来源：市场资讯
（来源：极客公园）
当大脑不再负重，技术肌肉就开始萎缩。
作者｜Moonshot
编辑｜靖宇
「自然语言就是新的编程语言。」这句话在过去一年里被无数人奉为圭臬。
特斯拉前 AI 总监 Andrej Karpathy 带火的 「Vibe Coding」（氛围编程）更是让这种狂热达到了顶峰——你不需要懂语法，不需要管实现，只要对着 AI 喊出需求，然后 Check 一下感觉（Vibe）对不对就行了。
听起来，程序员的门槛似乎要被抹平了。
但就在上周，大模型领域的「优等生」、Claude（也是最受欢迎的 Vibe Coding 模型之一）的母公司 Anthropic 居然自己跳出来，给这股热潮泼了一盆冰水。
展开剩余90%图源：arxiv
他们发了一篇题为《AI 如何影响技能形成》的硬核论文，告诉我们一个残酷的真相：如果你在学习新东西时过度依赖 AI，你不仅不会变快，你的核心能力还会出现显著退化。
甚至，你可能正在变成一个「半废」的工程师。
01
人是轻松了，脑子也废了
Anthropic 的研究员这次很较真，他们找来 50 多位有经验的 Python 程序员，搞了一场「闭卷考试」。
考题是让大家去学一个从来没用过的冷门 Python 库：Trio，来完成一系列异步编程任务。这完美模拟了程序员在工作中经常遇到的场景：老板突然让你用一个你没见过的工具/框架去解决问题。
程序员被分成了两组：
「手动组」： 只能看官方文档，用 Google 搜索，严禁使用 AI。
「AI 组」： 配备了一个基于 GPT-4o 的强大 AI 助手，可以随时提问、让它写代码、修 Bug。
任务结束后，所有人都参加了一场原本用于检验「学习成果」的考试。
考试内容包括编程语法、对代码逻辑的理解、阅读代码的能力，以及调试（Debugging）能力。
大家的第一反应肯定是：AI 组肯定秒杀「土法炼钢」组吧？毕竟这可是 GPT-4o 级别的辅助。
但实验结果出来后，所有人都沉默了。
无 AI 组问答得分普遍高于 AI 辅助组｜图源：Anthropic
最明显的结果是：成绩不好。数据显示，使用了 AI 的那组人，考试得分平均比手写组低了 17%。
论文中特别提到，分差最大的领域在于调试（Debug）。
这并不意外，毕竟 Vibe Coding 最大的弊端就在于，用户不知道那堆代码是怎么跑起来的，排查和调试都无从下手。
「好吧，我承认我变菜了，但我至少变快了啊！」这可能是很多 Vibe Coding 爱好者的最后防线。
很遗憾，Anthropic 的数据再次打脸。报告显示，在完成任务的总耗时上，AI 组和手动组在统计学上没有显著差异：AI 组平均 23 分钟，手动组平均 24.7 分钟。
为什么会这样？我们不是有 AI 加持吗？论文指出了一个被忽视的时间成本：
「交互税」。
有些程序员为了让 AI 写出完美的代码，花了大量时间在「写提示词」上。数据显示，有人甚至花了 11 分钟在跟 AI 聊天，或者在一项 35 分钟的任务里，花了 30% 的时间在构思怎么问问题。
「时价比」不高，花费的时间并没有转换成得分｜图源：Anthropic
再结合上 Vibe Coding 最短的短板——Debug 困难。AI 组很容易陷入试错式调试（Iterative Debugging） 的循环：AI 生成代码-报错了-把报错丢给 AI：「解决一下这个 bug」-AI 再生成-又报错了……
最后整个工程变成了不可逆转的「屎山黑箱」（「屎山代码」指一种混乱、难以理解和维护的代码状态，「黑箱」则指不知道内部结构的系统）。
在这个过程中，时间一分一秒流逝，而程序员的大脑处于一种「挂机等结果」状态，既没有节省时间，也没有学到东西。
到这儿你可能对 Vibe Coding 祛魅了？别急，这篇论文最精彩的部分，在于它通过录屏分析，把使用 AI 的程序员分成了六种流派。
研究员发现，虽然 AI 组平均分低，但组内方差极大。
有的人「废」了，有的人却「超神」了。区别全在于怎么用 AI。
02
代码没编好，
用户画像倒是有了
第一类用户都可以归为「AI 废人」的低分低能组，考试得分极其惨烈，平均分都在 40% 以下（不及格）。
这一大类里还能细分为三个小类，分别是：
第二类用户就乐观多了，虽然用了 AI，但考试成绩甚至能和手写组持平（65% - 86%），寻找到了人机共生的解决方案。
拿 AI 作「辅助驾驶」的三类人得分更高｜图源：Anthropic
这一大类里也能细分为三个小类：
为什么用的是同一个 AI，人和人的差距这么大？
或许并不是 AI 废掉了程序员，而是我们自己在「偷懒」的诱惑面前，主动选择了缴械投降。
03
Vibe Coding 的代价是
Anthropic 的这篇报告，其实触及了一个心理学概念：
认知卸载（Cognitive Offloading）。
即当工具足够强大时，我们会下意识地把原本需要大脑处理的计算、记忆、逻辑推演任务，「卸载」给工具，就像自动驾驶一样。
在 AI 时代，我们正在把「理解力」卸载给大模型。
论文里用了个比喻：AI 就像一副「外骨骼」，当你穿着它时，你力大无穷，能搬起千斤重。但问题在于，肌肉的生长需要负重和撕裂，如果你长期穿着它不脱下来，你的肌肉就会因为缺乏刺激而萎缩。
研究认为，过度依赖 AI 会直接跳过思考过程｜图源：Anthropic
这篇论文中有一个非常不起眼、但细思极恐的数据：报错数量。
手动组在做任务时，平均每人遇到了 3 次报错。所以他们被迫停下来，盯着红色的报错信息，去查文档、去思考「为什么类型不匹配」、「为什么线程没挂起」。
而 AI 组平均每人只遇到了 1 次报错，大多数时候，AI 给出的代码不仅能跑，而且跑得极其顺滑。
AI 组的报错显著少于无 AI 组｜图源：Anthropic
这听起来是 AI 的优点？不，Anthropic 的研究员指出，这恰恰是问题的根源。
论文明确写道：「遭遇并独立解决错误，是技能形成的关键一环。」
手动组之所以学得好，是因为他们经历了「摩擦」。每一次报错，都是现实世界给思维的一次「阻力」。正是为了克服这种阻力，大脑被迫建立了深刻的心理表征（认知心理学术语，指当外部信息进入人脑之后，它会被我们的大脑加工，以一种特别的结构储存在大脑中）。
而 AI 组的体验就太「平滑」了。但代价是，你失去了对地面的「抓地力」：脱下外骨骼，路都不会走了。
这种「AI 过于平滑」的通病，不仅仅存在于编程中，正在蔓延到我们生活的方方面面。
在编程里，它消除了 Debug 的痛苦，让你误以为自己掌控了系统；在创作里，它消除了构思的枯燥，让你误以为自己拥有了创意；在人际关系里，它甚至也在消除「摩擦」。
就像很多 AI 成瘾的问题，都源自于 AI 永远情绪稳定，永远秒回，永远顺着你的话说，这种极致的「平滑关系」，何尝不是一种 Vibe Social。
04
「我行我上」的幻觉
Vibe Coding 最迷人也最危险的地方，在于它制造了一种「快乐但无知」 (Happy but Ignorant) 的幻觉。
论文中提到了参与者们微妙的心理变化：AI 组的参与者普遍觉得任务「更容易」，「手动组」则觉得任务很难，过程很痛苦。
但反转来得很干脆：那些觉得「容易」的人，在随后的测试中一塌糊涂；而那些觉得「困难」的人，虽然过程煎熬，但自我报告的「学习和成长感」 却更高，分数也更高。
所以Vibe Coding 让你在写代码的过程中感觉自己是个天才，直到代码报错的那一刻，你才发现自己只是个「睁眼瞎」。
在面对「未知」时，AI 是公平的，它会平等地「废掉」每一个试图偷懒的大脑，无论这个大脑曾经多么睿智。
研究人员按照编程经验将参与者分成了三层：1-3 年、4-6 年、7 年以上。
结果数据显示，在所有经验层级中，不使用 AI 的组，考试得分都高于使用 AI 的组。
哪怕是资深工程师，在 AI 辅助下得分也低于无 AI 组｜图源：Anthropic
这意味着，即使你是入行 7 年以上的老鸟，在面对一个全新的技术领域时，如果过度依赖 AI，你的学习效果依然会大打折扣。
当然了，Anthropic 的这篇论文也不是让我们因噎废食，退回到手写代码的时代。
它更像是一份「AI 时代生存指南」。想要不被 AI「废掉」，我们需要改变使用习惯，从报告中的「高分高能组」那里取经：
比如多问「为什么」，少说「帮我做」；哪怕是 AI 生成的代码，也要像审视同事的代码一样，逐行阅读，理解代码逻辑；珍视 Debug 的机会，下次遇到 Bug，试着先自己分析 5 分钟，而不是 5 秒钟后就截图发给 ChatGPT。
AI 确实能让我们跑得更快，但前提是，你得知道路在哪里，以及车坏了该怎么修。
毕竟，当自动驾驶失效的时候，只有那个还没忘记怎么握方向盘的人，才能救全车人的命。
*头图来源：Deeplearning AI Community
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
你怎么看现在大部分代码
都有 AI 生成这件事？
黄仁勋：如果我现在是学生，比专业更重要的是先学 AI。
发布于：北京市泓同配资提示：文章来自网络，不代表本站观点。
