AI時代下「智慧通膨」，不代表人人都是博學多聞

近來有人提出「智慧通膨」這個概念，大意是生成式AI快速普及之後，原本昂貴的知識與認知工作開始大量供應。過去需要律師、工程師、顧問或其他專業人士才能完成的工作，現在一般人透過AI，也可能做到6、70分，甚至80分。當這類產出愈來愈便宜，相關工作的市場溢價自然會面臨壓力。

「智慧通膨」也是一個非常容易記住的說法。問題恰恰可能出在這裡。一個名詞愈容易流行，就愈容易在離開完整論述之後，被壓縮成比原意更簡單的版本。最後人們記住的可能只剩下：AI讓智慧變多了，所以智慧會貶值，專業能力也會跟著愈來愈不值錢。

事情恐怕沒有這麼簡單。AI大量增加的，究竟是智慧本身，還是市場上可以隨時被調用的認知產出？這兩者未必完全相同。先做一個很簡單的思想實驗，知名物理學家費曼再怎麼天才，也只有一天24小時。假設一位頂尖學者一年可以聽100場高品質的專題演講，連續30年，就是3,000場。這已經是非常驚人的知識攝取量。除此之外，他還要讀書、研究、教學、寫論文，也必須吃飯、睡覺與生活。人類再聰明，都逃不掉這個物理限制。

AI面對的卻是完全不同的尺度。今天的大型語言模型訓練時接觸大量跨領域文本，物理、化學、歷史、法律、程式、經濟、醫學、文學，可以同時存在於同一套系統裡。這裡要比較的不是演講與訓練資料如何精確換算，而是一個很基本的差異：單一人類的知識攝取始終受到時間與壽命限制。

因此AI有時候看起來近乎無所不知。前一分鐘問量子力學，下一分鐘問公司法，再下一分鐘問明朝財政制度，它都可以接下去。任何單一人類都很難擁有這種知識廣度。這當然是一種非常強大的能力。當知識規模大到某個程度，也會產生推理、類比與跨領域組合等新的能力。某種程度上，這正是量變導致質變。

可是AI擁有這種能力，和每個使用AI的人都因此擁有同樣的智慧，仍然是兩回事。二十多年前Google開始普及，也曾經讓人類取得資訊的成本大幅下降。以前為了一個問題可能要跑圖書館、找索引、翻期刊，後來只要坐在電腦前搜尋幾秒鐘。可是Google普及之後，有發生人人都變成教授、學者的現象嗎？顯然沒有。你可以在口袋裡帶著整座圖書館，不代表你就是學者。

AI只是把這座圖書館又升級了。它不只替你找書，還可以整理重點、回答問題，甚至幫你完成一部分工作。這比Google強大太多，但最基本的界線仍然存在：工具知道，不代表使用者知道；工具做得到，也不代表使用者真的具備那項能力。我自己不是蛋白質結構生物學的專家，即使今天把很強的生成式AI交到我手上，我也不會因此帶著幾個提示詞就做出AlphaFold。

AlphaFold背後需要機器學習、結構生物學、生物資訊學等不同專業的長期累積，還有一整個團隊把這些能力組合起來。AI可以幫一個外行人快速理解相關知識，也可以協助專業人士處理資料，但「我可以問AI」和「我有能力把蛋白質折疊這個問題往前推進」，中間仍然隔著很大的距離。

過去識字曾經是一種相對稀缺的能力，今天多數先進國家的識字率已經接近普及。我們通常不會因此說發生了「識字通膨」。識字作為稀缺能力的市場溢價確實下降了，但讀寫能力本身並沒有因此變得沒有價值，反而成為現代社會運作的基本能力。生成式AI確實讓某些東西的供給急遽增加。一般文案、資料整理、程式初稿、翻譯、簡報、客服回覆，很多過去需要花費大量人力的認知產出，現在幾分鐘甚至幾秒鐘就能取得。如果一定要借用經濟學的語言，這裡大量增加的比較像是「認知產出的供給」。以前市場上可能只有少數人能穩定做出七十分、八十分的文案、翻譯或程式，現在大量使用者都可以借助AI做到。

當這些產出彼此很像、容易複製，又可以互相替代，原本的稀缺性當然會下降，市場願意支付的價格也可能跟著下降。原本花幾千元、幾個小時才能取得的成果，現在可能幾乎免費就能得到。從這個角度看，某些認知勞務的價格甚至比較像是在「通縮」：供給愈來愈多，取得成本愈來愈低。但供給增加，也不代表所有認知產出都會跟著貶值。如果需求同步增加，或者不同產出的品質差異很大，彼此不能輕易替代，價格就未必一路往下。從這個機制來看，最容易受到價格壓力的，會是那些可以標準化、大量複製，而且替代性很高的工作。一份制式客服回覆可以大量生成，一份一般性的會議摘要也可以很快完成。但要決定一家公司的技術路線、判斷一項新藥值不值得繼續投入、設計下一代晶片架構，或者把一個沒有人解決過的科學問題往前推進，事情就沒有那麼簡單。

甚至在這些高度非標準化的工作裡，AI未必讓專業能力貶值，反而可能讓原本就很有能力的人如虎添翼。同樣一套AI工具，交給剛入門的人和交給深耕某個領域二十年的專家，產生的結果未必一樣。後者知道哪些問題值得問、哪些答案有問題、哪些細節不能忽略，也知道下一步應該往哪裡走。AI可以擴大兩個人都能完成的工作範圍，但原本的專業差距不一定因此消失，有時甚至可能被放大。

這正是「智慧通膨」一旦變成流行語之後最容易產生的誤解。四個字太容易讓人順著字面一路推下去：AI愈來愈強，人人都能取得智慧，所以所有專業能力都會逐漸貶值。可是AI造成的變化，很可能不是所有能力一起往下掉，而是一場重新分化。可以標準化、可以大量複製、彼此高度替代的認知產出，確實可能快速失去原本的稀缺性；但那些高度依賴經驗、判斷、創新與深度專業的工作，AI也可能成為新的槓桿。原本能做到100分的人，不一定會被大量80分的產出取代，他也可能因為多了一套強大的工具，做出過去做不到的事情。

所以實際發生的現象，也許可以拆得更清楚一點：一般認知產出的供給正在快速膨脹，而其中可以大量複製、容易替代的部分，單位價格正在下降。這和「所有智慧都在貶值」仍然不是同一回事。因為具有深度的專業知識，並沒有因此自動進入每個人的腦袋。一個不懂會計的人可以請AI分析財報，不代表他突然成了會計師；一個不懂程式的人可以叫AI產生程式碼，不代表他已經具備完整的軟體工程能力；一個高中生可以請AI解一道微積分題，也不代表他下次換一道題就一定知道怎麼做。

AI普及的，是能力的外部調用。內化在使用者身上的專業能力，仍然需要學習。這個區分在AI愈來愈強之後反而更重要。以前不知道一件事，我們通常很清楚自己不知道。現在問AI30秒，就會得到一份條理完整、語氣肯定的答案，很容易產生另一種錯覺：既然我可以取得這個答案，我好像也已經擁有這項知識。可是把答案拿到手，和真正理解答案，始終不是同一件事。因此，我不否認AI正在改變知識工作的價格，也不否認大量原本稀缺的認知產出正在快速商品化。「智慧通膨」這個說法確實抓到了一部分正在發生的現象。但我們需要小心的是，一個有條件、有邊界的概念，在成為流行語之後，很容易被壓成一句「智慧正在貶值」。實際上，可以標準化、容易替代的認知產出可能變得不再稀缺；高度依賴經驗、判斷與創新的能力，卻可能因為AI而被進一步放大。

AI的確讓我們第一次可以隨身帶著一套近乎橫跨人類文明知識的系統。只是口袋裡多了一座會說話、會整理資料、甚至會幫忙工作的圖書館，不代表我們自己就成了學者。流行語可以幫助我們快速理解世界，但當四個字取代了原本的條件與差異，它也可能反過來讓我們誤解世界。