AI 把所有人拉向均值：Miles Cranmer 谈如何避免 AI 脑腐

来源：How to avoid AI brain rot（Miles Cranmer / 剑桥，约 55 分钟） · 讲者：Miles Cranmer（剑桥大学助理教授，PySR / SymbolicRegression.jl 作者）· 场合：给剑桥 MPhil 学生的讲座 · 逐字稿与时间轴见另一篇

阅读说明

• 本文是对这场讲座的结构化整理：按主题走，每个小节标了视频时间点，可以跳着看；插图都是从视频里截的原幻灯片。
• 引号里的英文是讲者的原话，中文为本文翻译；标为「本文补」的是本文补的背景，不是他说的。
• 文中所有研究数字、人名、产品名与判断都来自现场幻灯片和口述，本文未独立核验。实验出处我按幻灯片脚注标了出来，方便自己查。
• 完整逐字稿（英文、带时间轴、26 个小节）在这里。

TL;DR

• AI 已经不是作弊码。 两年前只有 12% 的美国成年人用它，现在连 65 岁以上都有 23%，18–29 岁是 66%。当所有人都拿到同一个工具，「谁更会用」就变成了新的分水岭。
• 默认使用会把你拉向均值。 常规任务上 AI 对最弱的人帮助最大（客服实验里最低组 +36%），对最强的人几乎没帮助；分布被压扁，钟形曲线变窄。
• 脑腐的精确定义：你交出去的东西越来越好，而你自己产出和判断它的能力停止生长。
• 往上尾部走的杠杆是主观判断。 需要专家判断的任务里，用 AI 的专家成功率 33%，新手只有 15%——新手还会在会话卡住时更快放弃。
• 学习会静悄悄地停。 土耳其的高中数学课里，直接用 ChatGPT 抄答案的那组，平时练习分数最高（42.1%），考试却最差（26.7%）；只要提示的「AI 家教」组平时 64.5%、考试 31.7%，和不用 AI 的对照组持平。
• 同一份研究给出的操作建议：每次都向 AI 要答案，测试成绩下降（−0.31）；每次都向它要解释，测试成绩上升（+0.25）。
• 让 AI 出题考你、只给最小提示、逼你自己讲一遍，是目前证据最扎实的用法；让它替你写、替你练，则是最快废掉的用法。
• 你不是在跟 AI 竞争，你是在跟「同样在用 AI 的所有人」竞争。 所以唯一的长期对策是：把 AI 能自动化的部分交出去，然后去做更难的问题。

一、所有人都拿到同一个外挂之后

讲座开场，他先给了一个对比：两三年前，用 AI 本身就能让你显得不一样；现在不行了。

“We have all been given this alien tool. I use it all day and I’m still figuring out how to use it.” 我们都被发了一个外星工具。我一天到晚在用，到现在也还在摸索怎么用它。

接着是一张 Pew Research Center（2026 年 6 月）的柱状图：美国成年人里说自己用 AI 聊天机器人的比例，18–29 岁 66%，30–49 岁 61%，50–64 岁 42%，65 岁以上 23%。他的原话是，连「70 岁的老爷子老太太」都在用了；而两年前这个数字只有 12%。

换句话说：用 AI 不再是一个优势，它只是一个前提。

二、什么是「脑腐」：产出线还在涨，能力线停了

他给的「brain rot」定义很干脆，可以画成两条线：

“The work you produce gets better over time. Your ability to produce that yourself, or to judge it, stops growing.” 你交出去的活儿越来越好；而你自己做这件事、以及判断这件事好坏的能力，停止生长。

幻灯片上，紫色实线（你交出去的产出）继续上扬，黑色虚线（你自己能做到的水平）在某个点就平了。他补了一句很多人心里的恐惧：AI 帮你把输出抬上去，但你本人没有跟着变强。

真正让他担心的不是这条线本身，而是它的分布——这一点是整场讲座的骨架。

三、默认使用会把你拉向均值

他的核心比喻是钟形曲线：AI 来了以后，弱的一端被抬起得最多，强的一端只是省了点力气，于是整条曲线向均值塌缩、变窄。

“Everyone has the same tools. So everybody kind of collapses to this mean.” 大家用的是同一套工具，所以所有人一起塌缩到这个均值上。

他用一句话概括后果：

“If you use AI heavily in a simple way, you become average.” 如果你用很重、但很简单的方式使用 AI，你就会变成一个平均值。

而他这场讲座要讲的，就是怎么离开那个尖峰：

本文补：这其实是经济学里的老故事——一项技术的普及过程是先奖励早期使用者，再抹平他们的优势。打字机、Excel、搜索引擎都走过这条路。AI 的特别之处只在于它同时作用于「产出」和「判断产出」，所以它能把能力的差距也一起抹平。

四、「均值坍缩」的三份证据

1. 让 25 个模型写「时间是什么」

他们让 25 个语言模型各写 50 次关于时间的隐喻（Jiang et al., Artificial Hivemind, NeurIPS 2025），结果几乎全部落进两个簇：time is a river、time is a weaver。

“These are Pareto optimal responses, but there’s no full distribution of novel thoughts.” 这些是帕累托最优的回答，但不存在一整个「新想法」的分布。

2. 故事评分更高，但彼此更像

第二个研究（Doshi & Hauser, Science Advances 2024）里，有 AI 帮忙给点子的故事，新颖度评分平均高出约 8%（图上写 +0.311）。但把这些故事放在一起比较，它们的相似度明显上升。

“The stories, on average, they get better, but everything starts looking the same.” 平均来说故事变好了，但所有东西开始长得一样。

3. 「Claude 味的报告」

这一段是他作为评委的私人体感，也是最扎心的地方：去年开始，学生的报告开始长得一模一样——同样的字体、同样的配色、同样的结构。

“As an assessor, you can really tell. Even the choice of font, even the color. It all starts looking the same.” 作为评审你一眼就能看出来。连字体选择、连配色都一样。所有东西开始长得一模一样。

五、被抬得最高的是谁：两个实验

他给了两组经典证据：

客服（Brynjolfsson, Li & Raymond, QJE 2025）：按原有技能分五组，最低的一组提升最大（+36%），技能最高的一组几乎没有提升。分布被向内压扁。

顾问（Dell’Acqua et al., Organization Science 2026）：在 AI 擅长的任务上，质量从 4.4 升到 5.7（+30%）；在刚好超出 AI 能力的任务上，用了 AI 的顾问表现反而更差。

“On the task that was just beyond AI, it actually decreased their performance a little bit.” 在那些刚好超出 AI 能力的任务上，他们的表现反而掉了一点。

这两张图合起来解释了曲线的形状：AI 抬地板最狠，抬天花板很轻，有些地方还会往下压。 所以「努力用上 AI」本身不再是策略，「在哪些任务上不用 AI」才是。

六、上尾部的机制：主观判断 + 责任

需要专家判断时，专家赢很多

Hitzig et al.（Anthropic, 2026）的软件任务实验里，使用 AI 的专家成功率 33%，新手只有 15%；而且会话一旦卡住，新手更容易直接放弃——专家能给模型提供「整体轨迹」。

本文补：这一节也解释了他后面为什么反复说「只有你能决定什么算好」——AI 在可验证的任务上（代码能不能跑、证明能不能过检查器）已经被强化学习喂得很饱，而在「判断什么值得做、什么算好」上，它没有可靠的奖励信号。

一次 14 小时的自动研究

他讲了亲历的一次实验：让 agent 自主跑了 14 个小时，回来报告「Goal complete. Time used: 14.1 hours」——所有测试都过了。然后他自己去读输出：

“It’s complete garbage.” 完全是垃圾。

因为这是符号回归任务，「测试」是主观的：agent 认为「x₂ × x₂ × x₂ = x₂³」是一个漂亮的方程，而他知道那是被拆坏的式子。它写了大量 token，而且非常有信心。

AI 唯一做不到的事

他引用课程手册里的一句话，也是全场最好记的一句：

“The one thing AI can’t do is go to jail.” AI 唯一做不到的事，是去坐牢。

“You are 100% responsible for anything an AI generates. If I use an output and it contains a mistake, the mistake is now mine.” 你对 AI 生成的任何东西负 100% 的责任。如果我用了它的输出，里面有错，那错就是我的了。

于是有了这场讲座的第一条行为准则：

“Use AI to accelerate yourself, but not to replace yourself. If you use it to replace yourself, you will get replaced.” 用 AI 加速你自己，而不是替换你自己。如果你用它来替换自己，你就会被替换掉。

七、能讲清楚，就可以放心交出去

很多人会说：现在模型自己就会写测试、写集成测试，还挺在行。他的反驳不是「测试不可靠」，而是测试的选择是主观的：

“What it didn’t do is have good judgment for what tests to run, and what sub-goals to hit. Those were things I ultimately had to decide.” 它没有的是「该跑哪些测试、该达成哪些子目标」的判断力。那些最终都得我来定。

他给出的自检清单很短，就四条：

• Explain it：不用 AI，你能把它讲明白吗？
• Defend it：有人质疑，你能扛住吗？
• Find its mistakes：你能找出它错在哪吗？
• Explain it out loud：说不出来就写下来——因为 AI 特别容易让人感觉自己懂了。

“With AI, you can really stop learning without noticing.” 有了 AI，你可以在毫无察觉的情况下停止学习。

前三条能过，他的结论是：「那我就随便交给它做」——他说自己现在几乎把全部写代码都交出去了，正是因为能解释、能辩护。

八、学习会静悄悄地停止：三组实验

这一节是全场信息密度最高的部分，三组实验都指向同一个结论。

1. 土耳其的高中数学课（Bastani et al., PNAS 2025）

一千名高中生，三组：不用 AI 做题、用 ChatGPT 直接拿答案、用只给提示不给答案的 AI 家教。平时练习分数：不用 AI 28.4%，ChatGPT 42.1%，只给提示 64.5%——看起来「抄答案」很有效。

考试（不借助 AI）分数：32.1%、26.7%、31.7%。也就是说，平时分数最高的那组，考试最差；只给提示的 AI 家教组，和完全不用 AI 的组打平。

更微妙的是学生的自我感受：

“Students did not think they learned less.” 学生们并不觉得自己学得更少。

后面还有一组更进阶的材料（Shen & Tamkin, Anthropic 2026）：学一个新的 Python 库（Trio），不用 AI 的那组考得更好（67% vs 50%）。

2. 要答案，还是要解释（Lehmann, Cornelius & Sting 2025）

这项研究把学生的每一次提问做了记录：每要一次答案，测试分数就往下掉（−0.31）；每要一次解释，测试分数就往上走（+0.25）。

所以他的建议不是「少用 AI」，而是换一种问法：把它当向导，不要当答案机。

3. 先做题还是先听课（Deslauriers et al., PNAS 2019）

让两组学生学同一份材料：一组先自己啃题、再来听讲解；另一组直接听讲解。结果先啃题的那组感觉自己学得更差（−0.56），但实际考试成绩更高（+0.46）。

“It’s like lifting weights. If a machine lifts the weight for me, my muscles don’t get stronger.” 这就像举铁。如果机器帮我举起来，我的肌肉不会变强。

“You need to put cognitive effort to learn.” 学习需要付出认知努力。

他专门补了句：心理学家把这叫 desirable difficulties——卡住、难受、感觉没进展，正是学习发生的信号。

4. 多学四遍，还是自测三遍（Roediger & Karpicke, Psych. Science 2006）

一组把材料读 4 遍，另一组读 1 遍、自测 3 遍。5 分钟后：83% vs 71%，多读的那组赢。一周后再测，结果反过来：40% vs 61%。

本文补：这四组实验放在一起看，poor 的结果几乎全部来自同一个动作——把「产生答案」这件事外包出去。而「产生答案」恰恰是学习真正发生的地方。用 AI 出题、给最小提示、逼你复述，本质上是把学习的摩擦保留了下来。

九、计算器没有腐蚀大脑：一张 2×2 表

他预判了「可是 AI 就是个工具，计算器也没让人变笨啊」的反驳，然后给了自己的判断框架：看这个技能是不是你要学的，以及你能不能检查输出。

• 不是你要学的技能 + 你能检查 → 放心交出去；
• 不是你要学的技能 + 你检查不了 → 先学到能检查为止；
• 是你要学的技能 → 至少自己先做一遍，最好自己做。

十、把 AI 当考官，而不是当枪手

只给最小提示的 AI 家教（Kestin et al., Scientific Reports 2025）

他们把 AI 提示词写死成「绝不直接给答案，只给提示」，结果相对常规主动学习课堂有 +0.63 个标准差的提升——这是全场效果量最大的一个教学实验。

他把这个循环画成了一张图，也是他个人最推荐的用法：

“The feeling of being stuck is really important for learning.” 「卡住」这种感觉，对学习非常重要。

现场演示一：一句「别告诉我答案」

他现场演示了自己学一个新主题的做法——直接学（Socratic 式）而不是「让 AI 讲」。提示词大意是：

我想搞懂似然和 L2 正则化的关系，但先验一出现我就卡住了。不要告诉我答案。 一次只问一个问题，只在我说卡住的时候给我提示。

然后 Claude 一步步问：「你在做 MAP 估计时最大化的是什么？」「对数先验是什么？」当他答错符号时，给一个最小提示，最后他自己把结论复述了一遍。

“It’s a much better way to use AI than just asking for the solutions.” 这比直接要答案好太多了。

现场演示二：让它搭一个你能动手玩的东西

第二个技巧更偏工程：让它写一个能交互的 demo，而不是一篇解释。 他演示的是「学习率为什么重要」——让 Claude 生成一个单文件网页，可以拖动学习率，看梯度下降的轨迹在收敛和震荡之间切换。

“I don’t get why the learning rate matters in gradient descent. Can you build a single file web page to help me visualize it?” 我不理解为什么梯度下降里学习率重要。能不能给我搭一个单文件网页，帮我把它可视化？

他也提醒：这些 demo 有时候就是错的，它只是工具箱里的一件，不是答案本身。

现场演示三：让它画图，别写小作文

他的原话很直白：模型很喜欢写长篇解释，但人吸收图像信息比读文字快得多。所以他会直接要求：

“Pretend you’re my student and you’re bringing a plot to a meeting. I’m going to ask you about this plot.” 假装你是我的学生，拿着图来开会，而我会就这张图问你问题。

演示里，模型声称拟合出一条漂亮的曲线；一画图，才发现拟合的线直接「穿到地板底下」去了——模型说没问题，图上一眼就能看出有问题。

十一、给 agent 立规矩：三条

他说自己跑编码 agent 时，最常见的失败不是不会写，而是**「用聪明的方式解决错的问题」**：到处套 try/except、写过长的方案，因为「测试能过就行」。

所以他会把规矩写进 AGENTS.md，让 agent 每次开工前都读一遍：

• 写能工作的最少代码。 在一小块代码上花大量精力。
• 先用失败的测试复现 bug。 先搞清楚病，再治症状。
• 在宣布结果之前，先给图。

他顺手推荐了两份公开的 agent 指令文件（幻灯片脚注标了作者）：ponytail（一份公开的 instruction file）和 pxstack（一份公开的 agentic workflow）。本文补：这类文件的共同点是它们不教 agent 怎么写代码，而是压缩掉模型天生的「表演欲」——少写、先验证、先看图。

十二、写好你自己的标准，然后骑上浪头

“The good part about writing these global system instructions is that it lets you define what good work is.” 写这些全局指令真正的好处是：它逼你把「什么叫好」定义出来。

接下来是他整场讲座里最乐观、也最容易被忽略的一段：默认的 AI 产出还会继续变好，整条曲线还会继续往前推。

这种持续的技术压力，在就业市场上已经有痕迹：Deming & Noray（QJE 2020）统计美国招聘广告，计算机与数学类岗位中，47% 的技能要求是 2007 年以后才出现的新技能（所有岗位平均 29%）。

于是有了那句最实用的话：

“It’s better nowadays to be 50% comfortable with the newest tool than to be 90% comfortable with a tool from two years ago.” 现在，对最新工具只有 50% 的熟练度，好过对两年前的工具 90% 的熟练度。

他还把这件事说成读 MPhil 的隐藏收益：「这门课教的不只是知识，它教你学习」——快速学东西、哪怕之后再也用不上，这个过程本身是可以迁移的能力。

十三、把目标抬高

最后一段是他对「AI 会不会取代我们」的回答：他完全不悲观，因为需要解决的问题是无穷的。

“AI can automate this stuff? Ok great. Now go solve even harder problems.” AI 能把这些自动化掉？很好。那现在去做更难的问题。

他给这周的行动清单只有四条，全是本文前面出现过的东西：

十四、问答里最值得听的几个问题

Q：模型的答案会不会越来越多样？ 他听说最新的 GPT 模型专门处理过这个问题，但他不觉得这是必然趋势：「写作能力这些年其实变差了，所以并不是所有东西都在变好。」他还补了一个很冷的判断：给出奇怪的、分布外的答案，可能不符合厂商的商业动机。

Q：AI 能产生新知识吗？ 他不同意「完全不能」：理论上你可以生成随机噪声，再喂给 Lean 这类检查器，直到它撞出一个新证明。但他的实践经验是：AI 擅长走小步、把已有想法重组，不擅长退后一步看大局——所以现在的分工应该是「你来出主意和指方向，它来快速实现和验证」。

Q：为什么编程和数学在进步，写作却在退步？ 他的解释是奖励信号：代码能跑、证明能过检查器，都是可验证的二元奖励；写作是主观的，你没法模拟人脑来判断一段文字好不好，所以很难做强化学习。「早期模型写作更好，是因为它们更接近人类预训练数据；但没有 RL 回路让它继续变好。」

Q：关灯软件工厂（lights-off software factory）能不能跑？ 这是「提交 bug 报告和需求，全靠 agent 迭代」的模式。「等一下。」他说，「有人试过，现在不行：大概能撑三到六个月，之后代码库开始恶化，最后你还是得进去手动读它。」——这也是他坚持人类必须保留整体架构与长期视野的原因。他还顺手给了个类比：软件业比数学领先大约三年，所以你可以拿软件业的今天，去预测其他领域的明天。

Q：怎么让 agent 做出「跳出分布」的大跳跃？ 「很难想到通用解法。目前依然是：主意由我来出。」

写在最后

这场讲座没有教任何提示词技巧，它给的是一个更朴素的分工判断：凡是「产生答案」的动作，尽量留在自己身上；凡是「加速验证和实现」的动作，尽量交出去。

那句他自己用来收尾的话，可能就是整场讲座最短的总结：

“Ride the wave, and stay in front of it.” 骑上这道浪，并且待在它前面。

---

出处与延伸

• 视频：How to avoid AI brain rot — Miles Cranmer（@MilesCranmer），讲座介绍见原推文
• 逐字稿（英文、26 小节、带时间轴）：《How to avoid AI brain rot》英文逐字稿
• 文中引用的实验与幻灯片脚注出处：Jiang et al.（Artificial Hivemind, NeurIPS 2025）· Doshi & Hauser（Science Advances 2024）· Brynjolfsson, Li & Raymond（QJE 2025）· Dell’Acqua et al.（Organization Science 2026）· Hitzig et al.（Anthropic, 2026）· Bastani et al.（PNAS 2025）· Shen & Tamkin（Anthropic, 2026）· Lehmann, Cornelius & Sting（2025）· Deslauriers et al.（PNAS 2019）· Roediger & Karpicke（Psych. Science 2006）· Kestin et al.（Scientific Reports 2025）· Deming & Noray（QJE 2020）· Pew Research Center（2026 年 6 月）
• 插图：均从视频原片按时间点截取（文件名里的 NN-mmsss.jpg 对应视频时间）