#智能时刻的观察[超话]#

Anthropic 自己的研究人员刚刚证明，使用人工智能学习新技能会让你的技能水平下降 17%。

而那些没人看的部分，反而比标题更重要。

这篇论文题为《人工智能如何影响技能形成》。它采用了一项随机实验，共有52名专业开发人员参与。他们被要求完成一些真实的编程任务，使用的Python库是他们之前从未接触过的。其中一半人获得了人工智能助手，另一半人则没有。

人工智能组在技能评估中的得分比对照组低 17%。

Cohen's d 为 0.738，p=0.010。

这是真实存在的效应。

更令人恼火的是：人工智能组的速度甚至还不如人工智能组。

速度没有明显提升。他们学到的东西更少了，而且也没有节省时间。

但是，病毒式传播的“人工智能不利于学习”的说法忽略了本文真正重要的内容。

研究人员观看了每一位参与者的屏幕录像。

他们发现了人们在学习新事物时使用人工智能的 6 种不同模式。

其中3种模式保留了学习能力，3种模式破坏了学习能力。

他们之间的差距巨大。只问人工智能概念性问题的参与者在评估中获得了86%的分数。

将所有事情都委托给人工智能的参与者得分为 24%。

同样的工具，同样的任务，同样的时间限制。

区别在于认知投入程度。

得分最高的AI用户实际上比一些未使用AI的用户表现得更好。他们问的是“为什么这样做有效”，而不是“帮我写这个”。

他们先生成代码，然后提出后续问题来理解代码。他们将人工智能作为思考伙伴，而不是取代思考。

得分最低的小组做了大多数人在截止日期压力下会做的事情：粘贴提示，复制输出，移动on.他们完成得最快。

他们几乎什么都没学到。

而最令所有工程经理担忧的发现是：调试问题的得分差距最大。

监督 AI 生成的代码时最需要的技能，恰恰是让 AI 来完成这项工作时最容易退化的技能。

对照组在任务中犯的错误更多，他们遇到了很多bug。

他们一开始很难理解异步概念，也因此感到沮丧。但正是这种挣扎，最终帮助他们加深了理解。

错误并非学习的障碍。
他们正在学习。

利用人工智能移除他们，就等于移除了培养能力的机制。

人工智能小组的参与者事后都表示，他们希望自己当初“更加认真”，并且感到“懒惰”。

其中一人写道：“我对这方面的理解仍然存在很多空白。”

他们能感受到完成某件事却不理解它所带来的空虚感。

那不是提高生产力，那是增加债务。

本文并非反对使用人工智能，而是反对在无意识的情况下使用人工智能。

人类学出版的研究表明，他们自己的产品可能会抑制技能的形成，这种学术诚信正是业界所需要的。

实际的启示很简单：如果你正在学习新东西，要利用人工智能来提问，而不是跳过学习过程。

奋斗的过程本身就是成果。

#AI创造营##ai探索计划#