超越替代论：用“认知属性框架”重新思考智能体的系统定位

引言：问题并非“谁更聪明”，而是“谁负责什么”

关于AI的长期影响，大家经常讨论：“AI会不会取代人类”？这个问题的核心是，它默认“人类认知”是一个整体，而“取代”是一个整体行为。这个问题可能每个人心中都有自己的答案，本身也不太好回答，转换为一个更有意义的问题：在人类—智能体的长期共存中，认知任务将如何被重新分配？在这个前提条件下，我们尝试找到一些不一样的答案。

历史经验表明，每一次重大技术变革，都不是简单的替代，而是认知分工的重构：

• 计算器并未取代数学家，但取代了心算

• 搜索引擎并未取代知识，但重构了记忆的价值

• 自动驾驶并未消灭“驾驶”，但正在重塑其边界

因此，对智能体的远期判断，核心不在于能力边界的瞬时位置，重点需要关注：哪些认知功能一旦被系统性外包，就不会再回到人类？哪些功能即使技术进步，也会长期保留在人类一侧？

一、判断框架：从“能力”转向“认知属性”

要讨论认知分工的终局，仅仅比较“谁做得更好”是不够的。更关键的是理解不同认知任务的内在属性。我们定义4个判断维度：

1. 可形式化程度：是否可以被清晰定义为输入—输出关系

2. 规模优势：是否随数据与算力增长而线性或超线性受益

3. 责任可转移性：失败后责任是否可以合理地归因给系统

4. 价值嵌入性：任务是否内生地包含价值、意义或信念判断

在这四个维度上高度偏向“可形式化 + 可规模化 + 可转移 + 低价值嵌入”的任务，几乎注定会逐步、不可逆地移交给 AI。