我们正处于一个构建和保持专业技能的关键转折点。随着人工智能（AI）日益嵌入到日常工作流程中，工程师和知识工作者面临着一个根本性的十字路口。一方面是利用AI进行 Skillmaxing 的承诺——通过有意识地、批判性地和创造性地整合人工智能来放大自身能力并加速成长。另一方面，存在着一种微妙但危险的风险：过度依赖AI可能会侵蚀支撑深度学习、原创性和职业韧性的认知过程，导致 认知萎缩 。这不仅仅是生产力的问题，更是认知健康的问题。那些能够让你成为力量倍增器的工具，如果被动使用，也可能导致相关的 认知负荷 显著降低，从而削弱你的综合、抽象和有意义的解决问题的能力。
Skillmaxing：AI 时代的技能跃迁
Skillmaxing 并非简单地掌握 AI 工具的使用方法，而是将其视为自身能力的延伸。它强调的是一种主动、批判和创造性的应用方式，旨在提升个体的专业技能和创造力。举个例子，一位软件工程师可以利用 AI 辅助代码生成工具，快速搭建程序框架，从而将更多精力投入到算法优化和系统架构设计上。这种做法并非完全依赖 AI 生成代码，而是将 AI 作为一种加速迭代、挑战固有思维、探索新领域的助手。工程师仍然是整个过程的设计者、评论者和实验者，负责理解、判断和创新。
Skillmaxing 的核心在于利用 AI 释放人类的潜能。例如，在医疗领域，医生可以借助 AI 分析医学影像，快速识别病灶，从而提高诊断效率和准确性。但这并不意味着医生可以完全依赖 AI 诊断结果，而是需要结合自身的临床经验和专业知识，做出最终的判断。Skillmaxing 强调的是人与 AI 的协同合作，而不是 AI 对人的取代。
认知负荷：过度依赖 AI 的陷阱
与 Skillmaxing 相对的是过度依赖 AI 带来的 认知负荷 降低。当我们将过多的认知任务卸载给 AI 时，大脑在深度学习、记忆和综合等关键网络中的参与度就会降低，导致 认知萎缩。
最近麻省理工学院（MIT）的一项研究探讨了大型语言模型（LLM）对论文写作的影响。研究发现，当人们依赖 AI 完成复杂的写作任务时，他们大脑中负责深度学习、记忆和综合的网络活跃度明显降低。结果是，文章变得更加同质化，记忆回忆能力下降，人们对自己作品的所有权感也降低。长期来看，这会削弱批判性思维、解决新问题的能力以及产生原创见解的能力。
举个实际的例子，一位市场营销人员如果完全依赖 AI 生成营销文案，而不去深入了解目标受众的需求和偏好，那么最终的文案很可能缺乏创意和个性，难以引起消费者的共鸣。这种过度依赖 AI 的行为，不仅会降低营销效果，还会削弱营销人员的洞察力和创造力。
认知萎缩：长期影响与潜在危机
认知萎缩 并非一个即时发生的现象，而是一个长期积累的过程。长期依赖 AI 完成需要深度思考的任务，会导致大脑相关区域的活跃度降低，从而削弱认知能力。这就像长期不运动会导致肌肉萎缩一样，长期不进行深度思考也会导致认知能力下降。
这种 认知萎缩 可能会对个人的职业发展产生深远的影响。在一个快速变化的时代，具备批判性思维、创新能力和解决问题的能力至关重要。如果过度依赖 AI，削弱了这些能力，那么个人将难以适应未来的挑战，甚至可能被淘汰。
更重要的是，认知萎缩 不仅仅是一个个人问题，更是一个社会问题。如果越来越多的人过度依赖 AI，导致整体的认知能力下降，那么整个社会的创新能力和竞争力都将受到影响。
工程领域的 Skillmaxing 与认知萎缩
在工程领域，这种 Skillmaxing 与认知萎缩的矛盾尤为突出。一方面，AI 可以帮助工程师快速完成代码编写、测试和优化等任务，提高工作效率。另一方面，如果工程师完全依赖 AI 生成代码，而不去理解代码背后的原理和逻辑，那么他们的编程能力将会逐渐下降，最终沦为只能操作 AI 的“弱工程师”。
一个典型的例子是，一位土木工程师可以利用 AI 辅助设计软件快速生成桥梁设计方案。但是，如果工程师仅仅依赖 AI 生成的方案，而不去考虑实际的地质条件、气候因素和交通流量等因素，那么最终的设计方案很可能存在安全隐患。Skillmaxing 强调的是工程师需要利用 AI 作为工具，而不是被 AI 所取代。工程师需要具备扎实的专业知识和丰富的实践经验，才能更好地利用 AI 解决实际问题。
如何避免认知萎缩，实现 Skillmaxing？
要避免 认知萎缩，实现真正的 Skillmaxing，需要采取以下策略：
- 积极质疑 AI 的输出： 永远不要盲目接受 AI 生成的结果，要对其进行仔细的审查和评估。要像一位评论家一样，思考 AI 的输出是否合理、是否符合逻辑、是否存在潜在的错误。
- 利用 AI 增强而非取代自身推理： 在需要综合、抽象或战略判断的任务中，要坚持自己的思考和判断，将 AI 作为辅助工具，而不是替代品。例如，在制定营销策略时，可以利用 AI 分析市场数据，但最终的决策仍然需要由营销人员根据自身的经验和判断来做出。
- 刻意练习 AI 无法（或尚未）替代的技能： 批判性思维、沟通能力和连接不同想法的能力是 AI 难以替代的。要通过有意识的练习和学习，不断提升这些技能。例如，可以通过阅读哲学书籍、参加辩论赛、进行跨学科学习等方式，提升批判性思维和创新能力。
- 拥抱不适，挑战自我： 不要害怕困难和挑战，要主动寻找那些需要深度思考的任务。通过解决这些难题，可以锻炼大脑，保持认知活力。
我的观点：将 AI 作为陪练，而非拐杖
诱惑 AI 处理“困难部分”的想法是真实存在的，但这其实是一个陷阱。最有价值的工程师将是那些利用 AI 来放大他们的优势，而不是掩盖他们的弱点的人。这意味着拥抱不适，寻求挑战，并拒绝让你的认知肌肉萎缩。换句话说，将 AI 用作陪练，而不是拐杖。你越是努力用 AI 思考，而不是仅仅通过 AI 思考，你就会成长得越多，你就越不可替代。
例如，一位数据科学家可以利用 AI 自动进行特征工程，从而节省大量时间和精力。但是，如果数据科学家仅仅依赖 AI 进行特征工程，而不去理解特征之间的关系和背后的业务逻辑，那么他将无法发现隐藏在数据中的有价值的信息。相反，如果数据科学家将 AI 作为陪练，利用 AI 帮助他快速探索不同的特征组合，并在此过程中深入理解数据和业务，那么他将能够发现更有价值的洞见，从而为企业创造更大的价值。
Skillmaxing 的未来：人机协作的黄金时代
Skillmaxing 代表着一种全新的工作方式，它强调人与 AI 的协同合作，而不是 AI 对人的取代。在这种模式下，AI 负责处理重复性、低价值的任务，而人类则负责处理需要创造性、批判性思维和情感智能的任务。通过人机协作，我们可以释放出更大的潜能，创造出更大的价值。
未来属于那些能够编排 AI 的人，而不仅仅是操作它的人。这意味着我们需要具备更强的学习能力、适应能力和创新能力。我们需要不断学习新的技能，适应新的技术，并勇于挑战新的问题。只有这样，我们才能在 AI 时代保持竞争力，并实现个人的价值。
结论：选择积极参与的道路
如果你正处于这个十字路口，请选择积极参与的道路。在那里，你可以找到掌握技能和实现意义的途径。拥抱 Skillmaxing 的理念，将 AI 作为你提升自身能力的工具，而不是让你认知萎缩的陷阱。只有这样，你才能在 AI 时代保持竞争力，并最终实现自己的职业目标。