石蕊：你對人工智能的反應，究竟關於誰？

2026年8月

引言

2026年4月，Enrique Dans 發表了一篇題為《思考令人疲憊》（原題 Pensar cansa）的文章。文章的論點簡單而令人不安：我們開始使用人工智能，往往不是為了更好地思考，而是為了不必思考。Dans 把這歸結為一些研究者所稱的「認知投降」（rendición cognitiva）：一個措辭得當、行文流暢、語氣篤定的回答擺在面前，我們便點頭、複製、粘貼，然後繼續前行。可倘若同樣的回答出自某個人之口，我們本會施加一層審視，而對人工智能寫成的文字，我們卻省去了它。

比文章本身更耐人尋味的，是它所引來的評論、以及類似網絡討論中反覆出現的那些反應。

面對同一個現象，讀者卻被拋向截然相反的方向；這種分裂，既見於那篇文章下的評論，也見於類似的網絡討論。一位評論者主張，把責任推給工具是錯的：計算器、書本、筆、人工智能，都是中性的工具；真正起決定作用的，是其背後之人的態度。想學的人用一部百科全書也能學，不想學的人縱有最精巧的工具也無心去學。而 Dans 自己的立場恰恰相反：工具並非被設計為中性；它被設計來減少阻力，而非製造懷疑。另一位評論者把區分引向別處：人工智能能夠流暢地處理一套被編碼、可爭辯的規則，卻無法以同樣的方式觸及那種紮根於身體與閱歷、須以一生生活方能累積的道德；更何況，它把所能觸及的規則與所不能觸及的道德都以同樣的流暢道出，因此並不輕易讓讀者察覺這一差別。第四位則反對上述所有人：我們並沒有停止思考，我們開始以不同的方式思考。

這裡真正的問題，不在於誰對。還有一個更在先的問題：面對同一個對象，人們為何抵達如此不同的地方？此外還有：這些反應究竟在訴說什麼？是人工智能，還是注視它的人自身的位置？是工具被設計來做什麼，還是它在誰那裡變成了什麼？

本文的出發觀察是：每一條評論，都洩露了其主人所站的位置。把工具視為中性、將責任繫於個人意志的那位，是從某種特定的世界觀在發言。強調道德之身體性的那位，亮出了自己的職業或哲學立場。聲稱人工智能只是提供了一種「不同」思考之可能的那位，是在為自己的這種使用方式辯護。人工智能與其說是反應所落向的對象，不如說更像一面把回應者的位置反射回去的表面。

本文將要提出的主張即在於此：面對人工智能的反應，往往不是關於人工智能，而是關於人自身的位置。人工智能以三種樣式完成這種反射，本文即圍繞這三種樣式建立。

其一是鏡子。人在人工智能中看見並維護自己的位置（自己的能力、特權、德性）；其反應的內容，也就顯示出他所維護的究竟是什麼。

其二是放大鏡。試圖用人工智能掩蓋自身不足的人，無法將其掩蓋；因為對議題所知不足，他無法審查工具那流暢而令人信服的輸出，無法深入其中。於是不足非但沒有被藏起，反而被放大、被暴露。同一面放大鏡也朝反方向起作用：若置於其下的是積累、素材、一個構建良好的問題，它便會把能力倍增。透鏡是中性的；區分開來的，是置於其下之物，以及執鏡之手，即人以怎樣的積累與取向去注視這工具。

其三是石蕊。（石蕊試紙是一種測量工具，它通過變色，洩露所浸入的液體是酸還是鹼。）藉助人工智能做出優秀產出同樣是一種技能，而這種技能在很大程度上無法被編碼，須經由親歷與指引方能成熟。正因如此，人工智能非但不能把它拉平，反而將其分離：同一件工具落到兩人手中，一人所能為者，另一人卻做不到。這與「人工智能拉平所有人、並把專業能力向所有人敞開」的說法方向相反，並把那種說法置於對面，使之成為可被有力檢驗的命題。

這三面透鏡之外，還伴隨第四個層面：盾牌。「人工智能會胡編」這一觀察在技術上是正確的，但這一斷言可能變成一種把責任從行為者轉移到工具身上的託詞。犯錯者可能傾向於把錯誤推諉給工具的本性，以此保全自己的位置。

至此為止的一切，都把透鏡對準他人。本文真正的脊樑，在於把那透鏡轉向自身：透鏡是雙向的。持鏡的一方，也就是那為人工智能辯護、對對方說「你在害怕，你在為將失去的特權而抵抗」的一方，同樣可以用這同一面透鏡來確證自己的位置。人人都在鏡中看見他者、讀出其動機；最難的，是看見自己。倘若本文不把自身的位置（使用人工智能、從中獲益的一方）也送入同一場檢驗，它便會成為它所診斷之物的一個例證。因此，透鏡在此不被立為一件診斷的武器，而被立為一次受檢驗的閱讀。

最後是一句界限聲明：本文並不宣稱發現了任何新機制。它提供的是一種閱讀，把身份威脅、默會知識、道德炫耀、責任缺口等彼此分離（其中多數停留在職場或實驗室語境）的研究，在公共話語的層面上匯聚起來。其獨創性不在一個個具體發現裡，而在能把它們相互連接的框架中，以及把那框架也施於自身的自律裡。全文所引的論壇評論者，將被作為位置而非個人來對待，無一會被貼上標籤；因為問題不在於誰是什麼，而在於這些反應顯示了什麼；我們的目的不是證明自己有理。Dans 以這樣一句話作結：「邊界不在技術，而在態度。」本文所補充的唯一條件是：那種態度須在兩個方向上都接受檢驗。

I. 鏡子：反應關乎誰？

為了解開面對人工智能的反應，信息系統領域一項研究中的一個概念或許有用：「身份威脅」。Mirbabaie 等人援引 Craig 等人的一個定義，將其表述為「對某一信息技術產物的使用將損害個體自我信念的預期」（Mirbabaie et al., 2021, 第 75 頁）。其機制很簡單：當一段經歷與個體的身份相牴觸時，個體會在自尊上蒙受損失，併為保護繫於該身份的自尊而行動；這一行動往往以抵抗的形式出現（同上, 第 77 頁）。

關鍵在於威脅的對象。被威脅的往往不是人的工作或收入，而是他對「我是誰」這一問題的回答。Mirbabaie 等人在職場中開展的研究，找到了人工智能所致身份威脅的三個預測因素：工作的改變、地位的喪失，以及人與人工智能所建立的身份關係（Mirbabaie et al., 2021, 第 73 頁）。三者都更關乎位置，而非物質損失。

Bankins 等人把同一威脅定位在群體層面。在他們看來，職業身份是一個職業群體對「我們是誰；我們專業的邊界在哪裡，我們的價值是什麼」這些問題給出的共同回答（Bankins et al., 2024, 第 164 頁）。這一共同回答若足夠牢固，便能把工具吸收進來：擁有深厚、界定清晰之身份的職業，會更從容地嘗試新技術，因為強有力的共有假設能讓改變的風險變得可以接受。然而，一旦身份薄弱或含混，同一件工具便會被當作一種威脅來對待。

由此引出一個通向本文核心觀察、卻有悖直覺的發現。抵抗最烈者，並非最無能者。Bankins 等人所彙集的研究表明，擁有高度領域專長的人對算法建議的抵抗更強：一則因為人工智能所產生的結果要由他們自己負責（輸出由他們承擔），故不會盲目信任，而想加以審查；二則因為他們認為自己的能力勝過工具，覺得使用它並無多大益處（Allen & Choudhury, 2022, 轉引自 Bankins et al., 2024, 第 164 頁）。提高抵抗的，不是無能，而是專長之自覺。

鏡子的核心正在於此。抵抗所透露的，與其說是人工智能的某種屬性，不如說是抵抗者的位置：那被認為擁有的專長，以及那專長所賦予的特權。反應的烈度，量出了被守護之物的主觀價值。一件工具之所以被以「它做不到我所能做的」為由拒絕，其緣由往往不在工具的界限，而在言說者賦予自身技能的意義。

這一文獻誕生於職場，但同樣的樣式也浮現於公共討論。在一篇技術文章之下，面對同一件工具，有人稱之為「終於減輕思考負擔之物」，有人卻稱之為「使人變淺薄的威脅」；這一分歧往往不出於工具做了什麼，而出於雙方把各自的勞動與身份安放於何處。此類討論中常見的一種觀察顯示：人工智能不出錯時我們覺得它了不起，一齣錯便宣佈它「本來就蠢」；我們對工具的評判，往往成了我們自身期待、以及那期待是否被滿足的一面鏡子。

最後一處區分，因為這一節最容易被誤解。反應的內容洩露人的位置，並不意味著可以把那反應貼上「情結」「嫉妒」或「恐懼」的標籤。這樣的標籤，是以動機而非內容去評判反應者的論點，而這是另一類錯誤，將在第五節討論。此處的主張更為剋制：面對人工智能的反應，與其說攜帶著工具的某種客觀屬性，不如說攜帶著反應者面對人工智能時自身位置的信息。鏡子並不告訴你人是什麼；它顯示的是他朝哪裡看。

II. 放大鏡：掩蓋之舉反而暴露

鏡子說的是，反應的內容洩露了位置。放大鏡再進一步：它不僅使反應可見，也使工作本身可見。這一隱喻的核心在於其中性。放大鏡把置於其下之物放大；置入不足，便放大不足，置入積累，便放大積累。把它們彼此區分開的，不是透鏡本身，而是置於其下之物、以及執鏡之手如何使用它。本節追蹤透鏡的一個方向，即掩蓋之舉如何反轉過來；而把能力倍增的另一方向，則將經由「同一件工具在兩隻手中為何給出不同結果」這一問題，在後文接入石蕊一節。

機制看似簡單，卻在一個有悖直覺的地方打了結。人工智能的輸出，是一種流暢、有序而篤定的文體。這三種品質與內容的正誤無關，人卻往往把它們讀作正確的標誌。Buçinca 等人的實驗恰恰測量了這一點：為人工智能的判斷附上理由，會提高用戶對它的信任。而且這種信任，即便在人工智能出錯時也在上升；過度信任正是在此處誕生（Buçinca et al., 2021, 第 2 頁）。研究者所稱的「過度信任」（overreliance）在此獲得了一個技術性的定義：當人工智能的建議錯誤或不當時，用戶仍傾向於順從它（同上）。Passi 與 Vorvoreanu 梳理約六十項研究的機構性綜述，則在更廣的範圍裡看到同一樣式：解釋不僅提高對正確建議的信任，甚至提高對錯誤建議的信任，自動化偏差與惰性把用戶推向錯誤（Passi & Vorvoreanu, 2022）。

這一傾向會化為一種可測量的行為。Shaw 與 Nave 的三項預註冊實驗發現，參與者在諮詢人工智能、而人工智能出錯時，會大比例地採納錯誤的建議（第一項研究中，被諮詢的錯誤試次裡有 79.8%；第二項為 74.6%，在時間壓力下的第三項為 72.3%；Shaw & Nave, 2026, 第 22、28 頁）。作者強調了一個條件：這一比例，與在該題上選擇諮詢人工智能有關，因為諮詢率本身在百分之五十上下。也就是說，並非人人在每道題上都投降；但一旦投降，錯誤便在很大程度上被接管。淨結果是準確率的下降：人工智能正確時參與者約獲得二十五個百分點，出錯時則失去十五個百分點（Cohen's h = 0.81；同上, 第 22 頁）。作者給這一樣式所起的名字，與 Enrique Dans 所用的術語相合：認知投降。

技術論壇上以日常語言反覆出現的一種觀察，講的是同一機制：當你把全部思考都交給向人工智能提問時，頭腦便被擱置，可提問並不是思考，真正的思考在於構建答案。這是自我審查鬆弛的日常描述。人免去了產出自己答案的辛勞，可那辛勞同時也是檢驗答案的機會。

到此為止，鋪墊的是掩蓋之舉為何不起作用。這裡需要一個區分：對流暢輸出過度信任是一種普遍傾向，而缺乏審查它所需的知識則是另一回事；前者是疏忽，後者是不可能。試圖用人工智能掩蓋自身不足的人，因缺乏審查流暢輸出所需的知識而只能照單全收，於是不足非但沒有被掩蓋，反而被放大。因為被掩蓋的空缺進入了輸出之中，而當輸出公之於眾，空缺也隨之顯現。最鮮明的例子來自法律：在一樁廣為人知的案件中，一位律師因把人工智能編造的虛構案例寫進訴狀而受到處罰，類似情形接踵而至（轉引自 Magesh et al., 2024, 第 2 頁）。Magesh 等人真正的貢獻不在於記述這一事件，而在於測量專為法律設計的人工智能工具究竟多頻繁地編造：專用法律工具在 17% 到 33% 的查詢中產生幻覺，表現最好的工具在 65% 的查詢中作答正確，而另一款卻停在 42%，編造的頻率幾乎高出一倍（同上, 第 1 頁）。工具的流暢是恆定的，其可靠性卻不是；不加區分的用戶，把自己想掩蓋的空缺記錄在案。

這一循環為何不能自行糾正？Kruger 與 Dunning 的經典發現適用於此：無能會同時削弱兩種能力，既削弱做好事情的能力，也削弱察覺自己做得差的能力。處在最低四分位的人，實際處於第 12 百分位，卻自以為在第 62 百分位（Kruger & Dunning, 1999, 第 1121 頁）。元認知的盲區，恰恰使最需要掩蓋的人，成為最看不見掩蓋並未奏效的人。放大鏡因此殘酷：它放得最大的那處空缺，正是其主人最無從察覺的空缺。其長期代價也被測量出來。Gerlich 以 666 名參與者開展的研究，發現頻繁使用人工智能與批判性思維能力之間存在強負相關（r = −0.68），認知卸載與批判性思維之間的負相關更強（r = −0.75）。在多元迴歸中，人工智能的使用對批判性思維產生負向吸收（β = −1.76，p < 0.001；Gerlich, 2025a, 第 14、16 頁）。這是一幅相關性的圖景，本身並不建立因果；但它顯示出一種朝放大鏡隱喻所預期方向的累積。兩項補充研究強化了這幅圖景。其一表明這一樣式並不限於學生或實驗室：Lee 等人向 319 名知識工作者詢問了他們在工作中使用人工智能的 936 個真實例子，並逐一分析。這一發現，把放大鏡「執鏡之手」的直覺轉化為一個被測出的係數。對人工智能的信任越高，批判性思維的介入便越少（β = −0.69，p < 0.001）；相反，人對自身任務的信心（β = 0.26）與對評估人工智能回答的信心（β = 0.31）會提高批判性思維，而最強的正向效應來自反思傾向（β = 0.52，p < 0.001；Lee et al., 2025）。起決定作用的不是信任的有無，而是信任的方向：向工具投降的信任削弱思考，朝向自身與審查的信任則提升思考。其二則部分償還了因果之債。同一作者的實驗研究，在三個國家（德國、瑞士、英國）以 150 名參與者比較了四種條件（僅人類、人類加無引導人工智能、人類加結構化引導人工智能、僅人工智能）：無引導的使用在不提升推理質量的情況下產生了認知卸載，而結構化引導則顯著提升了批判性推理與反思性參與（Gerlich, 2025b）。差別不在工具本身，而在使用方式；相關性無法確立的方向之箭，在實驗的這一支所指之處顯現。

現在需要把透鏡倒轉過來，因為中性之說唯有其反面也被展示，方能站得住腳。當同一流暢輸出之下不是一處空缺，而是積累、素材、一個構建良好的問題時，透鏡便把能力放大。同樣的討論中，相反的經驗也被道出：一位有經驗的用戶講述，他把人工智能當作一種認知放大器來使用，借它學得快得多，卻在任何事情上都不依賴它。兩極之間的差別不在工具本身，而在置於其下的素材，以及執鏡之手。同樣的批評也指向實驗的設計：這類研究所顯示的，並不是人工智能使大腦萎縮，而是它變成了一種在人們處於儘可能笨拙的狀態時對其加以測量的工具。

這一雙重面孔也提醒我們，工具所減少之物並不總是收益。人工智能最常減少的事物之一是阻力：在一個問題面前卡住、不斷試錯的那份辛勞。然而 Kapur 的「生產性失敗」（productive failure）研究表明，學生與一道難題進行無支撐的搏鬥，短期看似失敗，卻在隨後的階段產生了一種超過有人工智能支撐之學習者的深度（Kapur, 2008）。同一區分有了新的實證對應：Fan 等人以 117 名大學生開展的隨機實驗中，ChatGPT 組在短期測驗分數上領先，卻在知識獲得與遷移方面未顯示出顯著差異；作者稱之為「元認知懶惰」的這一樣式，是分數在表面上升、而深層某物並未改變（Fan et al., 2025）。一種把阻力徹底抹去的使用，也可能抹去這種隱藏的生產性；為此，執鏡之手必須分辨：哪一種阻力是可棄的負擔，哪一種是當守護的機會。

此處的區分不應與文獻中相鄰的概念相混。Ehsan 等人說，人工智能帶有一種「放大器悖論」（AI-as-Amplifier Paradox）：工具在強化表現的同時侵蝕底層的專業能力，同時既是提升者又是消解者（Ehsan et al., 2026, 第 1 頁）。那一悖論的軸心在工具與專業能力之間，在強化與侵蝕之間。而本文所用的放大鏡指向另一個方向：透鏡放大人自身的位置、放大他置於其下之物。二者並不衝突，而在不同層面上運作；Ehsan 的悖論滋養本節的負向一面（能力的侵蝕），但透鏡把輸入放大到何種程度這一問題，在他們的框架中並不存在。其實放大器與放大鏡，可以讀作一條鏈的兩端。Ehsan 的放大器在時間方向上運作：持續使用工具的人，其專業能力在長期內、往往不被察覺地被侵蝕。本文的放大鏡則在瞬間方向上運作：人在那一刻帶給工具的不足或積累，立即在輸出中顯現。二者不衝突，而是先後相繼；用工具掩蓋自身不足的人，短期內被暴露，同樣的掩蓋持續下去，其真正的能力也隨之喪失。暴露與侵蝕，是同一種依賴的短期與長期兩副面孔。

於是，放大鏡自身並不作出判斷，而是把一個問題磨得更鋒利：透鏡之下有什麼，執鏡之手在做什麼？這個問題，把我們帶向「同一件工具在兩人手中為何給出如此不同的結果」，也就是帶向「石蕊」一節。

III. 石蕊：人工智能不拉平，而是分離

石蕊試紙浸入某種溶液時會變色；所變之色，洩露了溶液是什麼。這一隱喻的用意即在於此：人工智能以同樣的方式落到兩人手中時，並不把他們帶向同一處，而是使他們之間的差別顯現。本節的主張，為那差別的來處命名。藉助人工智能做出優秀產出同樣是一種技能，而這種技能在很大程度上無法被編碼，也不易於轉手；它既不完整地存在於工具本身，也不完整地存在於某本指南之中，而須經由親歷與指引方能抵達。正因如此，人工智能非但不把它拉平，反而將其分離。

這一主張，因其立於一種極為流行之說法的反面，故須以那說法最有力的來源來面對它。「人工智能拉平所有人、向所有人敞開專業能力」並非一句口號，而是一個有著嚴肅實地證據的命題。在 Noy 與 Zhang 的預註冊實驗中，大學畢業的專業人士被佈置寫作任務，其中半數被賦予使用人工智能的權限，平均生產率便顯著提高：所耗時間下降 0.8 個標準差，產出質量上升 0.4 個標準差，工作者之間的不平等也縮小，因為工具對能力最低者裨益最大（Noy & Zhang, 2023）。Brynjolfsson、Li 與 Raymond 以 5,172 名客服代表開展的研究指向同一方向：人工智能的接入使生產率平均提高 15%，但收益並非均勻分佈，在技能最低的區段升至 36%，在最缺乏經驗的代表身上最高（Brynjolfsson et al., 2025, 第 889、911 頁）。Dell'Acqua 等人與諮詢顧問所做的實地實驗也印證了拉平的方向：表現低於平均者改善 43%，高於平均者改善 17%，即差距在收窄（Dell'Acqua et al., 2023）。在公共話語中，這一命題也有自己的聲音。技術討論裡常見的一種反駁，轉向該領域的專家們說：這個技術領域基本定義之外的東西我既不瞭解也不關心，我關心的是能用它做什麼；對專業能力的執著，往往變成一種知識上的傲慢。說壁壘已經倒下的這個聲音，講述的是一段真實的經驗。

但在這三項實地研究中，拉平的發現旁邊都附著一道界限；石蕊的主張恰恰始於那道界限。Dell'Acqua 的實驗使用了兩類任務：一類落在人工智能能力的範圍之內，另一類則在其外。拉平，發生在第一類任務中。而在第二類、即落在人工智能界限之外的任務裡，使用人工智能的顧問在抵達正確解答上，比不使用者低 19 個百分點（Dell'Acqua et al., 2023）。Brynjolfsson 的數據也顯示了同一界限的另一副面孔：最缺乏經驗的工作者獲益最多，而最有經驗、技能最高的工作者在速度上獲得微小的收益，在質量上卻有微小的下降，收益最多集中於常規、重複的問題（Brynjolfsson et al., 2025, 第 889 頁）。樣式是一致的：拉平，發生在工作中可編碼、落在人工智能界限之內的部分。而在界限之外、即工作中不可編碼的部分，工具並不拉平；相反，它會誤導那信任它、把它帶出其界限之外的人，並降低其表現。兩個發現並不衝突，而是測量不同的層面；一個測界限之內，另一個測界限之外。同樣的分離也在一項受控實驗中顯現。放大鏡一節所提及的四臂研究，不僅是一個因果證據，也是石蕊最乾淨的實驗室對應物：同一件工具，在以結構化引導使用者的手中滋養批判性推理，而在無引導使用者的手中只產生外化（Gerlich, 2025b）。實地研究所指向的分離，一個受控的環境也加以印證。

那麼界限之外有什麼？不可編碼的知識。Hadjimichael、Ribeiro 與 Tsoukas 從 Polanyi 上溯至 Merleau-Ponty 的考察，解釋了默會知識是如何獲得的：藉由身體對手頭任務的把握、為它尋得最恰切領會的能力。這種能力，用作者的話說，是「在更有經驗者的權威指引下」發展起來的（Hadjimichael et al., 2024）。作者所強調的一點，是這一命題最有力的支柱：沒有任何任務，無論是手工還是腦力、無論平凡還是創造，能夠不訴諸默會知識而完成（同上）。也就是說，不可編碼的技能並非留在邊緣的例外，而是每一項工作的核心。這一指引的維度，Lave 與 Wenger 闡發得更充分：在他們看來，學習並非一種孤立的心智活動，而是通過參與一個實踐共同體來實現；新手在師傅身旁，從工作的邊緣朝中心推進，藉由共同做事而成為師傅（Lave & Wenger, 1991）。承載技能的，不是一本指南或一堂集體課，而是這種參與的關係；用他們的話說，「就連所謂的一般性知識，也只有在特定情境中才具有力量」（同上, 第 33 頁）。Tsao 等人梳理創造性職業的綜述，把這一區分安置在兩個軸上：知識的可編碼性（從默會而具身，到顯明而可編碼）與產出的物質性；也就是說，它發現那些以具身實踐為先的領域，正是最抗拒人工智能替代的領域（Tsao et al., 2026）。同一綜述指出，職業階段是一個決定性的因素：入門階段者以熱情迎接人工智能，視之為數字工具的自然延伸，而資深從業者則以疑慮看待專業能力的貶值（同上）。

個體差異本身也被測量出來。Lovett 的綜述轉述道，背景相似的人以同一件工具抵達了截然不同的結果，劃出分野的是學習目標取向：以表現為導向的依賴把工具變成技能的減損，以精熟為導向則把同一件工具變成技能的增長（Yang et al., 2026 的發現，轉引自 Lovett, 2026）。「同一件工具」一語，正是石蕊的核心：變化的不是工具，而是執它的取向。

這一區分最清晰的公共表達，處在討論中兩種彼此對峙的聲音之間。一種聲音講述自己的方法：讓人工智能生成大量選項，再用自己的知識庫加以篩選，而後又補充說，這離開預先的積累便無從做起。相對的聲音是硬幣的另一面：沒有積累的人也會去篩，卻自以為在篩，實則劣質地挑選，而且從不知道自己出了錯。同一件工具：專家在篩，新手自以為在篩。同一區分也從學習的角度被提出：一個預先學過基礎的人對工具的使用，不同於一個從零開始者所會經歷的；當一件能生成現成解答的工具就在手邊時，去學習一門高階的科目，可能會損害長期的學習。石蕊在此變色：浸入同一溶液的紙，顯示出浸入者帶來了什麼。

這裡需要防止一種混淆。石蕊「分離」的主張，可能看似與某些討論中所說的「人工智能使人人趨同」相沖突。Sarkar 所稱的「機械化趨同」確有其事：人工智能的使用者在同一任務上傾向於產出多樣性更低的結果（Sarkar 2023，轉引自 Lee et al., 2025）。但這說的是產出彼此相似；而石蕊所分離的，是人與人之間的技能差別。二者處於不同的層面：產出在表面趨同的同時，產出者的篩選、審查與整合能力仍在繼續分離。何況 Lee 自己的提醒在此很有價值：產出的多樣性，是批判性思維的一個有缺陷的量度；一個不加改動便採用工具建議的人，也完全可能作出了批判性的判斷。趨同並非分離的反面，而是處在另一軸上的另一種現象。

還有一筆誠實之債：本節所暗示的樂觀，即「在好的手中工具會放大能力」的期待，也並非不容置疑。一項為區分認知放大與認知委派而提出四條判準的、基於智能體的仿真提出：在所測試的任何交互機制中，都未能達到真正的放大，即便在最能保全人類能力的混合機制中，協作的收益仍為負，甚至當認知損耗被降至零時，正向的收益也未曾出現（Di Santi, 2026）。這一發現有兩處界限，二者都須點明：其一，它是一個 NetLogo 仿真，而非經驗性的實地數據，作者本人也稱之為一種抽象；其二，那裡的「放大」定義，是混合產出是否超過最佳的單一智能體（在多數情形中即人工智能自身），這與本節所談的「人自身能力的提高」並非同一回事。儘管如此，它作為一條有限的告誡仍然成立：一隻從同一工具中產出成果之手的存在，並不意味著那產出在任何情形下都轉化為一種真正的認知收益。這也是本文對自己樂觀的那一半所舉起的一面鏡子。

最後是一筆誠實之債。「不可編碼」並不等於「不可教」，本文不承擔那種絕對性。Hadjimichael 的強調恰恰相反：默會的技能，在有經驗者的指引下方能成熟。也就是說，技能並非不可轉讓的直覺，而是可以傳遞的，只是唯有在有經驗者的相伴之下、並與之親歷方能。石蕊所分開的，不是一種天生的能力等級，而是積累與取向之有無。把這一區分變成一種優越性的宣告，即說「我們這些能篩的人，他們那些不能篩的人」，便給了人一個把本節所建之透鏡朝對自己有利處解讀的機會。那誘惑是真實的，也約束著本文自身；下一節正處理這一陷阱。

IV. 盾牌：責任從行為者向工具的轉移

三面透鏡都朝向一個方向：人自身的位置。盾牌須作為第四個動作被添加到它們旁邊，因為它不是一面透鏡，而是逃離透鏡的工具。「人工智能會胡編」這句話在技術上是正確的；第二節已用有節制的數據加以顯示。但一個正確的觀察，可能被派去做一件錯誤的差事。那句話往往不再是一種描述，而變成一種託詞：犯錯者把錯誤推諉給工具的本性，從而使自己擺脫審查的義務與結果的歸屬。當觀察變成盾牌，它所守護的便不是真理，而是位置。

邏輯上的錯誤簡單卻不可見。「工具可能胡編」這一命題是真的；「因此輸出的錯誤不在於我」這一推論卻是無效的，因為其間有一步斬斷了關聯：那採納、使用、並使輸出公之於眾的行為者。為使這一步顯形，須追問責任可能歸於誰。

Fuchs 的考察把這一端牢牢封住：工具無法承擔責任，因為它不是道德主體。人工智能沒有身體，沒有生命；縱然它的表達能力在我們心中喚起一種不由自主的共情，用 Fuchs 的話說，當對象是一個足以良好表達、且形似生命的結構而令我們為之動容時，我們不應被這種共情所欺，因為那裡並沒有一個會快樂、會悲傷、會負責的人（Fuchs, 2022）。Fuchs 真正的告誡化為一條設計原則：應當防止對主體性的系統性模仿，系統應當只把自己呈現為它本來的樣子，即一種擬真（同上）。盾牌之朽壞由此顯現。把責任推給人工智能，意味著賦予它一個它並不具備的屬性，即「成為行為者」的屬性。正因工具無法成為行為者，責任便無法停留在它身上，而不可避免地回到人身上。

然而仍有一個問題懸而未決：倘若確實無人能夠預見呢？Matthias 表明，在學習型系統中存在一種真正的責任缺口：當一個系統從經驗中學習、並在運行時改變其行為，其製造者或程序員便不再能完全預見和控制它未來的行為；而以行為者知曉並能控制其行動為前提的傳統責任歸屬，則在此遭遇一個缺口（Matthias, 2004）。但這一缺口在何處開裂，是決定性的。Matthias 的缺口在製造者、在設計系統者一方的預見之喪失；而不在那接過輸出、加以採納並公之於眾的用戶-行為者一方。盾牌恰恰模糊了這一區分：它把製造者的不可預見，當作採納輸出之用戶的託詞來使用。然而製造者的無法預見，並不取消用戶審查與歸屬的責任。

Matthias 所指出的缺口只是一個例子。Santoni de Sio 與 Mecacci 界定了與人工智能相關的四種不同的責任缺口；第一種是可責性缺口：一個人導致了糟糕的結果，卻仍可擁有一個正當的託詞，即無人能合理地預見或防止的情形（Santoni de Sio & Mecacci, 2021, 第 1063 頁）。這一概念是正當的；但作者真正的告誡，關乎這一缺口如何被錯誤地處理。他們列舉了三種不當的態度：把問題宣佈為新穎而不可解的「宿命論」（fatalism）、把它當作偽問題而搪塞過去的「消解論」（deflationism）、把一切都顯示為可由技術改良解決的「技術解決主義」（technical solutionism）（同上）。盾牌，正是第一種態度的日常裝扮：「工具就是這樣，沒辦法」，是把一個可預見、可防止的錯誤，呈現為一種不可預見的宿命。作者所提出的出路恰恰要求相反的東西：社會技術系統應當為「有意義的人類控制」而設計，即須繫於人的理由與能力（同上）。如此，行為者仍然是人。

但拒絕盾牌，並不等於宣佈工具中性；正是這一區分，是本節最精微之處。在公共討論中，一個有力的立場說，工具的設計並不無辜。這一立場的一個聲音說，存在著能擴展頭腦的使用方式，但企業將要提供的未來不會是這樣，因為運行一個迎合用戶的模型永遠更為有利可圖。另一個聲音則把企業話語本身讀作盾牌：「只要你審查其結果」之類的措辭，是企業為使自己不必為可能的問題負責而援引的說法。這一立場指向一個正當的地方。正如 Enrique Dans 在自己的文章中所強調的，工具被設計來減少阻力，而非製造懷疑；流暢的自然語言層掩蓋了它的界限。工具在這個意義上是有傾向的。但這裡有一個先後問題：起決定作用的，是工具被設計來做什麼，還是它在誰那裡變成了什麼？設計的傾向是真實的，卻不能單獨解釋結果，因為同一件有傾向的工具，在一隻手中變成產出，在另一隻手中變成失控。Dans 關於工具並非中性的判斷並沒有錯；它只是回答了另一個問題，即工具是否無辜。而在究竟由什麼決定結果這一問題上，重心從設計的意圖，移向了執鏡之手。

兩個真相在此匯合，並從兩側同時包圍盾牌：工具是有傾向的，行為者卻仍然是人。傾向不抹去行為者，而是使行為者的工作更為艱難。設計可能把一個用戶推向一個流暢的錯誤；但採納或不採納、審查或不審查那個錯誤，仍是行為者的行動。把責任全部推給工具者（看不見非中性工具的個人盾牌），與把責任全部推給用戶者（看不見傾向的企業盾牌），處在同一錯誤的兩端：二者都想把重負置於單獨一處，而使另一端隱於不可見。有意義的人類控制，要求即便工具有所偏倚，責任仍留在行為者身上；它因此同時承認工具的傾向與行為者的注意之債。

如此，盾牌其實是第四面鏡子。說「人工智能胡編了，過錯在它」的人，透露了關於自身位置的信息：不願歸屬結果、不願承擔審查之勞、想把自己的錯誤安置於自身之外。當我們把盾牌放下，它背後所守護之物便顯現出來。但這一觀察，隨即通向一個陷阱：在對方身上診斷出同一動作、說「看，他躲進了自己的盾牌」，也可能正是診斷者自己的盾牌。現在，透鏡必須轉回來……

V. 鏡子的雙向性與陷阱（自反之鎖）

前面四節把一面透鏡朝外舉起：顯示了反應、掩蓋之舉、技能、託詞如何洩露人的位置。但這一閱讀本身攜帶著一種危險的力量：同一面透鏡，在使用者手中可能變成一件武器。而本節把透鏡轉向執鏡者。有三個陷阱；然而三者都不只對「對方」成立，對本文同樣成立。

第一個陷阱，是把來源與內容相混。因一個主張的提出者的心境或利害而判其為朽，在邏輯上被稱為起源謬誤（genetic fallacy）：即因一個觀點的來源而使之喪失信譽。然而來源，往往與觀點的真假毫不相干（Dowden）。某人的人工智能批評背後有一重身份威脅，並不因此就使那批評為錯。鏡子一節早已標明這一點：顯示反應的來源，並不代替對反應內容的駁斥。「你這樣說，是因為你害怕失去特權」這句話，攻擊的是對方的動機而非論點；而論點，將獨立於動機，繼續為真或為假。本文若把自己所診斷的位置，誤當成一種具有駁斥效力的認定，便恰恰落入這一謬誤。走出這一陷阱也有其路徑：一個主張先就其自身、以其內容加以掂量；透鏡唯有在此之後，方才轉向其餘留之物。何況那主張須以其最強、而非最弱的形態被建立：石蕊一節把它所面對的拉平命題，不當作一句口號，而以最堅實的實地證據來對待，因為唯有在最強形態下被面對的主張，才算真正被檢驗過。「人工智能會胡編」先被認作真，透鏡再去看那真理的選擇性使用、它的熱度、它在哪一刻被提出。倘若次序顛倒，主張一開始便被一個動機所烙印，診斷本身這一次便披上了駁斥的外衣。前面四節努力以這一次序執鏡：盾牌先把「人工智能會胡編」的觀察認作真，其向託詞的轉化，則留待其後審視。

第二個陷阱，是把透鏡用於對自己有利之處。石蕊一節立了一個區分：有積累、有取向的人，把工具化為技能；沒有的人，盲目地挑選，且察覺不到自己錯了。把這一區分變成一種人格的等級、變成「我們這些領會者、他們那些無能者」的敘事，會是最容易也最陰險的一步，因為這一主張自動把提出者安放在獲勝的一方。公共話語中，這一敘事的一種極端形態也在流傳：有聲音把未來描繪成這樣的圖景——多數人將日益繼續鈍化，一部分人適應下來、在某種「功能性的盲目」中生活，另一部分人則對人工智能發展出免疫、變成一個另類的「族群」。這是石蕊命題的漫畫：它把分離變成一種優越，變成說話者所屬的那個精英族群。本文若朝這種語言靠近一毫米，便是拒絕把自己所建的透鏡舉到自己臉前。正因如此，石蕊一節特別強調，那區分不是一種天生的能力，而是可以習得的積累與取向。

第三個陷阱，是把論點還原為心理。鏡子與盾牌兩節說，反應與託詞洩露了一個位置。由此進而把每一個反對意見都讀作某種心理缺陷的症狀，即說「其實他是對某事不滿」「其實他是在補償某物」，便把討論從內容推向了人。本文不作個人診斷，也不應作；論壇評論者被作為一個個位置、而非一個個病例來對待。透鏡是一種使位置顯現的分析工具，而不是一臺給人貼標籤的診斷儀器。

這三個陷阱不只約束為人工智能辯護者；它也約束抵抗它者，甚至在人工智能面前恐慌者。透鏡也須朝那一側轉。以近來最被廣泛分享的「人工智能正在腐蝕我們的大腦」這一發現為例。Kosmyna 等人把寫作文的參與者接上腦電圖，提出使用人工智能者隨時間累積起「認知負債」，其神經連接性、所有權感與記憶表現均有下降；這一結果在公眾中迅速變成「人工智能終結學習」的標題（Kosmyna et al., 2025）。然而，為同一研究所寫的一篇詳盡評論，從幾處動搖了這一發現。Stanković 等人指出，相對於所做比較的數量，樣本偏小（一項功效分析要求約 159 名參與者，而研究以 54 名進行），腦電圖中「顯著連接」的量度顯示的是組間的相對差異，因此「連接少即大腦弱」的推論無法就絕對的神經強度發言，何況在 beta 頻段人工智能組竟強於無工具組，而在「引用」任務上，搜索引擎組與無工具組之間的差異並不顯著（p = 1）。最後這一點，恰恰削弱了「把認知外包給外部工具會累積認知負債」這一命題：搜索引擎組雖也使用了外部工具，卻未顯示出損壞（Stanković et al., 2025）。這裡的要點不是 Kosmyna 錯了；而是一篇尚未經過同行評審的預印本，因其印證了恐慌的敘事，能夠被多麼迅速而選擇性地閱讀。正如人工智能會胡編一樣，人工智能腐蝕大腦也是一個技術上可檢驗的主張；恐慌也是一種位置，也會選擇性地閱讀自己的證據。這與盾牌一節中的動作是對稱的，也約束著本文：正如它以最強的形態面對拉平命題，它也必須以審慎面對相反一極的發現。

同樣的平衡也在文獻的整體中顯現。一篇梳理三十項經驗研究的綜述報告說，其中二十一項發現人工智能對批判性思維以正面為主的影響，這一效應尤其在教學上結構化的使用中顯現（Raitskaya & Tikhonova, 2025）。這表明本文並不倚靠恐慌的文獻：放大鏡一節的負向重量，並不意味著整個領域都是負面的。差別仍在使用本身，在執鏡之手。

這三個陷阱都在同一處打結；那個結，在道德話語文獻近年來熱議的一個概念中顯現出來。Tosi 與 Warmke 把他們所稱的「道德炫耀」（moral grandstanding）定義為：以此方式使用道德話語，以求在他人眼中顯得可敬；擺闊者，是帶著一種他希望能顯示自己有德的「求認可之慾」在說話（Tosi & Warmke, 2016）。Westra 所稱的鄰近概念「美德信號」（virtue signaling）也看向同一處：起決定作用的不是道德表達的內容，而是其背後尋求地位的動機（Westra, 2021）。Zager 則如此命名另一個動作：一個被指控違反某條規則的人，從規則的語言轉向德性的語言，即說「我或許違反了規則，但我是個好人」，從而使指控失效，此為「切換」（toggling）（Zager, 2023）。這三個概念都是有力的透鏡：它們使對方道德姿態背後的動機或手法顯現出來。

但恰在此處，自反之鎖釦上了。Flowerree 與 Satta 表明，診斷擺闊這一行為本身就是一個陷阱：我們無法可靠地分辨一個人究竟是在擺闊，還是在真誠地說話；既然無法分辨，把某人判為擺闊者，我們在知識上便不正當；何況，傾向於如此評判他人，恰恰指向一種知識上的謙遜之缺失（Flowerree & Satta, 2023）。這是透鏡最後也最鋒利的一轉。說「他其實在擺闊，在追逐美德信號」，往往是說這話者為自己建立優越位置的一種方式。也就是說，揭露美德信號這一行為本身，可能就是一種美德信號。本文在閱讀面對人工智能的反應時，展現了一種道德—知識上的姿態：「看清真相，也檢驗你自己。」這一姿態同樣服從於那把鎖，不能自視為可以豁免。

那麼，這一切是否把我們引向無盡的懷疑、引向什麼都說不出來？不；出路仍由 Flowerree 與 Satta 給出：與其去讀動機，不如去看一個人所陳述的理由、以及他的行為是否對他人顯示了尊重。這正是本文在其所有階段所試圖去做的。它沒有診斷論壇評論者的內在動機；它審視他們所說的論點、以及那論點從哪一個位置看去方才自洽。它也把自身的位置（使用人工智能、從中獲益的一方）送入同一場檢驗：在測量放大鏡的中性時，在留意不把石蕊的區分變成一種優越時，在既拒絕盾牌之個人形態又拒絕其企業形態時。透鏡只要保持雙向，便是一件閱讀的工具；一旦鎖向單一方向，它便變成它所診斷之物的一個例證。

VI. 框定：你把人工智能看作什麼，決定了結果

石蕊一節表明同一件工具在兩手中給出不同的結果，卻留下了一個問題：造成差別的技能，究竟是什麼的技能？本節給它一個簡短的回答，因為這回答為石蕊之下的機制命名。那差別的很大一部分，來自人把人工智能看作什麼。

Orlikowski 與 Gash 把人們對一項技術所持的假設、期待與知識的總和，稱為「技術框架」；他們也表明，不同的群體持有不同的框架，而這些框架之間的不一致，解釋了同一技術所帶來的意外結果（Orlikowski & Gash, 1994）。就人工智能而言，兩種框架尤為突出。一種把工具看作一臺答案機器、一個神諭：提出問題，得到答案，所得的答案便是產品本身。另一種把它看作一臺處理引擎：向它面前擺上素材、語境、一個構建良好的問題；此處的本領，在於管理、審查、再餵養引擎在那素材之中所做的事。

這一區分並非空洞的比喻，Zamfirescu 等人的實驗對此加以顯示。這項考察非專家如何設計人工智能提示的研究發現，參與者把來自人際教學經驗的期待帶到了工具上，從單單一次嘗試中作出過度概括，行事憑機會而非系統，而這些習慣又都成為有效提示設計之前的障礙（Zamfirescu-Pereira et al., 2023）。也就是說，把工具當作一個對話者、一個可以像與尋常人交談那樣與之交談的神諭來對待的方式，會失敗。神諭框架，正是工具打滑的那個框架。Long 與 Magerko 所稱的「人工智能素養」，恰恰試圖彌合這一差別：對工具加以批判性評估、與之協作、認識其界限的能力（Long & Magerko, 2020）。「素養」一詞很重要，因為它指向一種能力，而非一份天生的饋贈。

正確的框架不是什麼，Yiu、Kosoy 與 Gopnik 說得很尖銳：把這些系統想成一個個體的人類心智、一個行為者，是錯誤的。在他們看來，最恰切的框架，是把人工智能看作書寫、印刷、圖書館一般強大的文化技術；因為這些系統是傳遞人類積累的非凡的模仿引擎，但其自身並不具備尋求真理、作出原創發現的能力（Yiu et al., 2023）。這一框架避開了兩個錯誤：既不把工具當作一個思考的主體，也不當作一個神奇的神諭，而當作一臺處理人類積累的引擎。把引擎推上場、在它面前擺上自己的素材、以自己的知識審查其產出的人，從中產出成果；而像對神諭一般向它提問、把答案照單全收的人，則把打滑當成了產出。

這一框架轉變也有一個被測量出的實地對應。在 Lee 等人的知識工作者數據中，人工智能移動了批判性思維的重心：從產出本身，移向對所產之物的核實、對各部分的整合、以及對過程的管理（Lee et al., 2025）。從神諭框架到處理引擎框架的轉變，在好的使用者身上不是一種抽象的偏好，而是一種被測出的行為差別；他把自己的勞力，投入的不是取得答案，而是審查與整合答案。

這也使被展示的技能與真正擁有的技能之間的差別顯現出來。Mei 與 Weber 區分了人工智能時代「被展示的」（demonstrated）批判性思維與「被實施的」（performed）批判性思維：藉助工具而顯現的產品，與人在無工具的情況下所能執行的認知過程，並非同一回事；何況，評估往往測量前者，卻談論後者（Mei & Weber, 2025）。神諭框架滿足於被展示者；處理引擎框架滋養被實施者。

如此，框定為石蕊所分離的那種技能的核心命名。同一件工具給出不同的結果，因為使用者以不同的框架去把握它；框架是一種心智模型，結果也由那模型決定。若用第二節放大鏡的語言來說：執鏡之手，握著的其實是一種框定。而這一框定，正如第五節所堅持的，不是一種天生的特權，而是一種可以習得的素養。

結語：看清真相

起初的問題是：面對同一個對象的人們，為何抵達如此不同的結果？全文所循的方法，甚至改變了問題本身的位置。人們抵達不同的結果；因為他們所看的往往不是對象，而是自身位置投在對象之上的影子。人工智能與其說是反應所落向的一個物體，不如說更像一面把反應者所站之處反射回去的表面。

四面透鏡，是這一反射的四種樣式。鏡子表明，反應的內容洩露了人所守護之物（他的能力、他的特權）。放大鏡表明，透鏡是中性的，它把置於其下的不足與積累都放大而使之可見。石蕊表明，工具與其說拉平，不如說分離；因為借它做出優秀產出，是一種不可編碼、須經親歷與指引方能成熟的技能。盾牌表明，「人工智能會胡編」這樣一個技術上正確的觀察，如何可以被轉化為一種把責任從行為者轉移到工具的託詞。第六節把這四者結合於一個機制之中：造成差別的，是人把人工智能看作什麼、以哪一種框架去把握它。

但本文真正的重負不在一面面透鏡，而在它們的可以迴轉。同一面透鏡，也閱讀那閱讀對方之手自身。說「你因害怕而抵抗」者，與說「你已停止思考」者，都可能用同一臺裝置來確證自己的位置。因此，透鏡在此沒有成為一件診斷的武器；若成為了，它便會變成它所診斷之物的一個例證。它保持為一次閱讀，一次也閱讀自身的閱讀。

這並不意味著什麼都未被確定。可以說的，不來自讀動機，而來自看所陳述的理由與所顯示的尊重。面對人工智能的一個反應，攜帶著關於其主人位置的信息；但這一信息，並不單獨決定那反應是對是錯。不把二者相混，是我們既對對方、也對自己所負的一種誠實。

本文並未宣稱發現了任何新機制，也不能如此宣稱。它把身份威脅、默會知識、過度信任、責任缺口、道德炫耀等彼此分離的研究，在公共話語的層面上匯聚起來，建立了它們之間的聯繫，並把那聯繫也施於自身。它的價值，若有的話，不在一個個具體發現裡，而在這種融匯與自我檢驗的自律之中。

剩下的是一種態度。開啟認知投降之說的那篇文章，也把它的收尾繫於此處：「邊界不在技術，而在態度。」那態度，屬於使用工具的人。本文所補充的唯一條件是：那態度不應被單向地施用：不曾看清自己在人工智能面前的位置，便去閱讀他人的位置，是最能矇蔽我們手中透鏡的東西。看清真相，往往始於先看清自己從何處去看。

參考文獻

參考文獻依據「可抵達的地址」原則，一律以各來源的原始著錄形式給出（正文中的概念雖經漢譯，著錄仍是把讀者帶往同一版本的地址）。對於網絡先行發表的文獻，當正文引用年份與卷的年份不一致時，卷的信息在著錄中標註。

Bankins, S., Ocampo, A. C., Marrone, M., Restubog, S. L. D., & Woo, S. E. (2024). A multilevel review of artificial intelligence in organizations: Implications for organizational behavior research and practice. Journal of Organizational Behavior, 45(2), 159-182. doi.org/10.1002/job....

Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. doi.org/10.1093/qje/...

Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), Article 188. doi.org/10.1145/3449...

Dans, E. (2026年4月5日). Pensar cansa [博客文章]. Enrique Dans. www.enriquedans.com/...inking hurts, so why not surrender to AI?」 Medium. medium.com/enrique-d...）

Dell'Acqua, F., Rajendran, S., McFowland, E., III, Krayer, L., Mollick, E., Candelon, F., Lifshitz-Assaf, H., Kellogg, K., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality (Harvard Business School Working Paper No. 24-013). ssrn.com/abstract=45...

Di Santi, E. (2026). Cognitive amplification vs. cognitive delegation in human–AI systems: A metric framework [預印本]. arXiv:2603.18677. arxiv.org/abs/2603.1...

Dowden, B. (無日期). Fallacies (Genetic fallacy). Internet Encyclopedia of Philosophy. ISSN 2161-0002. iep.utm.edu/fallacy/

Ehsan, U., Passi, S., Saha, K., McNutt, T., Riedl, M. O., & Alcorn, S. (2026). From future of work to future of workers: Addressing asymptomatic AI harms for dignified human-AI interaction. Proceedings of CHI 2026. doi.org/10.1145/3772...21920）

Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. doi.org/10.1111/bjet...

Flowerree, A. K., & Satta, M. (2023). Moral grandstanding and the norms of moral discourse. Journal of the American Philosophical Association, 10(3), 483-502. doi.org/10.1017/apa....

Fuchs, T. (2022). Understanding Sophia? On human interaction with artificial agents. Phenomenology and the Cognitive Sciences, 23(1), 21-42（2024年卷）. doi.org/10.1007/s110...

Gerlich, M. (2025a). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. doi.org/10.3390/soc1...

Gerlich, M. (2025b). From offloading to engagement: An experimental study on structured prompting and critical reasoning with generative AI. Data, 10(11), 172. doi.org/10.3390/data...

Hadjimichael, D., Ribeiro, R., & Tsoukas, H. (2024). How does embodiment enable the acquisition of tacit knowledge in organizations? From Polanyi to Merleau-Ponty. Organization Studies, 45(4), 545-570. doi.org/10.1177/0170...

Kapur, M. (2008). Productive failure. Cognition and Instruction, 26(3), 379-424. doi.org/10.1080/0737...

Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [預印本]. arXiv:2506.08872. arxiv.org/abs/2506.0...

Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one's own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134. doi.org/10.1037/0022...

Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press. ISBN 978-0-521-42374-8.

Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). doi.org/10.1145/3706...

Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1-16. doi.org/10.1145/3313...

Lovett, M. (2026). Individual differences in generative AI effectiveness: An empirical puzzle for HRD research. New Horizons in Adult Education and Human Resource Development. doi.org/10.1177/1939...

Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., & Ho, D. E. (2024). Hallucination-free? Assessing the reliability of leading AI legal research tools (arXiv:2405.20362). arxiv.org/abs/2405.2...

Matthias, A. (2004). The responsibility gap: Ascribing responsibility for the actions of learning automata. Ethics and Information Technology, 6(3), 175-183. doi.org/10.1007/s106...

Mei, K. X., & Weber, N. (2025). Designing AI systems that augment human performed vs. demonstrated critical thinking [預印本]. arXiv:2504.14689. arxiv.org/abs/2504.1...

Mirbabaie, M., Brünker, F., Möllmann Frick, N. R. J., & Stieglitz, S. (2021). The rise of artificial intelligence: Understanding the AI identity threat at the workplace. Electronic Markets, 32(1), 73-99（2022年卷）. doi.org/10.1007/s125...

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence [MIT工作論文；同行評審版本：Science, 381(6654), 187-192]. doi.org/10.1126/scie...

Orlikowski, W. J., & Gash, D. C. (1994). Technological frames: Making sense of information technology in organizations. ACM Transactions on Information Systems, 12(2), 174-207. doi.org/10.1145/1967...

Passi, S., & Vorvoreanu, M. (2022). Overreliance on AI: Literature review（Microsoft Research / Aether 報告）.

Raitskaya, L., & Tikhonova, E. (2025). Enhancing critical thinking skills in ChatGPT-human interaction: A scoping review. Journal of Language and Education, 11(2), 5-19. doi.org/10.17323/jle...

Santoni de Sio, F., & Mecacci, G. (2021). Four responsibility gaps with artificial intelligence: Why they matter and how to address them. Philosophy & Technology, 34(4), 1057-1084. doi.org/10.1007/s133...

Shaw, S. D., & Nave, G. (2026). Thinking, fast, slow, and artificial: How AI is reshaping human reasoning and the rise of cognitive surrender [Wharton工作論文；原標題中「Thinking」一詞後有一個破折號]. SSRN 6097646. doi.org/10.31234/osf...

Stanković, M., Hirche, E., Kollatzsch, S., & Doetsch, J. N. (2025). Comment on: Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing tasks [預印本]. arXiv:2601.00856. arxiv.org/abs/2601.0...

Tosi, J., & Warmke, B. (2016). Moral grandstanding. Philosophy & Public Affairs, 44(3), 197-217. doi.org/10.1111/papa...

Tsao, J., Liang, C. X., Nogues, C., & Wong, A. (2026). Perceptions and integration of generative artificial intelligence in creative practices and industries: A scoping review and conceptual model. AI & Society, 41(3), 2259-2278. doi.org/10.1007/s001...

Westra, E. (2021). Virtue signaling and moral progress. Philosophy & Public Affairs, 49(2), 156-178. doi.org/10.1111/papa...

Yiu, E., Kosoy, E., & Gopnik, A. (2023). Transmission versus truth, imitation versus innovation: What children can do that large language and language-and-vision models cannot (yet). Perspectives on Psychological Science, 19(5), 874-883. doi.org/10.1177/1745...

Zager, S. (2023). Toggling: How shifts between deontology and virtue ethics undermine public moral discourse about gender and race. Hypatia, 38, 294-315. doi.org/10.1017/hyp....

Zamfirescu-Pereira, J. D., Wong, R. Y., Hartmann, B., & Yang, Q. (2023). Why Johnny can't prompt: How non-AI experts try (and fail) to design LLM prompts. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, Article 437, 1-21. doi.org/10.1145/3544...

版本說明

石蕊 · v1.1 · 2026年8月12日 · 兩項事實性更正

本版本在多語翻譯回合中納入兩項源於一手文獻的事實性更正；主體論證與結構保持不變。① Ehsan 等人的放大器悖論已按其原始名稱（AI-as-Amplifier Paradox）統一。② Lave 與 Wenger 第33頁的引文已依英語原文的情態更正（非「習得」，而應為「only has power in specific circumstances」）。參考文獻共38條，未作改動。

石蕊 · v1.0 · 2026年8月12日 · 中文版首次發表

這一中文文本譯自土耳其語原文（Turnusol，v1.0，首次發表於2026年8月10日），並攜帶自己的版本號；它不繼承所譯原文的版本歷史。原文在發表前的內部草稿鏈（v1-v4）為工作版本；此為該文本的首箇中文公開版本。

翻譯體例。正文中的概念以中文給出，多為相應的學術術語；著錄（作者-年份、et al.、頁碼、卷期）依「可抵達的地址」原則保留來源的原始形式，未加漢譯。正文中的逐字引文依其來源語言處理，而非從土耳其語回譯：Dans 的結語依其所錨定的西班牙語原文（actitud，即「態度」）譯出——需記下的是，Dans 在自己的英文版中把這一處寫作「文化本能」（cultural instincts），與西班牙語有所偏移，本文的「態度」軸線依西班牙語原文保留；取自英語文獻的直接引文（Lave 與 Wenger，第 33 頁；Hadjimichael 等）則依英語來源本身重構。土耳其語原文經作者整體重寫並經編輯打磨輪次而成，主要框架為：把開篇論斷收入主動語態；把石蕊一節的小結確立為「以最強、可檢驗的形式把'拉平論'擺到對面」；把盾牌一節的優先問題（「起決定作用的，是工具為何而設計，還是它在誰身上變成什麼？」）落回其來源；把 Ehsan 的「放大器悖論」（沿時間軸的專長侵蝕）與本文的放大鏡（沿當下軸使輸入變得可見）區分開來；並把2025-2026年間關於人工智能與認知能力的研究（Lee 等、Gerlich、Fan、Kosmyna-Stanković、Raitskaya-Tikhonova、Di Santi、Mei-Weber）分兩條脈絡織入正文。

參考文獻共38條，採用 APA 第7版。著錄依「可抵達的地址」原則以來源的原始形式給出；正文中的概念雖經漢譯，著錄仍是把讀者帶往同一版本的地址。

版本 1.1 · 修訂：2026年8月12日 · 兩項事實性更正（Ehsan術語與 Lave-Wenger 引文）· 首次發表：2026年8月12日 · 中文首版；正文譯自土耳其語原文，引文依據來源語言原文重構（非回譯） · 譯自土耳其語原文 v1.1

本文另有其他六種語言版本，見 halitcengizuzuner.co...

DOI：doi.org/10.5281/zeno...