：非論文方向中，無考試、無外語要求的模式很常見。門檻極低——目的是招滿名額。
課程中的LLM / Transformer / 生成式AI：大多數沒有。2022年以前的課程大綱未曾更新。即使有也是選修——可以不選就畢業。
師資：現有學者在各自領域很有造詣——但他們大多數人的專長，與人們今天說「人工智能」時所指的東西無關。
想想這些項目中的教授團隊：電力電子學教授、信號處理專家、圖像處理研究員、控制系統工程師。他們在各自領域都是嚴肅的學者。但這些領域中沒有一個，與語言模型如何運作、如何引導、侷限在哪裡有關。它們都在「人工智能」這把大傘之下——但洗衣機的模糊邏輯控制與ChatGPT的工作原理之間，唯一的共同點就是「人工智能」這個詞。
這就像一位骨科醫生說「我是醫生」，然後去做腦外科手術。兩人都讀完了醫學院，兩人都是醫生。但一個做的是膝關節手術，另一個做的是腦外科。「都是醫生」這句話什麼也說明不了。
「人工智能」恰恰就是這樣一個傘式術語。它下面涵蓋數十個不同領域：圖像處理、自然語言處理、機器人學、控制系統、推薦系統、強化學習、生成式模型……它們都是「人工智能」，但卻是完全不同的學科。
聽起來很厲害，實際上意味著什麼？
這些項目的課程大綱中有一些術語，從外面看起來非常令人印象深刻——但它們與語言模型毫無關係：
概念
實際是什麼？
與語言模型的關係
網絡挖掘
用統計方法從網頁中提取信息。2000年代初曾流行，如今已是上一代技術。
零
雲計算
通過互聯網租用服務器。創建虛擬機、管理容器。是基礎設施問題——不是人工智能。
零
智能優化
用受自然啟發的算法解決數學問題。蟻群算法、蜂群算法、遺傳算法。早在人工智能熱潮之前就已存在。
零
圖像處理
對照片和視頻進行降噪、目標識別、醫學分析。是人工智能的另一個分支——不是語言模型。
不同分支
模糊邏輯
1965年開發的不確定性決策技術。從洗衣機到電梯隨處可見。經典控制工程。
零
這些概念都是計算機科學中正當且有價值的領域。問題不在這些領域本身。問題在於，它們被包裝在「人工智能」的大傘之下，彷彿在語言模型方面也具備專業能力。而這種包裝背後有商業驅動力：吸引學生報名，填滿招生名額，收取學費。出售的不是教育質量，而是標籤的吸引力。
09 · 人工智能是有害的——但不是你以為的那樣
人人都在談論人工智能的危害。「它會搶走我們的工作」、「它會毀滅人類」、「它會控制世界」。好萊塢劇本、末日新聞、陰謀論。這些都是噪音。真正的危害安靜得多、陰險得多，而且已經開始了。
人工智能在增強有思考能力之人的力量。同時，它正在奪走沒有思考能力之人手中僅存的思考碎片。
這句話聽起來很嚴厲，但請思考其中的機制：
同一個工具，兩種截然不同的結果。差別不在工具——而在使用者的思考能力。
有思考能力的人把人工智能當作工具來使用。提問、評判、核實、引導、用多個來源交叉驗證。每次使用都多學一點，能力不斷增長。人工智能在增強他。
沒有思考能力的人把人工智能當作權威來使用。提問，來什麼收什麼，說「我學到了」，然後停止思考。每次使用都變得更懶一點，能力不斷萎縮。人工智能在削弱他。
這兩個群體之間的剪刀差每天都在擴大。因為第一個群體越用越強，第二個群體越用越弱。同一個工具，相反的結果。正如鋒利的刀讓高手如虎添翼，卻割傷了生手的手。
人工智能使用層級
輸入問題，閱讀回答，關閉 大多數
質疑回答，追問 少數
多模型、交叉驗證 極少
系統搭建、工具集成、編排 幾乎沒有
而這個金字塔中的大多數——最頂層那85%——以為自己在「使用」人工智能。成千上萬的課程正是賣給這些大多數。課程給予的，是讓你在最表層待著時感覺更安心的東西。一張「我現在也在用人工智能了」的證書。而實際發生的不過是：購買了淺層使用的認證版本。
10 · 不要一頭扎進人工智能
這篇文章不是攻擊。這篇文章是一個警告。
人工智能確實是一個強大的工具。也許是自印刷術以來歷史上最強大的信息工具。但正如每一種強大工具一樣，在沒有使用能力的人手中，它是有害的。而這種危害最陰險的形式，是受害者自己察覺不到。
一頭扎進人工智能是危險的。說「大家都在用，我也用」，就像說「大家都在吃這種藥，我也吃」。不瞭解藥是什麼、有什麼作用、有什麼副作用、應該用多少劑量就吃藥，那不是治療——是賭博。
真正學會人工智能，不等於學會在一個網頁界面裡輸入問題。真正學會人工智能，意味著：
知道自己在問什麼。因為淺薄的問題會帶來流暢卻空洞的回答，而你看不出區別。
能夠評判回答。因為人工智能有時會撒謊，而且撒得極其令人信服。
不依賴單一工具。因為每個模型的優勢和弱點各不相同。
不轉讓思考的責任。因為人工智能無法代替你思考——它只能加速你已有的思考。
能夠說「我不知道」。因為知道自己不知道，比自以為知道有價值千倍。
一門價值數千元的課程教不了這些。一張證書給不了這些。一個碩士文憑也保證不了這些。因為這不是一種工具使用技能——而是一種思維方式。
而這種思維方式是買不到的。只能建造。
人工智能並不有害。不經思考地使用人工智能才有害。而能教會你這兩者之間區別的，既不是一門課程，也不是一張證書，更不是一紙大學文憑。唯一能教會你的，是你自己承擔起思考的責任。
轉創註釋
「刀越鋒利，剪刀張得越開」 —— Bicak keskinlestikce makas acilir
土耳其語bicak keskinlestikce makas acilir是文章的核心隱喻——刀（工具）越鋒利，剪刀（差距）張得越大。這不是土耳其語諺語，而是作者的原創比喻。英文版直譯為the sharper the knife, the wider the scissors open。中文保留了這個比喻的兩個組件——刀和剪刀——但在後續行文中將「剪刀差」這一中文經濟學術語自然引入：中國讀者對「剪刀差」（本指工農產品價格差距）有即刻的認知圖式，這讓隱喻在中文裡獲得了一層土耳其語原文不具備的經濟學回響。
「如虎添翼」 —— guclendiriyor
土耳其語guclendiriyor直譯為「使之更強」——平實的動詞。英文版用empowers。中文選擇了「如虎添翼」這個成語：老虎本來就強，翅膀讓它更不可阻擋。這比原文走得更遠——原文只說「變強」，中文說「本就強大的變得飛起來了」。選擇這個成語的理由：它完美傳達了文章的核心論點——人工智能不是給弱者添翼，而是給已經是虎的人添翼。弱者拿到翅膀也飛不起來，因為問題不在翅膀。
「操蛋」 / 「徹底操蛋」 —— bombok
這篇文章的語域比其他報告更口語化、更直白。土耳其語原文在關鍵處使用了日常粗口和直白的諷刺。中文副標題「刀越鋒利，高手與生手之間的鴻溝越深」中的「生手」是一個翻譯決策：土耳其語acemi（新手、生手）在中文裡有多種對應——「新手」太中性，「菜鳥」太網絡化，「生手」保留了一種不帶侮辱但也不粉飾的直白。這種直白貫穿全文：文章拒絕學術的客氣，拒絕說「有待提高」——它說「淺薄」。
「放大鏡」 —— buyutec
土耳其語buyutec（放大鏡）是文章的第二核心隱喻——人工智能不是均衡器（esitleyici），而是放大鏡。英文版用magnifier。中文「放大鏡」在日常語域中比「magnifier」更具體、更有畫面感——中國讀者能立刻想到拿著放大鏡看報紙的老人。這個畫面感是收穫。但中文「放大鏡」也失去了一個維度：土耳其語buyutec和「使之更大」（buyutmek）共享詞根，暗示放大是一種主動的行為——不是你選擇放大什麼，而是它放大你身上已有的一切。中文「放大鏡」更像一個被動的光學器具。
「不要一頭扎進人工智能」 —— Yapay zekaya dalmayin
土耳其語結語標題yapay zekaya dalmayin直譯為「不要跳進人工智能裡」——dalmak是跳水、潛入的動詞，暗示盲目地一頭扎進去。英文版用don't dive into AI。中文「不要一頭扎進人工智能」保留了身體動作的畫面：一個人不看水深就跳——可能撞到池底。「一頭扎進」在中文口語中暗含魯莽、不計後果。與土耳其語原文的語氣幾乎完全對稱：兩種語言都用了一個帶有身體風險的動詞來警告一種認知上的風險。
翻譯說明
原文為土耳其語。我們力求以最自然的方式呈現中文譯本。如果您發現任何錯誤或能建議更好的表述，請發郵件至 soru@halitcengizuzun... ——您的意見將豐富我們的翻譯。
版本 1.3 · 首次發表：2026年5月10日 · 修訂：2026年7月16日，事實性更正；2026年7月23日，Altman引文改為逐字轉錄原文；2026年7月27日，事實性更正（智能優化算法的年代）
原文為土耳其語，本文為繁體中文版；其他六種語言見 halitcengizuzuner.com