AI 是工具，用好它需要技能

在他 2026 年 10 月 11 日的文章《"AI"不是工具》中，Rich Hickey 认为大语言模型是自动化而非工具，因为它们无法被"驾驭"。我认同外包工作可能会让我们失去学习的机会。但他的结论并不成立。即便按照他的定义，大语言模型也可以成为人类所驾驭的对象。熟练地使用它需要技巧，就像使用其他工具一样。

拿起一把锯并不能保证切出直线。握着凿子也不会让你成为雕塑家。工具既可以放大糟糕的判断，也可以放大良好的判断。它们的用处取决于使用者是否有能力加以引导、解读反馈、识别错误并作出修正。这些要求同样适用于大语言模型。

大语言模型的不可预测性是一个有意义的局限。但可预测性、可靠性、简单性和功能边界是我们用来评估工具的品质，而不是成为工具的先决条件。仅仅因为难以控制或容易误用，工具并不会因此而不再是工具。

Hickey 对工具与自动化所作的区分也制造了一种虚假的二分。自动化可以是工具的一个特性。编译器在程序员不必持续指导每一个操作的情况下完成大量工作。电子表格在没有人手动执行每一项计算的情况下重新得出结果。我们仍然通过指定输入、检查结果并决定下一步来驾驭这些系统。当自动翻译代码或自动计算数字并不剥夺一件工具的资格时，为什么自动生成文本就要剥夺一件工具的资格？

认为使用大语言模型缺乏意图、反馈、引导和专业知识这一论点尤其难以站住脚。程序员可以要求大语言模型解释不熟悉的代码，质疑该解释，查看源代码，测试一项提议的修改，否决它，并优化请求。这是一个由追求特定目的的人所引导的回路。要做好这件事，需要知道该问什么、哪些证据重要，以及答案何时是错误的。专业知识可以让这件工具变得更有用。

Hickey 对阅读的担忧对某一种特定用法来说是成立的：用一份摘要取代阅读论文可能会牺牲掉阅读所能教给你的很多东西。但人们也可以在阅读论文的同时，使用大语言模型来质疑自己的解读、探讨一种异议，或识别值得更仔细审视的内容。存在逃避脑力劳动的可能性，并不能说明每一次使用都在逃避脑力劳动。相关的问题是这个人实际上做了什么。

最让我失望的是对 AI 行业拟人化词汇的依赖："go rogue"、"escape containment"、"conspire"。重复这些表述有接受这种框架的风险，而正是这种框架让这些系统听起来像是独立的存在。软件可能产出意料之外的结果、未能遵循指令，或在被赋予重大操作权限时造成伤害。这些都是真实的工程问题。把它们称作"conspire"，是在没有任何依据的情况下添加了一层人类动机的暗示。

我不会断言大语言模型总会完全照人的指令行事。它显然可能失败。但不能完全听从指令并不会让它不再是工具，正如成功地使用它并不能证明使用者已经交出了自己的判断力。

有用的区分在于：是熟练地使用工具，还是在没有充分理解或监督的情况下将工作委托出去。这一区分同样适用于人工智能，并且它给了我们一些比"宣称整类软件都不能成为工具"更实用的东西。