最强AI未必是最佳搭档：适配性才是AI协作的关键

本文来自微信公众号：生态学时空，作者：复旦赵斌

我们常常认为，AI越强大、越全能，就越能成为我们的得力助手。无论是编写代码、进行设计，还是分析数据，我们都在追寻“最厉害”的AI工具。但事实真的如此吗？

一篇发表于全球人工智能顶会ICLR 2024的研究，通过一个象棋实验告诉我们：AI的价值，不仅在于它的能力强弱，更在于它是否与你“适配”。

这场AI间的象棋比赛并非单打独斗，而是“组队协作”。

研究人员设计了这样一场特殊的比赛：

队伍配置：每支队伍均为“强AI+弱AI”的搭档组合。其中的“弱AI”（代号Maia）被训练成模仿普通人类业余棋手的水平，就像我们这些“普通”队友。

由此组成了两支实力差距明显的队伍：

红队（超级英雄队）：拥有世界冠军级别的超级AI“Leela”，其棋力足以碾压当前任何人类棋手。

蓝队（默契搭档队）：拥有一个实力稍逊于Leela的AI，但它被专门训练去“迁就”和“配合”弱队友。它走的每一步，并非追求自身的“神之一手”，而是确保队友能理解、能衔接。

核心规则：随机接力。具体而言，每个队伍的下一步由哪位队员走，全凭抛硬币决定。这意味着，强大的AI也无法预知下一秒是否需要将“指挥权”交给水平远不如自己的队友。

对决结果如何？所有人都以为会稳赢的超级英雄队，被默契搭档队彻底击败。

你看，即便像下棋这种纯拼算力与硬实力的事，也并非AI越厉害越好。AI自身再强，若与你无法配合、不能让你随之进步，那它不仅帮不上忙，反而可能因“神操作”让你无所适从，拖垮整个团队。

这个实验的结论，放到当下的大学教育中，精准戳中了绝大多数人正在踩的坑。如今大学生使用AI，大多在追求“最强、最全能”的AI：写论文找最擅长生成内容的AI，做PPT找最会排版的AI，做数据分析找算力最强的AI，甚至连课堂发言的稿子，都要AI写得毫无破绽。

大家都觉得，AI越厉害，自己就能越省力，就能取得更好的成绩。但你是否发现，用了一学期AI后，期末闭卷让你写3000字报告时，你对着空白文档连大纲都列不出来？老师上课提问，你照着AI给的答案念，老师多问两句原因，你瞬间哑口无言？因为你用的AI太强了，而你就是那个弱队友！

2025年的《柳叶刀》也报道了一个类似案例：内镜医生长期依赖AI辅助查找癌前病变，仅一段时间后，不用AI、纯靠肉眼找病变的准确率，从28%直接降至22%。

这便是AI给我们挖的第一个坑：个体层面的“技能退化”。天天让AI替你写、替你想、替你做最核心的专业判断，你的大脑、你的专业能力，就像长期不用的肌肉一样，会慢慢萎缩。这并非AI赋能，而是AI替你完成了本该你成长的过程，最终你自己什么能力都没留下。

正如前面所说，真正好的AI，其输出应是“弱队友能接得住、能继续往下走”的，而非直接给你最终答案，把你该走的路全走完。

但这还不是最可怕的。最可怕的是绝大多数人未察觉到的第二个更深的坑：整个行业的“思考能力退化”。

回到象棋实验，下棋有明确的终极目标，即把对方将死、赢得比赛。但我们上大学、学专业，目标大多并非一成不变，也就是说没有类似将对方将死的最终目标。

你学临床当医生，最终目标并非“看片子100%找对病变”就结束。我们来看一个真实的临床场景：一位80多岁的老年患者查出早期肺癌，AI给出的最优方案是手术切除，测算的5年生存率达90%，数字十分漂亮。但患者本身有严重的心脏病、糖尿病，身体底子很差，子女也担心老人扛不住手术创伤和术后痛苦，想选择保守治疗，让老人剩下的日子安稳舒服些。

此时，医生要做的判断，根本不是盯着AI给出的90%生存率数字选方案。他要平衡的是“延长生命长度”与“保障老人最后生活质量”，还要考虑患者本人的意愿、家属的顾虑、老人的心理状态。这个判断，没有任何AI能给出标准答案，它无法算出“70%该手术，30%该保守”的概率，因为背后是医生的专业伦理，是对“什么才是好的医疗”的理解，是对一个个活生生的人的共情。

而AI的局限正在于此：它只能朝着固定的、可计算的目标优化，比如“诊断准确率”，但很难理解那些无法用数字衡量的、一个行业真正的灵魂与价值。

如今很多大学的AI教育走向了两个极端：要么一刀切、禁止使用，甚至有学校规定抓到用AI写作业直接算挂科；要么开一门课，只教你如何写提示词、如何让AI输出最完美的答案。

不得不遗憾地说，这两种做法都存在很大问题。禁用AI不现实，现在绝大多数大学生都在接触和使用AI，禁用只会让大家明着不用私下用，反而从课堂上的规范引导变成课堂外的盲目滥用；而只教写提示词更是避重就轻——本质上是教你如何适配现有的AI，如何跟着有缺陷的AI逻辑走，而非教你如何驾驭AI，如何守住人类独有的、AI难以复刻的思考能力。

如果我们的大学只教学生用AI做可量化的事，那十年后，很难再有医生去琢磨数字背后患者的真实处境；很难再有律师去深究法律条文背后的公平正义；很难再有老师去关心分数之外孩子的成长与可能性。

整个行业会慢慢失去质疑和重新定义自身核心价值的能力，被AI的算法牵着鼻子走。这才是AI给高等教育挖的最深的坑。

那面对这个坑，我们到底该怎么办？我认为最重要的一条是：别再把AI当成计算机专业的子学科，它是能与文科、理科、农科、工科、医科、社科相融，甚至与这些学科门类并肩的基础能力。

很多人的认知里，AI是计算机专业的事，只有学CS的才需要懂AI的底层逻辑，其他专业的学生只要会用现成的AI工具就行。但这种认知恰恰窄化了我们对AI的想象，也锁死了各个专业用好AI的可能性。

试想，学中文的，不是只能用计算机专业做好的AI写稿子，而是可以结合自身专业，去定义AI如何帮助我们进行古籍整理、方言保护、民间文学的数字化传承；学农科的，不是只能用现成的AI计算产量，而是可以结合田间地头的实际情况，去定义AI如何适配不同的土壤、气候，帮农户做更贴合实际的种植决策；学医的，不是只能用现成的AI看片子，而是可以结合临床的真实需求，去定义AI如何辅助医患沟通、术后康复管理，该守住什么样的医疗伦理边界。

如果一直把AI困在计算机专业的子学科里，那其他所有专业的学生都只能顺着计算机专业设定好的AI框架走，无法结合自身专业需求去定义AI的使用方式和边界，最终只能被AI的逻辑带着走，很难成为AI的主人。

所以，我们或许从一开始就搞错了AI的定位。