能力的形狀

我先後看到幾組很難放在一起的數字：有人用了 AI，工作快了四成；有人得到的幫助越多，寫出的故事反而越相似；還有一群很熟悉自己項目的程式員，用了 AI 以後慢了 19%。每項研究單獨看都說得通，擺在一起卻不像同一個故事。我慢慢覺得，也許“誰更強”這個問題問得太粗了。

一、四組不太合拍的結果

先看寫作。Noy 與 Zhang 請 453 名受過大學教育的職業人士完成幾項文字任務。能用 ChatGPT 的人平均少花約 40% 的時間，成品質量提高約 18%。原本表現靠後的人追上來得更多：沒有使用 ChatGPT 時，兩次任務成績的相關係數是 0.49；使用後降到 0.25 [1]。

波士頓諮詢公司的實驗也有些相似。758 名顧問用 GPT-4 處理專業任務。只看模型擅長的那部分工作，原來低於平均水平的顧問提高了 43%，高於平均水平的顧問提高了 17%。可研究者還安排了一道模型並不擅長的題。到了這裡，使用 AI 的顧問答對的概率反而低了 19 個百分點 [2]。AI 能幫多少，顯然和任務本身有關。

短篇小說實驗裡，AI 提供的點子給原本創造力較低的寫作者帶來了更明顯的提升，對本來就很會寫的人幫助不大。與此同時，成品之間變得更像了。在一個 AI 點子和五個 AI 點子的條件下，故事相似度分別增加了對照組相似度範圍的 10.7% 和 8.9% [3]。個人分數可以上升，整組作品的差異卻可能縮小。

再看程式開發。METR 在 2025 年初找來 16 名資深開源開發者，讓他們在自己長期維護的代碼庫裡完成 246 個真實任務。研究者原以為，這種人最知道怎樣使用工具。結果允許使用 AI 後，他們平均慢了 19%。更有意思的是，他們事前估計 AI 會讓自己快 24%；實驗結束以後，仍覺得自己快了 20% [4]。實際用時和主觀感受幾乎朝著相反方向走。

我不覺得這些研究中一定有誰“做錯了”。參與者不同，任務不同，所用的模型也不同。它們真正留下的問題是：一個人碰上某種任務、再配上一件具體工具時，什麼決定了這次合作順不順？

二、也許問題不只是哪個人更強

許多實驗會先做一次基線測試，再把人分成高分組和低分組。這種做法很直觀，卻也容易把能力想成一條從低到高的直線。

現實裡，同樣拿到 80 分的兩個人，可能很不一樣。一個人點子來得快，桌面上卻總堆著許多半成品；另一個人很會整理和推進，但一開始常常想不到更多方向。總分接近，並不代表他們會從同一件工具那裡得到同樣的幫助。

現在的生成式 AI 很會做一些具體的事：整理零散材料、改寫句子、統一格式、列出初稿，再把一份半成品推到“勉強可用”。如果一個人最費力的恰好是這些環節，AI 可能像補上了一塊缺口。要是這些本來就是他的強項，他反而需要花時間寫提示、核對事實、改掉套話。最後省下多少時間，就很難只憑原來的總分來判斷。

所以我在這裡說“能力的形狀”，想表達的其實很簡單：除了看一個人的總體水平，也看看他的長處和卡點分別在哪裡。這個說法還很粗，也未必能把能力乾淨地分成幾塊。它至少提醒我，同一個分數背後可能藏著不同的人。

三、ADHD 研究給我的一點提醒

我是在讀 ADHD 與創造力研究時想到這件事的。不過，這裡最多只能借來一個提醒，不能拿它直接解釋人機協作。

White 與 Shah 的實驗發現，ADHD 成人在“盡量想出物品的新用途”這類任務上表現較好，在“從幾個詞中找到共同答案”這類任務上卻表現較弱。前一種任務鼓勵把想法散開，後一種任務需要把許多可能收回來。研究者認為，抑制控制可能參與了這種差異 [5]。

後來一項元分析匯總了 89 項有關 ADHD、焦慮、抑鬱與日常創造力的研究，包括 35,271 名參與者和 261 個效應量。合併後的相關係數只有 r = −.06，置信區間還跨過零；不同研究之間的差別很大，換一種心理特徵或創造力測法，結果也會變化 [6]。

這個 −.06 不能簡單讀成“ADHD 和創造力沒有關係”。它把三類心理特徵和很多種創造力測量放進了同一個平均數裡。平均之後看起來接近於零，裡面仍可能同時存在方向不同的關係。

這給了我一個很樸素的提醒：當我們把很多不同的能力壓成一個總分時，最值得看的那部分差異可能正好被抹平了。

四、先把猜想說得簡單一點

我最初想把“想點子的能力”和“執行、整理的能力”做一個差值。後來越想越覺得不穩。兩個測量本來就會有誤差，相減以後誤差還會疊在一起；而且人的能力遠不止這兩項。

現在我更願意先留下一句容易理解的猜想：工具最有用的時候，也許正是它擅長的環節碰上了一個人最容易卡住的環節。

反過來也一樣。工具若沒有補到短板，只是在強項旁邊又加了一層操作，它就可能讓人變慢。熟悉任務的人還可能更嚴格地檢查 AI 的輸出，於是花在確認、修補和重新理解上的時間，比直接動手還多。

這句話可以解釋前面一部分結果，但目前只是事後解釋。Noy 與 Zhang、波士頓諮詢公司和 METR 的實驗都沒有細測參與者究竟擅長什麼、又容易卡在哪裡。資深開發者也不一定擁有某種特別“均衡”的能力。任務熟悉度、使用 AI 的熟練程度、對質量的要求，都可能解釋他們為什麼變慢。

如果將來要認真檢驗，可以同時測三件事：這個人在哪些環節順手，任務最需要哪些能力，工具在這些環節到底做得怎樣。然後再看，三者越合拍時，實際收益是否真的越大。

五、順著這個猜想想到的六件事

1. 關於 AI 的結論很容易過期

METR 很謹慎地把 19% 的減速稱為“2025 年初、一個具體場景裡的快照”。2026 年的後續數據已經露出不同方向，但參與者選擇和計時方式也變了，研究者沒有急著給出一個新的確定數字 [7]。

這並不會讓早期結果失效。它只是提醒我們，實驗測到的總是某一代模型、某種界面、某群人和某類任務的組合。模型更新了，工作流變了，最受益的人也可能跟著變。談論“AI 是否提高效率”時，最好順手加上時間和場景。

2. 有時候，順滑並不是最缺的東西

如果一個人已經很會整理和執行，只是很難跳出原來的思路，那麼自動排版和快速總結可能幫不了太多。他也許更需要工具不斷提出反例，給出不太舒服的解釋，或者追問一句“還有沒有別的可能”。

很多產品都在盡量減少摩擦。可思考有時恰恰需要一點合適的阻力。讓人更快得到答案，和讓人更認真地想過，並不總是一回事。

3. 今天補上的短板，明天會怎樣

人一直會把一部分腦力工作交給外部工具。認知卸載研究討論過，我們怎樣把記憶、計算和搜索交給紙筆、設備與網絡 [8]。一項關於“Google 效應”的元分析納入 22 篇文章、30,889 名參與者，在部分結果中發現了中等程度的影響，但不同地區和測量方法給出的結果並不一致，有些置信區間也跨過零 [9]。

這些研究還不能證明，長期使用生成式 AI 會讓人的某種能力退化。不過，它們讓一個問題變得值得追蹤：工具今天替我們整理材料，久而久之，我們會因為反覆看到好示範而學得更好，還是會越來越少練習這件事？短期表現和長期變化可能朝著不同方向走。

4. 感覺輕鬆，未必真的做得更好

METR 的開發者實際變慢，卻一直覺得自己變快。Lee 等人調查 319 名知識工作者時也發現，人們有時會把“完成工作更省力”理解成“批判性思考也更省力” [10]。

流暢的界面很容易給人一種已經掌握局面的感覺。可要判斷工具是否有用，主觀感受和成品質量最好分開測。除了問“好不好用”，還應當看實際用時、錯誤數量、過一段時間還能記住多少，以及沒有工具時能不能獨立完成。

5. 每個人都進步，作品也可能越來越像

Doshi 與 Hauser 的故事實驗裡，部分寫作者得分提高了，故事之間的相似度也上升了。這兩件事並不矛盾。大家都從同一類工具那裡拿到幫助，個人作品可能更完整，整個群體卻少了一些偏離常規的方向。

因此，評估 AI 輔助創作時，除了看每個人的平均得分，也可以看看一組作品之間還剩多少差異。個人收益和集體多樣性，值得分開計算。

6. 我們究竟把哪一步交給了 AI

《斐德羅篇》裡，蘇格拉底借塔穆斯之口擔心文字會讓人依賴外部記號，留下智慧的表象，卻削弱自己的記憶 [11]。後來算盤、計算器和搜索引擎也都遇到過相似的擔憂。

AI 並沒有第一次把判斷帶到人的頭腦之外。書寫、表格、制度和搜索排序早就在影響我們怎樣想問題。它比較特別的地方，也許是一下接手了更多連續步驟：找材料、做歸納、排優先級、提出方案，再寫成一段看起來完整的話。

與其籠統問“人會不會被 AI 取代”，我更想逐步看清：這次我把哪一步交了出去？我有沒有檢查它？最後的判斷和責任還在不在我這裡？

六、這個想法最容易錯在哪裡

第一，“想點子”“整理”“判斷”這些詞聽起來清楚，真正測量時卻可能混在一起。一個人遲遲沒有開始，可能因為工作記憶、注意力、完美主義，也可能只是沒弄懂任務。換幾個更好聽的分類，並不會自動解決問題。

第二，同一個人在不同任務裡的表現也會變化。會寫故事的人不一定會寫代碼；熟悉領域時很會判斷，換到陌生領域可能就更依賴 AI。所謂“形狀”也許屬於“這個人在這類任務裡的狀態”，未必是一個固定不變的人格標籤。

第三，越接近真實工作，實驗越難做得乾淨。四十分鐘的小任務容易比較，卻代表不了一個人怎樣花幾週推進項目；長期項目更真實，卻很難保證每個人面對同樣的難度。以後如果真做研究，這會是最棘手的部分。

所以我暫時把“能力的形狀”當作觀察問題的一副眼鏡。它能不能成為一個站得住的解釋，還要看它是否能提出清楚的預測，並經得住不支持它的數據。

七、先留在札記裡

這篇只圍繞一個疑問挑了幾組文獻，算不上系統綜述。“能力的形狀”也還沒有一套可靠的測量方法。

不過，把這些研究並排以後，至少有一件事比原來清楚了：AI 帶來的差異，可能不只來自誰強誰弱，也來自一個人的卡點是否剛好碰上了工具的長處。

下一步不該繼續替這個猜想找例子，而應該設計一個它也可能失敗的實驗。到那時，才知道“形狀”究竟幫助我們看見了什麼，還是只換了一種更好聽的說法。

參考文獻

1. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

2. Dell’Acqua, F., McFowland, E., Mollick, E. R., et al. (2026). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. Organization Science. https://doi.org/10.1287/orsc.2025.21838

3. Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290

4. Becker, J., Rush, N., Barnes, B., & Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/

5. White, H. A., & Shah, P. (2006). Uninhibited imaginations: Creativity in adults with Attention-Deficit/Hyperactivity Disorder. Personality and Individual Differences, 40(6), 1121–1131. https://doi.org/10.1016/j.paid.2005.11.007

6. Paek, S. H., Abdulla, A. M., & Cramond, B. (2016). A meta-analysis of the relationship between three common psychopathologies—ADHD, anxiety, and depression—and indicators of little-c creativity. Gifted Child Quarterly, 60(2), 117–133. https://doi.org/10.1177/0016986216630600

7. METR. (2026). We Are Changing Our Developer Productivity Experiment Design. https://metr.org/blog/2026-02-24-uplift-update/

8. Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

9. Gong, C., & Yang, Y. (2024). Google effects on memory: A meta-analytical review of the media effects of intensive Internet search behavior. Frontiers in Public Health, 12, 1332030. https://doi.org/10.3389/fpubh.2024.1332030

10. Lee, H.-P., Sarkar, A., Tankelevitch, L., et al. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. CHI ’25, Article 1121. https://doi.org/10.1145/3706598.3713778

11. Plato. Phaedrus, 274c–275b.