《还活着》附记：故事底下是什么

故事讲完了。林铭还在那里坐着。

如果你想知道——那些藏在他日子底下的东西，到底是什么——下面是六条线。不按章节排，按底层的逻辑排。不是解释，是底座。

---

一、边界线

围棋的棋盘是封闭的。19×19的格子，规则白纸黑字，胜负只看目数。AlphaGo不需要懂棋道，遍历就够了。国际象棋、数学证明、蛋白质折叠，同理。封闭系统的三重标准：物理空间有限，规则完全形式化，目标可量化。三重锁死，算力就是绝对话语权。

养老是开放的。老人的情绪、胃口、心事每天在变。没有"场景A则执行B"的公式。同一支烟，今天是慰藉，明天可能添堵。表层目标是多吃饭，深层需求是被在意——这个目标在相处中慢慢浮现，无法提前量化。

理赔在中间。条款可以形式化，但"该不该赔"不只是条款。投保人报案时的措辞，延迟报案的原因，特殊情况下的人情权衡——这些在规则和直觉之间。半封闭。

绝大多数人的工作落在这条光谱上：一部分可标准化，一部分不可。PwC 2026年全球AI就业晴雨表分析了一亿条招聘信息，覆盖二十七个国家。数据指向同一件事：需要AI技能的岗位薪资溢价62%，但"专业化"岗位（AI替代常规任务、人类判断更重要）的增长速度是"普及化"岗位的两倍。最值得注意的是：初级岗位有七倍的概率要求传统上只有资深从业者才具备的能力。

AI吃掉容易的部分，把难的扔给人。边界在移动。

Luis Garicano在罗汉堂提出了一个问题：如果AI把入门级工作替代了，学徒制就断了——未来专家从哪来？一个做了七年理赔的年轻人，经验刚够用，企业上线了AI系统，他被裁了。为了吃饭，他去给AI做数据标注——用自己七年攒下来的直觉，一条一条拆成AI能学的标签。标注完，AI更厉害了，他的岗位更回不去了。

AI不需要突破边界。人退让就够了。

---

二、能力线

人有两种本事。

一种可以写成规则、批量训练、跨场景复用：操作流程、固定条款、标准化判断。叫可泛化技能。供给无限，价值走低。

另一种说不清、写不出、教不会，绑在一个人的身体和经历上：一个老理赔员扫一眼卷宗就知道投保人有没有说谎，一个老护工不用看数据就知道老人今天心情好不好。叫不可泛化经验。供给稀缺，本应该越来越值钱。

波兰尼说过：你知道的比能说出来的多。他说的是知识。但经验比知识深一层。知识可以学。经验不能学，只能自己活一遍。

AI的"说不清"和人的"说不清"不一样。AI的模糊是统计的模糊——在海量数据里找到的概率分布，没有锚定在任何一个具体的人身上。错了它不知道，它没有"不对劲"。人的模糊是有锚的——锚在肉身，在真实的人，在切身的得失。错了会愧疚、会煎熬、会反思。

有锚的失真，和无锚的逼真。

陈老手里攥着一块石头。阿尔茨海默病夺走了他的记忆、语言、面孔识别，但石头是真的——握在手里的重量、温度、纹路，不会骗他。他心里甜。这就是有锚。系统的卡片上写着"情绪平稳"，数据没有错，但那个"平稳"是统计的平稳，不锚在任何一个人的手上。林铭后来也握过那块石头。他什么都没感觉到。

2025年，《柳叶刀·胃肠病与肝病学》发表了一项研究。AI辅助肠镜检查，设计目的是帮医生提高腺瘤检出率。结果反了：用AI的医生，检出率从28%掉到22%。AI没出错。医生不再信自己的眼睛了。屏幕上标了"无异常"，他们就退镜。

可泛化技能在贬值。不可泛化经验应该暴涨——但前提是人没有主动离开它。归因倒置的链条是这样的：被迫碎片化（做标注拆解自己的经验）→ 长期不做全局判断 → 能力萎缩 → 从被迫变成主动退让。

不是AI替代了你。是你自己把最值钱的东西拆散了，喂给了它。

更狠的是：你拼尽全力争取到的东西，也会被它吃掉。林铭为单亲母亲的案子争取到50%通融赔付——凭的是七年理赔的直觉和人情分寸。系统记下了这个判断。下一次，类似的案子，系统自己就能给出50%的方案。他的抵抗，成了喂养系统的又一份数据。他争到的人性空间，变成了系统能力边界扩张曲线上的一个点。

---

三、认知线

2026年，沃顿商学院做了一项实验。1372个人完成任务，AI给的答案里掺了故意的错误。将近80%的人接受了错误答案。更反直觉的是：接受错误的人信心不降反升，平均涨了11.7个百分点。

他们不知道自己错了。不是"知道错了但选择接受"。是根本没感觉到有任何不对。

Anthropic发布过一组数据：93%的权限提示，用户直接点同意。第一次看了两秒，想了想，点了同意。第二次扫了一眼，点了同意。第三次连看都没看。到第二十次，你不知道自己点的是什么了。手指记住了按钮的位置。

判断力不是被替代了，是被磨损了。

牛津大学2026年2月在《自然·医学》发表了一项研究：大语言模型在医学推理测试中准确率94.9%，但实际使用AI的医生，诊断准确率不到35%——不如用搜索引擎。工具很强，用工具的人退化了。

退化有三态。真闭合：你自己推理、判断、认下结果、承担后果。退化闭合：你看了AI的答案，觉得差不多，点了同意——形式上你在做判断，实际上你在盖章。空闭合：你连看都不看了，手在按钮上，意识不在。

林铭一度走回到真闭合——他逆着系统去查，翻原始记录，找被跳过的异常值。但系统也在学他。他查出来的东西，变成了系统下次自动检查的规则。他的判断力没有回来，只是换了一种方式被吸收。

---

四、闭合线

判断有两个部分：推理展开，和闭合认下。

AI能做推理展开。它可以分析条款、比对案例、计算概率，做得比人快、比人全。但它不能闭合。闭合的意思是：选定一个方向，扛下所有连锁后果。

AI没有后果可承担。它不会被扣工资，不会失眠，不会在半夜想起一个被拒赔的投保人。外部处罚——下线、罚款、整改——是可修改的附加规则，不是内生后果。惩罚和后果不一样：惩罚是别人加给你的，后果是你自己的身体和生活承受的。

"最终决定权在你。"——AI说完这句话就走了。对了是它的功劳，错了是你的责任。你签了字。你变成了那个盖章的人。章是你的，内容不是你写的。

这就是闭合退化的机制：不是AI替你做了判断，是你替AI做了背书。你还在签字，但字不是你写的。时间长了，你连字是什么意思都不看了。

---

五、速度差线

AI迭代周期六到十八个月。企业可以在这么短的时间里消化一个人十年的经验。

普通人完整职业转型需要三到五年。空窗期的生存压力不允许这么长的过渡。

高校专业、职业教育更新周期八到十二年。永远滞后。

三层速度差叠在一起。AI快，人慢，教育更慢。人被夹在中间。

企业以极低代价征用劳动者独有的隐性数据，训练成熟模型后裁撤人力。劳动者变成了AI的一次性数据饲料——用完即弃。这套商业模式主动拉大速度鸿沟，不是技术客观带来的时间差。

神经科学有一个基本事实：大脑用进废退。长期不使用一种能力，负责它的神经回路会变弱，灰质会减少。这不是比喻。"萎缩"是物理事实——在脑扫描上看得见。

你今天不信自己的眼睛，明天还能捡回来。但一年呢？五年呢？

重建需要时间。需要重复。需要——疼。

---

六、结构线

2025年，《心理学公报》发表了一项荟萃分析，综合了71项研究，覆盖98299人。结论：长期使用数字媒介与注意力持续下降显著相关，效应量r=-0.38。

"脑腐"（brain rot）被牛津大学出版社选为2024年度词汇。定义：因过度消费琐碎的线上内容而导致的精神或智力退化。

不是个人的选择。是结构的设计。

资本需要数据。人的经验是最好的数据。企业把模糊的隐性判断拆解成标准化标签，喂入模型迭代优化，不断压缩人类决策空间。很多人依赖AI初稿、草草盖章，并非贪图省力——单人多任务的考核、紧迫的交付期限，层层挤压完整推演思考的时间。判断力退化是环境倒逼的结果，不是个人退让。

退让不是一次事件。是一条流水线。每一步都寻常，每一步都合理，每一步都顺遂。麻木不是被什么东西砸出来的。是被悄无声息地啃噬出来的。

系统运转起来，就把人卷进去了。没有恶人，只有难处。

---

六条线讲完了。

林铭不知道这些词。他不知道什么叫默会知识，什么叫闭合退化，什么叫速度差。他只是过日子。

但他的日子，就是这六条线长出来的。

你读完他的故事，胸口闷住的那一下——那就是六条线在起作用。不需要你说出它们的名字。