很多人相信，就算 AI 再厲害，「深入學問」「掌握判斷力」還是有效使用 AI 的關鍵。這句話我基本上同意，但心裡一直卡著一個問題：AI 會不會進化到超越大多數人判斷力的地步，連判斷力本身都不再是能讓人和人拉開差距的東西？我不知道答案，但這個問題不該被隨便打發掉。

網絡興起之前，一個人擁有多少知識，對他的競爭力影響很大。網絡興起之後，取得知識變得容易很多，但原本知識比較豐富的人，往往還是能更有效地從網絡裡篩選出合用的資訊——這一點不必否認。變得最有價值的東西，卻不見得是那些舊有知識，而是網絡本身催生出來的全新知識，像 SEO，像整套網絡生態的運作邏輯。這些東西在網絡之前的年代根本不存在，也沒有人需要懂。

這其實是一個很普遍的結構：每一次典範轉移，都會分裂出兩種能力。一種是舊能力的槓桿化——原本知識、經驗多的人，懂得怎麼把新工具用得更好；另一種是全新的原生能力，完全由新工具催生出來，舊時代根本沒有對應的東西。這兩種能力重疊的程度有多高，事前算不出來，只能等事情發生了才知道。SEO 是一個很乾淨的例子：它跟一個人原本知識豐不豐富幾乎沒關係，靠的是對演算法、對平台生態的一整套全新直覺。

AI 年代已經看得到類似的早期訊號。Prompt engineering 一度被捧成一項新技能，卻隨著模型自己進步很快貶值。如果「AI native 技能」生滅的速度，真的比網絡年代的 SEO——穩定了十幾年才慢慢被搜尋演算法改寫——快上一整個量級，這可能代表這一輪的新知識半衰期正在急遽縮短。

但這個類比，在一個地方可能會斷掉。網絡從來沒有威脅過判斷力這一層，它只是把取得資訊這件事變便宜了，篩選、綜合、決策，始終是人在做的事。AI 不一樣，它同時進逼資訊層和判斷層——不只讓你更快找到答案，它自己也在生成判斷、生成建議、生成論證。判斷力，有可能是這一輪轉型裡，第一次真正被放上考驗桌的東西。上一輪轉型從來沒有真正考驗過它。

判斷這種事會不會發生，與其看當下的研究，我更想向歷史取材，而歷史上最乾淨的一個先例，是西洋棋。西洋棋走過一條完整的軌跡，不是某一個時間點的橫切面：先是純人類判斷的年代；後來進入人機協作，曾經有一段時間，人加電腦（centaur chess）的組合，表現比純 AI 還要好；再後來，純 AI 徹底超越了人機協作，人類的差異化空間一路被壓縮到接近零。判斷力如果最後也走上同一條軌跡，靠口頭辯護、靠當場解釋自己的推理這種驗證方式，本身可能也只是過渡性的一站，不是終點。

當代的實證研究——不管是客服中心的生產力數據，還是寫作能力的評分——天生只能測「現在」這一刻的 AI，沒辦法直接論證「AI 判斷力繼續進步之後」會發生甚麼事。這些研究頂多是軌跡上的一個座標點，撐不起一個關於長期趨勢的命題。西洋棋不一樣，它是一條已經走完全程的軌跡，證據等級比還在半路上的橫切面研究高得多。這也是為甚麼，判斷這種問題，我傾向相信歷史先例多於當代研究。

我自己還沒有把握這件事最後會不會發生，但不能排除它，這個可能性值得被認真放在檯面上討論。

判斷力如果真的有一天被拉平，那不會是故事的終點，而是把差異化這件事推到另一個層次去。每次某一項能力被規模化拉平之後，競爭就會往下一層還沒被拉平的維度移動：識字率普及之後，競爭轉向學歷；學歷普及之後，競爭轉向名校、人脈、實習經歷。只要有一層變成人人都有的東西，資源分配的戰場就會往下沉，沉到下一個還稀缺的地方。動機、主動性、人際能力、三觀，甚至社會資源、外貌長相，這些原本就是競爭因素，未來的比重很可能會上升。

識字、學歷、人脈這幾層轉移，好歹還能透過努力、透過策略，在某種程度上爭取得到。外貌、社會資源這幾項，卻相對不可習得，甚至出生那一刻就決定了。戰場如果真的下沉到這一層，換掉的可能不只是差異化因素，而是能力至上這件事本身開始鬆動——努力和判斷力不再是決定性的變數，出身和運氣的權重反而上升。往下推一步，AI 拉平的可能不只是知識和判斷力，也可能間接拉低「靠努力翻身」這件事本身的可信度。

這是我幾乎不太敢寫出來的一段。我不確定，但真心認為不能排除這種可能，而這種不確定，某程度上也是一種不敢說出口的恐懼。也不知道，如果真的走到這一步，有沒有甚麼解決方案——不管是個人層面還是社會層面。但迴避這個問題，可能比講錯它更不負責任。所以我把它寫在這裡，沒有結論，只是想把這個問題，留在檯面上。