Anthropic 工程师 Osmani 警告 AI 越强人类越易陷入认知投降

Osmani曾在Google工作超过14年，负责过Chrome开发者体验及Google云AI相关业务，目前在Anthropic从事Claude Code相关工作。

Osmani表示，自己是AI智能体工作流的坚定支持者，日常工作中经常同时运行多个Agent。但他发现一个值得警惕的变化：随着AI模型不断进步，输出结果中的明显错误越来越少，人类反而更难保持警惕。

过去，人们通常需要经历信息收集、分析、判断等过程才能得到答案，而现在，这一过程可能被压缩到几秒钟。AI生成的内容往往结构完整、表达流畅，而且大部分情况下是正确的，这使得用户越来越容易跳过独立思考和验证环节。

他将人类使用AI的状态划分为三个层次：首先是“认知卸载”（Cognitive Offloading），即将任务交给AI完成，但仍然对结果负责；其次是“推迟判断”（Deferral），即不再将AI输出视为需要验证的假设，而是直接作为下一步工作的依据；最后是“认知投降”，即AI的输出逐渐变成用户自己的判断，用户甚至不再认为有必要检查。

其中，“认知投降”这一概念最早由沃顿商学院研究人员Steven Shaw和Gideon Nave提出。

Osmani认为，这种转变往往不是突然发生的，而是在不断使用AI的过程中逐渐形成。用户可能认真阅读第一份AI报告，对第二份只进行快速浏览，到了第三份甚至只检查大纲。最终，当有人询问某个具体结论时，用户可能发现自己根本无法解释其中的逻辑。

他将这一现象与“认知债务”（Cognitive Debt）联系起来。在软件开发领域，AI可以生成大量代码，测试也可能全部通过，但团队成员对系统架构和实现逻辑的理解却在不断减少。直到某天需要修改系统时，开发者才发现已经没有人真正理解某些功能的工作原理。

不过，Osmani并不认为开发者需要记住庞大代码库的全部细节。他指出，Claude Code团队也会在需要时借助AI重新建立对特定代码模块的理解。真正重要的不是始终掌握所有知识，而是知道自己不了解什么，并且具备重新理解它的能力。

对于如何避免“认知投降”，Osmani建议，在向AI提出复杂问题前，人类应该先形成自己的初步假设，而不是完全依赖AI提供答案。即使最初的猜测并不准确，也可以帮助用户在接收AI结果时保留独立判断的基础。

在软件开发领域，Osmani认为，AI时代的瓶颈正在从编写代码转向验证代码是否正确。

目前，AI智能体已经可以自主编写代码、运行测试、读取错误信息并反复修改，直到测试通过。但问题在于，测试本身也可能由AI编写。如果测试逻辑与代码存在相同错误，即使所有测试显示通过，也无法证明软件不存在问题。

因此，他强调，开发者不仅应该关注测试是否通过，还需要明确测试究竟证明了什么、没有覆盖哪些风险。对于AI交付的成果，验收标准应该是实际测试结果、运行日志、截图等可以验证的证据，而不是AI生成的一段看起来合理的总结。

Osmani还提出，开发者应该要求Agent明确列出它在执行任务过程中自主作出的决定、采用的假设以及忽略的条件，因为这些内容通常不会出现在最终的工作总结中。

随着AI能够同时执行越来越多任务，另一个问题也开始出现。Osmani将其称为“编排税”（Orchestration Tax），即AI生成成果的速度与人类能够认真审核、并愿意为其负责的速度之间的差距。

当AI生成的工作成果不断堆积，而人类已经没有足够时间审核时，继续增加Agent数量并不能解决问题。他认为，这种情况下，团队应该改进自动验证机制，或者适当降低任务生成速度。

Osmani同时警告，AI的高度自动化可能使人类逐渐放弃练习原有技能。他建议开发者每周尝试在不使用AI的情况下编写一些代码，每个月重新审视自己已经停止练习的技能，并判断哪些能力仍然值得保留。

他还引用Anthropic关于内部工程师和研究人员使用AI的研究，指出其中存在一种“监督悖论”：监督Claude需要具备编程能力，但过度使用AI又可能使这些能力退化。

Osmani强调，这些观点并不意味着应该减少AI的使用。在错误成本较低的任务中，完全交由AI完成没有问题，但涉及投资、职业选择、产品安全或影响其他人的重大决定时，人类仍应保留关键判断权。

在他看来，未来的AI模型可能比人类更擅长发现错误，但这并不能消除人类的责任。决定开发什么产品、为什么值得开发、会影响哪些人，以及愿意为此承担何种代价，仍然需要人类作出选择。