AI时代的底层思考 05｜把“能力”拆成三层，看清 AI 拿走了什么

📚 本文是系列《AI 时代的底层思考》第 5 篇（共 8 篇）。全系列目录见文末。

上一篇留了个尾巴：讨论"AI 入侵人类能力"时，“能力"这个词一直在偷偷切换指代。不把它拆开，所有推演都是浆糊。

拆开之后你会发现，“能力"至少是三种完全不同的东西——而 AI 对这三层的威胁，天差地别。

第一层：把输入变成输出的映射

给定一个问题，产出一个解。下棋（局面→着法）、翻译（源语→目标语）、写作（意图→文本）。这一层的本质是函数：只要一件事能被表述成"什么样的输入该配什么样的输出”，它原则上就可以被学习、被逼近。

关键在于：这一层根本不需要"理解”，只需要映射足够准。 AI 这些年攻下的，几乎全部是这一层。

为什么说"可映射的都会失守"近乎必然？因为任何能力只要满足两个条件——(a) 它的成功可以被某种信号评价（哪怕粗糙、延迟），(b) 存在大量样本或可试错的环境——它就是一个可优化的目标。而 AI 的本质就是"给定可优化目标+足够数据算力，逼近最优解"的机器。

这解释了很多反直觉的现象。为什么 AI 写格律诗不难（海量样本，“像不像诗"可评价），而"叠好一堆没见过的软塌塌的衣服"这种小孩都会的事，机器人极难？因为后者的"做对了"难以变成清晰信号，且真实世界的试错样本昂贵。

失守顺序不由"人类觉得它多高级"决定，由"多容易被变成评分函数"决定。 我们按"对人多难"排序，AI 按"可优化性"排序——两个序完全不同，这正是每次"想不到 AI 居然会这个"的震惊来源。

推演：第一层还没失守的部分，不是"更需要智慧的”，而是"更难转成优化信号的"——目标极模糊、反馈极延迟、样本极稀缺、或错一次代价大到不允许试错的。Zillow 用算法直接出价买房，市场一转向亏掉 8.81 亿美元，就是把"不允许试错的场景"误当成了"可优化场景"的代价（来源见文末）。

第二层：决定"要解哪个问题"

注意这和第一层是正交的。第一层是"给定问题求解"，第二层是"在无穷多可能的问题里，选出此刻值得解的那个"——在没有给定目标函数的情况下，自己设定目标函数。

下棋时目标是给定的；但"人生此刻该不该把精力花在下棋上"没有给定目标，你得自己发明评价标准。

AI 能做第二层吗？表面上能：你让它"自己定研究方向"，它会输出一串像目标的东西。但这里有个递归陷阱：AI 生成的任何"目标"，都是在它被给定的更高层目标之下生成的。它看似在选目标，其实是在一个你没明说、但已经注入的元目标下，做第一层的映射。它把"选目标"又变成了"给定元目标、求最优子目标"。

那人的第二层凭什么不同？一个可能的答案：人的目标不是从更高目标推导出来的，而是从存在处境里长出来的。 你会死，时间有限，所以"值得花时间做什么"这个问题对你是真实的、有分量的、不可回避的。你的目标最终锚在"你是一个会失去东西的有限存在"这个事实上。这个锚，AI 没有——它不面临稀缺，不面临真正的失去。

但必须对这个论证狠一点：它是必然的坎，还是暂时的空缺？诚实说，无法证明是必然。你可以设想给 AI 装上"资源有限、会被关停、有唯一的连续身份"，让它也面临稀缺——它是否就长出了真实的第二层？这是开放问题。能确定的只是：第二层不会像第一层那样自动失守，因为它不是"给定信号求优化"的问题，而是"信号从何而来"的问题。 对后者，优化机器在结构上是空的，得由外部填。谁来填、填什么——这是政治和伦理的战场，不只是技术的。

第三层：承担后果

这一层最容易被漏掉，却可能最硬。它不是认知能力，而是一种结构性位置：当结果出来，谁的生活因此改变、谁要为此负责、谁承受代价。

它的特殊在于：和"做得好不好"无关，只和"后果落在谁身上"有关。 AI 可以做出比医生更准的诊断，但它不会因误诊而失去什么——它的存在不被这个后果触及。

所以这是唯一一层技术进步完全不触及的边界：无论 AI 多强，它不在后果的承受端。现实世界已经在按这个逻辑判案——加拿大航空的 AI 客服向乘客做了错误承诺，公司抗辩"机器人是独立实体应自己负责"，仲裁庭直接驳回：你部署它，你就为它的每句话担责。责任要找一个可以被追讨的、会痛的对象。

由此推出一个反常识的结论：未来人类不可替代的位置，可能恰恰不是"最聪明的活"，而是"必须有人负责"的活。 这类位置的价值不来自能力（AI 可能干得更好），而来自结构——决策需要一个能被后果击中的主体来兜底。

但这层"安全"有阴影：它可能退化成残酷分工——AI 干所有实质认知工作，人被留下当"负责的躯壳"，专门承接追讨和惩罚。能力全归机器，担责全归人。这不是人的胜利，可能是最异化的结局。

三层耦合：真正的冲突不是"人 vs AI"

把三层合起来看，最关键的洞察浮出来：

谁掌握第二层（设定目标），谁就能把第一层（执行）外包给 AI，同时把第三层（后果）甩给别人。

未来的核心冲突，不是 AI 侵占人类，而是：掌握目标设定权的少数人，借助 AI 执行，让多数人既丧失执行价值（第一层被 AI 占）、又不掌握目标（第二层在别人手里）、只剩承受后果（被压到第三层）。AI 在这里不是入侵者，是放大器——它放大了"谁定目标"这件事的权力。

澳大利亚联邦银行的裁员反转是这个结构的微缩标本：做 AI 项目的团队自己汇报效果（宣称呼叫量每周降 2000 通），管理层据此裁掉 45 个客服岗；一线员工的真实体验是呼叫量在上涨，工会把银行告上仲裁庭，银行最终公开道歉。定目标的、执行的、承受后果的是三拨人——这个结构一旦失衡，纠错只能靠外力。

给个人的自查

对照三层，问自己三个问题：

我的工作有多大比例是第一层？ 凡是能写成清晰 SOP 的部分，都在倒计时。
我有没有真实的第二层练习机会？ 注意：执行别人定好的 OKR 不算，那还是第一层。你上一次"自己决定什么值得做"是什么时候？
我在承担什么后果？ 如果你的工作出了错、别人买单，你的第三层是空的——这既是舒适，也是可替代性。

这个三层框架什么时候会切错？ 至少有一处存疑：第二层和第三层可能不是两层，而是一体两面——“能真正设定目标"也许恰恰以"承受后果"为前提（不担后果的目标设定，只是提建议）。如果这两层其实是一层，那么未来的结构会比上面描述的更简单也更残酷：世界分成"担责并定向的人"和"其余的人”。这个裂缝我没有能力封上，留给你。

参考资料

Zillow 算法定价亏损：Full Stack Economics https://www.fullstackeconomics.com/p/why-zillow-is-like-my-bad-fantasy-football-team ；斯坦福商学院分析 https://www.gsb.stanford.edu/insights/flip-flop-why-zillows-algorithmic-home-buying-venture-imploded
加拿大航空判例：“独立实体"抗辩被驳回 https://www.cmswire.com/ai-technology/ai-fails-lessons-learned-from-the-front-lines-of-tech-retraction/
澳联邦银行裁员反转：Bloomberg https://www.bloomberg.com/news/articles/2025-08-21/commonwealth-bank-reverses-job-cuts-decision-over-ai-chatbots ；ACS https://ia.acs.org.au/article/2025/cba-reverses-ai-driven-job-cuts--admits--error-.html

📚 系列《AI 时代的底层思考》· 全 8 篇

上一篇：AI 是怎么一步步逼近人类能力的｜下一篇：企业 AI 转型，五条不会过时的判断