AI 与仪式社会

AI 正在改变很多事。

世界是否会因此变得更好，我们尚未知晓。但这个世界，确实已经演得越来越“好”。

曾经，就算只是看起来“好”的东西，也需要大量精力投入：无论是报告、研究，还是创作、演绎。而今，只要许个愿，模型就能批量生产这些“好”东西。格式完整，结构专业，细节精致，比大多数人做得更像那么回事。

于是，一个问题慢慢浮出来：

当完成一件“好”的事情变得如此简单，我们曾经看中的“好”到底是什么？

这并不是 AI 制造的新问题。AI 不过是终于把我们藏起来的虚假端上了台面。

仪式与真实

人的精力极其有限。所以数千年来，我们创造了大量流程、规范、技法和格式。这些结构也确实帮助我们创造了许多优秀成果。

它们并不是坏东西，很多时候甚至不可缺少。流程和规范帮助人彼此协作、校验结果和承担责任；技法和格式让成果能够被更好地呈现、理解和传播。

麻烦在于，当这些动作慢慢脱离了目标本身，一切就变味了。没有真正的理解，但学习笔记很完整；问题没有真正解决，但复盘很深刻；研究没有真正推进，格式和技法却登峰造极。风险也是如此，未必真的降低，只是审查流程完成了。

到了这一步，它们不再像帮助成果诞生的结构，更像一种证明成功的仪式。于是，我们不再追问：

这件事是否真的改变了什么？

而更容易追问：

它的仪式执行得足够完整吗？

异化的门槛

许多领域的壁垒，其实早就有些虚幻。

表面上看，进入这些领域的门槛来自知识、经验和专业能力。但实际上，其中相当一部分来自表达方式、格式、话术、流程和姿态。

论文怎么写，方案怎么排，报告怎么讲，评审看什么；你还要会说一套术语，知道什么叫“研究空白”，什么叫“风险闭环”，什么叫“方法论沉淀”，什么叫“长期价值”。

这些东西也并非没有意义。一个领域总得有自己的规范和结构，复杂度本身也是一道防线，至少不至于立刻被低成本的模仿和灌水淹没。只是，仪式一旦复杂到一定程度，能熟练执行仪式的人，就常常会被误认为掌握了领域本身。

更麻烦的是，有些领域里，仪式早已不只是外壳。人会花很多力气学习如何把事情写成某种样子，却越来越少追问问题本身；真实经验如果不合格式，反而不容易被看见；空洞表达只要足够规范，却可以顺利通行。到这一步，仪式已经开始代替真实能力，成了领域的替身。

曾经，真实和仪式之间维持着某种平衡：真实还不至于被全部埋没，仪式也足以保护和养活整个领域。

但是，AI 来了。平衡没了。

它太擅长完成仪式。论文、报告、方案、艺术创作，专业的、业余的，科学的、玄学的，它都能造出一套像样的外观。于是，仪式从门槛变成了速通。

端着 AI 的人未必真正掌握了领域知识。可仪式壁垒一旦坍塌，真正剩下的问题就会变得刺眼，也足以让很多系统不安：

一个领域真实的专业性到底在哪里？

答案显然不能是仪式。可有些领域走到今天，剥开仪式，里面已经空空如也。

从学习到生活

AI 所侵蚀的，不只是专业领域。

举个有些极端的例子。一堂讲座里，有人密密麻麻记满了笔记，却仍旧一问三不知；有人一个字没写，却有自己完整的理解。不是说笔记就是表演。只是，真正的学习并不发生在笔记上。

互联网从聚合网站、RSS Feed，一路走到如今的 AI 知识库，人们一直在重复一种学习仪式：只要我抓到的信息和知识足够多，我就变强了。而在 AI 时代，这种仪式会被完成得特别好。一个知识点从未进过脑子，却已经有了完整的笔记和学习路线；一个问题还没有解决，复盘和过程记录倒先积累了起来。材料越来越齐全，真实判断却未必同步增加。

于是，新时代的文盲出现了。他可能认识每一个字，收藏了每一份资讯和材料；但如果没有 AI 帮他总结，他已经无法理解任何一句话。甚至，AI 帮他总结以后，得到的也不过是一团无意义的文字，转头又作为下一份输入，被喂给下一个 AI。

思想的碰撞和知识的推导，如今未必经过脑子，但一定经过 AI。一个想法可以被写得越来越像论文，却可能从未被真正验证和探讨；一件华丽的作品可以凭空出现，背后却未必还有一个人的灵感。

学术如此，生活也一样。旅行、饮食、健身和职业道路当然可以由 AI 协助规划；便利是真实的，可一个人也可能越来越少面对“我究竟想要什么”，转而执行一个看起来合理的人生方案。

这些变化也不全是坏的。AI 确实降低了很多事情的启动成本，也让许多人第一次能把模糊的冲动变成一点具体的东西。只是，“成形”得太容易。只需要一路按下 continue，一份自己曾经倾尽全力也做不出的漂亮成果，就会出现在眼前。你未必能拒绝宣布这份成果属于自己的冲动，哪怕它从头到尾都没有在你的脑子里出现过。

到最后，学习和生活可能只剩下：

AI 总结了，AI 规划好了。

仪式的进化

社会往往奖励的是可见痕迹。真实判断、理解和事情究竟有没有推进，都很难直接看见；报告数量、会议次数、流程记录和 PPT 却很容易统计。生活也一样，一个人过得如何很难衡量，打卡、照片和推文却一目了然。

当这些痕迹成为目标，人自然会开始优化痕迹。这就是 Goodhart 定律，并不新鲜。久而久之，仪式社会就这样成形。

很多人曾反对仪式化，认为它挡住了真实；可面对庞大的社会机器，又不得不低头。AI 来了，仪式的摩擦突然消失。许多曾经的反叛者转头兴奋地参与到更大规模的仪式建设中。

这让人怀疑：有些所谓反抗，也许只是因为不擅长。AI 让仪式留下的痕迹变得更便宜、更漂亮，也更难与真实进展区分。当每个人都能轻松完成仪式，连站在仪式外面的理由也一起消失了。

结果很安静，也很危险：

真实问题没有解决，但围绕问题的仪式变得越来越完整。

当漂亮的仪式成为大多数，它甚至不再显得漂亮。于是，新的法阵搭起来，丹炉点起来：AI 读材料、总结经验、反思失败、提出新策略，反复炼制，直到自我进化。

让模型读材料、生成方案、比较路径、提出候选，本来就是 AI 擅长的工作。但如果没有真实任务、清楚的验收方式、对失败的追踪和成本上限，这种“进化”很容易只是仪式的循环。失败之后写复盘，复盘之后提出新方案；如果新方案继续失败，就再写一份更完整的复盘。

仪式的法阵只会进化出更纯净的仪式，至于它原本依附的成果，反倒不再参与选择。达尔文的棺材板想必已经钉死，进化才敢如此无拘无束。

丢掉的判断力

AI 最大的诱惑，未必是替人创作，而是让人心甘情愿地交出判断力。

判断是累的。它要求人给事情排序、决定取舍、处理大量信息，也要求人承认自己可能做错，承认有些失败甚至没有总结的价值。

有时候，人想自动化的其实不是工作的细节，而是对工作的判断：让 AI 定义目标、规划路径、验证结果并承担复杂性，自己只保留收益、身份和签字权。可如果一个系统真的能够独立定义目标、判断价值、选择路径、验收结果并承担责任，原来那个只保留签字权的人，还有什么存在的必要？

把判断交出去以后，保留下来的签字权并不会自动等于掌控。这或许比“AI 会不会替代人”更值得警惕。

更麻烦的是，在不少日常任务里，AI 给出的平均答案已经比许多人仓促做出的判断更稳定。主动保留判断力，就意味着愿意承担思考的疲惫、犯错的难堪，甚至有时做得不如 AI。这并不是什么舒适的选择。

仪式发动机

AI 时代，社会不会自动变聪明，倒可能先变得更会表演聪明。报告更多，流程更满，复盘更漂亮，作品更精彩，真实判断却未必也在增加。

AI 没有什么原罪。对于目标明确、愿意验证结果的人，它是很有用的工具；但在一个原本就倾向于奖励仪式的社会里，它也会把这种倾向放大。

所以，AI 时代最重要的问题也许不是：

我们能不能让 AI 做更多？

而是：

我们是否还知道，什么东西值得做？

知道什么值得做，AI 才是工具；否则，它只会帮助我们把仪式完成得前所未有地漂亮。