最近沉迷于国际象棋。自 1996 年 Kasparov 败给 Deep Blue^1 以来，象棋引擎^2的地位已经无可撼动。经过多年发展，棋盘上人机的生态关系，也许能为我们今天的困境提供一些前瞻性的启发。
游戏继续？
人类技术的发展，一面在拓展人类原有能力的边界，一面在将人类的劳动外包。
我们把体力劳动外包给牛马，把技工劳动外包给机械，把计算劳动外包给电脑。智力劳动，也正在被我们外包给 AI。
机器的能力边界越来越广，人类的「护城河」越来越窄。我们面临一个问题：当机器能把一件事做得比人类更快更好，人类还有什么理由做下去？
这个问题预设了一种立场，即人类的劳动是「被需要的」，是为了某个外在目的而存在的。人类不过是工具调用栈的一环，自然会被更加先进的工具取代。
这个视角从反面解释为什么象棋依然繁荣。跳脱出「工具调用栈」的框架，人类仍会主动选择拼豆（而不是用 SMT 贴片机），写诗、做开源。也许在 AI 接管人类工具性部分的那一天，人类终于能为了自身去创造。
义体还是轮椅？
快棋大师 Hikaru 在采访中提到了很有趣的一点：他与 Magnus 这一代棋手在没有引擎的环境下成长。在他看来，这天然地训练出了更多「人类直觉」，而这是新生代棋手们可能不具有的^3。
这一点呼应了在许多答案唾手可得的今天，人类学习上的困境：动手算答案，似乎变得小众了。但如果没有动手算过，我们真的可以说自己学会了吗？
我相信答案是否定的。除了需要应对目前AI能力有限、产生幻觉的情况，更重要的是，反复在不同情境中动手所形成的能力，更容易泛化到新的问题中^4。
象棋大师们通常保留人工复盘棋局的习惯，往往是在某个不确定的点上，为了印证自己的某种判断，才交给引擎进行分析^3。抛给 AI 的问题，是思考后给出的。以人类做题家的角度来看，AI 在这里扮演着习题册最后一页参考答案的角色。
尽管动手解决问题存在长期的优势，这在 AI 时代却有着高昂的机会成本。问题的答案变得太廉价，以至于思考变得昂贵了。如果对着对话框许愿就能轻松解决问题，那亲自动手做一遍更像是某种长期主义的童话。或许在未来，学习也会成为奢侈品。