大思考：爱因斯坦为什么永远不会使用人工智能

布朗大学经济学教授罗伯托·塞拉诺去年经历了一件让他彻夜难眠的事。

86名学生参加了居家期中考试，平均分高达96%，远超该课程历史最高纪录的80%。塞拉诺随即宣布期末考试改为线下进行。结果，18名学生直接退课，9人缺席考场。最终参加考试的59名学生，平均分跌至48.6%，只有一人超过90分。

这不是一个关于作弊的故事，而是一个关于思维能力正在悄悄消失的故事。

外包思考，是在透支未来

1896 年，爱因斯坦考入苏黎世理工学院，并于 1900 年毕业，在 5 名毕业生中排名第四。尽管他最著名、最有声望的教授们对他评价不高，但他最终超越了他们所有人。图片来源：苏黎世理工学院

AI让写作变得流畅，让计算变得即时，让"看起来很聪明"变得唾手可得。但它同时在做另一件事：把原本属于大脑的锻炼机会一点一点地拿走。

这不是直觉性的担忧，已经有研究数据在支撑它。美国心理学会2026年7月发布的报告指出，长期依赖生成式AI的使用者，批判性思维能力和专业技能都出现了可测量的下降。美国大学教授协会的同期调查显示，高校教师几乎一致认为，AI使用正在侵蚀学生的独立思考能力和原创写作水平。

斯坦福大学可信人工智能研究实验室负责人桑米·科耶乔在2026年6月的美国天文学会会议上，说了一句让很多人不舒服的话："当被测量对象和测量者存在相同的盲点时，误差不会相互抵消，反而会相互加剧。"

与大众普遍的看法相反，爱因斯坦并非孤胆英雄，他的成就离不开朋友、同事、教授以及他所属的物理学家、天文学家和数学家群体的鼎力支持。如果没有他们，包括他1903年合影的两位好友康拉德·哈比希特和莫里斯·索洛维纳，他那些才华横溢的想法很可能就此止步。图片来源：Emil Vollenweider und Sohn/公共领域

他的意思是：AI只能在训练数据划定的边界内打转，而科学的本质恰恰是突破已知边界。让AI来评估AI，让AI来做科学，就像让镜子替你看清镜子背面一样，根本行不通。

这让人想起一个更古老的问题：一个人的智识能力，究竟是在使用中成长，还是在委托他人后萎缩？

爱因斯坦的答案，早就写在那里

不同的观察者对于事件发生的时间和空间位置会有不同的判断。然而，对于所有参考系中的每个观察者而言，时空间隔（或如闵可夫斯基所称的爱因斯坦间隔）这一量将保持不变。图片来源：Maschen/维基共享资源

爱因斯坦留下了一句被无数人断章取义的话："想象力比知识更重要。"

很多人把这句话读成了对严格学习的否定，读成了"感觉对了就行"的授权书。但1929年他接受采访时的完整语境是：他刚刚谈完1919年日食如何验证了广义相对论，谈完他对自己理论的深度信念从何而来。他说这句话，是因为他对理论物理学的掌握已经深入到骨髓，才得以在实验验证之前就确信自己是对的，如果结果相反，他才会感到惊讶。

没有那个基础，想象力只是空想。

一个球在加速火箭中（左图）和在地球上（右图）下落时表现出的完全相同的运动轨迹，正是爱因斯坦等效原理的有力证明。如果惯性质量和引力质量相同，那么这两种情况下的运动轨迹就不会有任何区别。扭秤实验已经证实，对于物质而言，这一原理的精度优于万亿分之一，而正是这一想法（爱因斯坦称之为“他最快乐的想法”）促使他发展出了广义相对论。最近，ALPHA-g实验也证实了这一原理同样适用于反物质。图片来源：Markus Poessel/Wikimedia Commons；由 Pbroks13 润饰

爱因斯坦对教育的真实态度，藏在另一句少人引用的话里。他在1921年写道："文科院校教育的价值不在于学习大量的事实，而在于训练思维能力，使其能够思考那些无法从教科书中学到的东西。"

这句话放在2026年，几乎是对AI使用方式的直接批判。

这确实是真的：爱因斯坦确实说过“想象力比知识更重要”。但是，除非你了解这句话的语境，否则你几乎肯定会误解和曲解他的意思。图片来源：诺贝尔奖基金会

他在苏黎世联邦理工学院并不是一个轻松的学生。数学大师闵可夫斯基评价他"总是逃课"，"数学教育不太扎实"。但爱因斯坦没有因此停下来，而是在毕业后持续自学，组建了奥林匹亚学院这个非正式的读书讨论小组，与朋友们研读物理、哲学和文学，在这个过程中一点一点地磨砺出了他后来改变世界的思维方式。

他要的是真实的智识摩擦，而不是省力的捷径。

共识不等于正确

1919年，亚瑟·爱丁顿的探险之旅证实并验证了爱因斯坦广义相对论的预测，但与牛顿力学的预测存在显著差异。这是爱因斯坦新引力理论的首次观测验证。日全食期间星光偏转的程度是爱因斯坦新理论独有的关键预测。图片来源：《伦敦新闻画报》，1919年

AI的一个根本性局限，在科学领域暴露得最为清晰。

AI的基准测试依赖三个前提：验证成本低、反馈循环短、考题固定。而物理学和天文学的真实研究恰恰打破了这三条。真实的数据会有标签错误，会有多个同样合理的解释，会出现任何训练集都没有见过的新现象。詹姆斯·韦伯太空望远镜拍摄到的一些最遥远星系，正是因为与前景天体重叠，才需要人类专家的眼睛和判断力，而不是模式匹配算法。

这张最新的“鹰图”展示了通过引力波合并（橙色和蓝色）以及电磁信号（黄色和红色）探测到的黑洞和中子星，揭示了质量小于250个太阳质量的已知黑洞和中子星的现状。仅仅11年前，还没有已知的引力波事件，而如今，到了2026年6月，已确认的事件数量已达390起，其中包括780个合并前天体和390个合并后天体。任何计算能力的提升都无法取代这些实际数据。图片来源：LIGO-Virgo-KAGRA / Aaron Geller / 西北大学

在这里，AI能给出的只是基于现有数据的共识，而共识衡量的是一致性，不是正确性。

作家尼古拉斯·卡尔说过一句同样刻薄而精准的话："有了生成式AI，一个成绩原本为B的学生也能做出A级作品，同时自己却沦为C级学生。"

课程结束之后，考试通过之后，你唯一带走的，是你大脑里真实发生的那些事。如果这些事情被外包掉了，你带走的就是一片空白。

这不是反对技术的情绪，而是一个关于人类认知能力如何运作的基本事实。爱因斯坦早就知道这一点，他用一生的行动给出了答案。