人工智能（AI）工具虽然唾手可得，但它最大的危险在于侵蚀我们的核心技能，尤其是当我们把学习、批判性思维和解决问题的挣扎过程外包给它时。爱因斯坦的经历和理念揭示了他为何会拒绝使用人工智能。他并非一个孤僻的天才，而是通过正规教育、艰苦努力和与同伴的协作取得了成就。他认为教育的真正价值在于“训练大脑去思考”，这是一个无法被外包的过程。此外，现代AI研究也证实，AI在需要真实探索和验证的科学领域存在根本性局限，无法替代人类的批判性思维和协作。因此，依赖AI走捷径，最终只会削弱我们自身的心智能力。
AI带来的“捷径”陷阱
当前，人工智能让作弊变得前所未有的容易，但这也带来了严重的后果。布朗大学一个经济学课程的案例鲜明地揭示了这个问题：
- 家庭作业: 在可以利用AI的带回家的期中考试里，86名学生的平均分高达96%，而这门课此前的最高平均分从未超过80%。
- 现场考试: 教授怀疑存在作弊，宣布期末考试将为线下闭卷形式。结果，18名学生退课，9名学生缺考。
- 真实水平: 剩下参加考试的59名学生，平均分骤降至48.6%。
正如该课程的教授罗伯托·塞拉诺所言，一个社会无法承受其精英青年认为作弊是可接受的。这会导致社会的衰落。
我们不能选择成为白痴。
最危险的事情是，我们正在将学习、批判性思维以及与难题斗争的宝贵时间，外包给一个声称能为我们代劳的工具。
揭开爱因斯坦的神话
关于爱因斯坦的普遍印象常常是一个与学术界脱节、在专利局工作的“孤独天才”。然而，这远非事实。
- 并非圈外人: 爱因斯坦毕业于欧洲顶尖学府苏黎世联邦理工学院，并继续在此深造。
- 并非孤军奋战: 他的成功离不开朋友和同事的支持。他的同学马塞尔·格罗斯曼帮他在专利局找到了工作，使他能继续学业。
- 重视合作与讨论: 1902年，爱因斯坦与朋友们共同创立了“奥林匹亚学院”，一个定期讨论物理、哲学和数学的小组。
爱因斯坦的成功，源于他在正规教育、独立工作之外，还积极投身于群体学习和思想碰撞。他的数学教授赫尔曼·闵可夫斯基曾评价他“懒惰”且“不关心数学”，但这只看到了他作为学生的表现，而没有看到他日后为弥补基础、深入思考问题所付出的巨大而持续的努力。
训练思维，而非堆砌事实
爱因斯坦深刻理解教育的真正价值。与推崇实用主义的爱迪生不同，他认为大学教育的核心并非知识的堆砌。
大学教育的价值不在于学习很多事实，一个人从书本上就能学到。通识教育的价值在于训练大脑去思考那些无法从教科书中学习的东西。
这个观点足以说明，爱因斯坦绝不会将发展批判性思维的任务外包给AI。思考和挣扎的过程本身，正是他心智成长并取得伟大成就的途径。
同样，他那句名言“想象力比知识更重要”也常被误解。这句话的背景是，爱因斯坦表达了对自己理论的坚定信念，这种信念源于他深厚的知识基础之上的想象力。没有知识作为根基，想象力便无处生根。
人工智能无法替代科学探索
AI在科学研究中的局限性是根本性的。斯坦福大学可信赖AI研究实验室的负责人桑米·科耶霍博士指出，AI的有效性依赖于 benchmarks（基准测试），而这需要满足三个前提：
- 廉价的验证: 能够快速、低成本地检查结果。
- 短暂的反馈循环: 能立即知道对错。
- 固定的问题: 测试目标是预先设定且不变的。
然而，在物理学和天文学等真实科学探索中，这三个前提都不成立。 科学研究充满了不确定性、数据噪音和多重合理解释。当需要获取更多或更好的数据时，再强的算力也无济于事。
当测量者和被测物有相同的盲点时，错误不会抵消，反而会相互加强。
AI模型只能在已有数据的基础上达成“共识”，但共识不等于正确。它们无法像人类专家那样进行批判性评估，也无法识别其训练数据之外的独特事件。
不要用捷径欺骗自己
人类虽然会犯错，但我们拥有AI所不具备的能力：
- 批判性思维能力
- 超越训练数据的思考能力
- 严谨、可复现的科学文化
- 一个互相协作、共同进步的社群
爱因斯坦正是依赖这些能力才得以成功。每当你放弃独立思考，将任务交给AI时，你实际上是在剥夺自己接受智力挑战和成长的机会。
正如作家尼古拉斯·卡尔总结的那样：
有了生成式人工智能，一个B等生可以做出A等的作业，但同时把自己变成一个C等生。
课程和评估终将结束，你唯一能留下的就是自己的头脑。不要为了走捷径，而欺骗了那个本可以变得更强大的自己。