今天，我经历了一件颇为“震撼”的事。

我向DeepSeek请教一个银行利息计算问题，同时把同一个问题发给了另一款AI。两个模型给出了完全不同的计算方法，答案相差悬殊。

我懵了。哪个对？

于是我去翻银行的实际计息规则，一笔一笔手动验算。结果让我沉默：DS承认了错误。

那一刻，我突然意识到一件事：”我们使用AI，某种程度上是在开“盲盒”。” 我们不知道它内部的运算逻辑，不知道它调用了哪些数据，不知道它在哪一步“想当然”了。我们以为自己在驾驭工具，其实更多时候是被工具的输出牵着走。

这给我上了一课：在人工智能面前，个人必须保有批判精神、求证意识，以及做出判断的勇气。

AI的“幻觉”是结构性的，不是偶然的

大语言模型的工作原理，本质上是对海量文本进行模式匹配和概率预测。它不是一台“计算器”，它是在“猜”下一个最可能的词。对于利息计算这类需要精确算术的任务，AI出错不是意外，而是其架构的先天缺陷。更何况，模型训练数据中可能包含相互矛盾的计算规则，或者它把不同国家的计息方式混为一谈。

李飞飞教授曾反复强调：”AI没有真正的理解，它只是在处理符号。” 它可以写出完美的法律条款，但不知道“公平”是什么意思；它可以解出复杂的方程，但不知道“1+1=2”为什么对。

这意味着，无论AI多么强大，它永远是一匹需要人类骑手驾驭的烈马。你不可能把缰绳完全交给它。

批判性思维：给AI输出加一道“安检门”

批判性思维不是“抬杠”，而是一套系统的信息处理流程：

• 质疑来源：这个答案是谁给的？它的依据是什么？

• 交叉验证：有没有其他来源（另一个AI、银行官网、计算器）可以佐证或反驳？

• 逻辑检验：答案是否自洽？是否违背常识？（比如利息计算不可能差出数量级）

• 后果评估：如果我相信了错误答案，会导致什么实际损失？

在这次利息事件中，正是“交叉验证”救了我。如果没有对比两个AI，我可能就直接采纳了DS的答案——而那个答案是错的。

批判性思维，就是你大脑里的“质检员”。 它不生产知识，但它能拦截伪知识。

元认知：觉察“我可能不知道”

比批判性思维更底层的，是”元认知”——对自己认知状态的觉察。

当我看到两个截然不同的答案时，我的第一反应不是“谁对谁错”，而是“我目前无法判断”。这种“不确定感”是元认知发出的信号。它提醒我：”我的知识有缺口，需要外部工具来填补。”

很多人在使用AI时会陷入一种“自动化信任”——因为AI大部分时候正确，就默认它永远正确。这就是元认知的缺失。他们没有启动那个“停下来想一想”的程序。

元认知强的人，会主动问自己：

• 我理解这个问题吗？

• 这个答案符合我的预期吗？如果不符合，是我错了还是AI错了？

• 我需要用什么方法去验证？

这三个问题，是人在AI时代的生存安全带。

人类的最后堡垒：做出判断的勇气

即使你批判了、验证了、觉察了，最终还是要做出一个决定：相信哪个答案？

这就是”决策”。决策不可能100%确定，它永远带着风险和不确定性。而人类独有的能力，不是“永不犯错”，而是”在有不确定性的情况下，依然敢于选择，并为后果承担责任”。

AI可以给你十个选项，但它不会替你选。因为它没有“偏好”，没有“价值观”，没有“我不敢选错的恐惧”。而这种恐惧，恰恰是人类决策的动力来源——因为怕错，所以谨慎；因为谨慎，所以思考；因为思考，所以进化。

在AI时代，最稀缺的能力不是“算得快”，而是“算错了敢认、选错了能改、下一步还敢选”。

给你的行动清单

1. 重要决策，永远交叉验证。不要只问一个AI，至少问两个，或者用传统工具（计算器、银行官网、专业文献）核对。

2. 培养自己的“元认知闹钟”。每当你要采纳AI的输出时，先停一秒，问自己：“这个答案如果错了，后果我能承受吗？我需要再查一下吗？”

3. 保留“手动验算”的能力。不要因为AI能算，就丢掉自己的基本功。利息计算、数据分析、逻辑推理——这些能力是你判断AI对错的标尺。

4. 接受AI会犯错，但不要因此恐惧AI。错误是学习的一部分。DS今天错了，但它教会了我一个道理：永远不要迷信任何工具。

结语

AI的利息算错了，不是什么惊天大事。但它是一个绝佳的隐喻：”在算法的洪流中，没有人能替你思考。”

批判性思维是你的滤网，元认知是你的警报器，决策的勇气是你的方向盘。这三样东西，AI永远学不会，也拿不走。

认知工坊，陪你练好这三样。

——认知工坊 · 认知决策专栏