从200到240：人工智能的演变如何改变人类能力差距

是否AI会缩小还是扩大人类差异的问题并非二元——这取决于我们所考察的进化阶段。通过为不同场景赋予定量的“认知能力”分数，我们可以追踪AI发展如何从根本上重塑人类能力的动态。数字——尤其是从200到240的进步——揭示了一个关键洞察：最初的差异是暂时的，长期趋势倾向于趋同。

基线：没有AI时衡量人类认知能力

为了理解AI的影响，我们需要一个参考点。想象为不同水平的人类能力赋予认知能力分数：小学学生为10分，博士毕业生为60分，大学教授为75分，爱因斯坦为100分。10到100的差距代表了10倍的差异——类似于人类与狗之间的差距。

这个巨大的差异说明了为什么有人会争辩“人与人之间的差异有时超过人与动物之间的差异”。没有外部工具，原始的认知能力会造成巨大的性能鸿沟。

悖论：AI得分80分是在扩大还是缩小人类差异？

现在引入2025年水平的AI，估值约为80分。这个分数反映了AI的通用知识能力；专业领域可能会赋予它更高的价值。当AI变得对所有人都可用时，数学关系发生了戏剧性的变化：

• 小学学生 + AI = 90分
• 博士毕业生 + AI = 140分
• 大学教授 + AI = 155分
• 爱因斯坦 + AI = 180分

绝对差距从90分缩小到仅仅90分……等等，这听起来似乎矛盾。实际上变化的是相对差距——从10倍差异大致变为2倍左右。这表明AI确实在缩小人类之间的差异。

但问题在于，并非所有用户都能从AI中提取相同的价值。一个随意使用、几乎只利用了AI潜能20%的用户，获得的益处远远少于一个通过密集使用最大化输出的专家——一些人称之为“超频”。这立即逆转了乐观的场景：

• 小学学生 + AI新手（利用率20%）= 26分
• 爱因斯坦 + AI专家（利用率100%）= 180分

差距从90分激增到154分。用户的专业水平突然放大了人类差异，而非缩小。

轨迹：200、240及未来——当AI变得更聪明、更易获取

解决方案在于认识到这些相互竞争的动态代表暂时条件。随着AI沿两个关键维度发展——变得更智能且更易使用——整个方程式将发生变化。

考虑AI发展到240认知点，利用能力扩展到200-240-280范围：

• 小学学生 + 进化的AI = 210分
• 爱因斯坦 + 进化的AI = 380分

绝对差距增加到170分，但相对差异实际上缩小到1.8倍。出人意料的是，更高的AI智能减少了人类差异，因为它使基础性能门槛变得如此之高，以至于个体差异的比例变得更小。

将这个预测进一步推向“超级乐观”场景，即AI达到1000认知点：

• 小学学生 + 成熟的AI = 1010分
• 爱因斯坦 + 成熟的AI = 1100分

在这个阈值上，90分的差异几乎变得毫无意义。爱因斯坦固有的优势在统计噪声中消失。

临界点效应：为什么用户专业水平差距最终会消失

关键的反驳——即专业水平差距会持续扩大的观点——假设AI难度保持不变。但这个假设在审视下是站不住脚的。AI不仅仅取代了作家和插画师，它还在取代“提示工程师”——那些教导他人如何最大化AI潜能的人。

如果AI几乎可以自动化所有专业技能，为什么“如何最优使用AI”的教学仍会困难？目前区分用户的专业知识将变得自动化、集成化，最终对终端用户来说变得无形。

未来的状态不会偏袒孤立的专家。相反，它会使人类利用AI潜能的80%-120%作为基线表现，而非特殊成就。当这成为标准时，能力差距将消失。

这类似一个粗略的比喻：两个武术大师突然发现肩载火箭发射器在战斗中被允许。他们经过10或15年的体能训练变得无关紧要。这个工具变得如此占优势，以至于技巧差异几乎没有意义。

趋同假说：为什么200-240范围很重要

从今天的约80点AI到200-240能力范围，再到最终的1000+智能，代表的不仅仅是简单的规模扩展。每一次跃升都从根本上改变了用户技能与输出质量之间的关系。在80分时，专业知识极为重要；而在1000分时，它几乎不再重要。

这只有那些假设AI难度保持不变的人才会遇到的真正悖论。实际上不会如此。随着AI变得真正聪明，能够理解用户意图——本质上是“读心”而非需要精确命令——最大化利用的门槛将崩溃。学习如何有效使用AI将从“需要学习的硬技能”转变为“只需基本交流的自然互动”。

在这个过渡阶段，人类差异的暂时扩大只是早期采用的特征，而非永久的结果。在更长的AI发展轨迹中，证据明确倾向于趋同——未来人类之间的差异将逐渐缩小，甚至变得几乎无法区分，类似于普通人和由成熟AI驱动的同一个人之间的差异。