Thinking Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning

看到這個標題，我第一個想法是：「又來了，又要講 System 1 和 System 2。」不過既然是從開發者角度切入，倒是值得好好聊聊 AI 怎麼影響我們寫 code 時的判斷邏輯。

快思考 vs 慢思考，在程式設計裡的差別

Daniel Kahneman 的《快思慢想》把人腦分成兩套系統：System 1 負責直覺反應，System 2 負責深度思考。在寫程式時，這兩套系統其實一直在運作。

System 1 讓你看到 for loop 就知道要處理陣列、看到 useEffect 就想到 side effect。這些是肌肉記憶，不需要思考。而 System 2 是你在設計 architecture、評估 trade-off、debug 複雜問題時用的 — 需要專注、邏輯推理、系統性分析。

問題來了：AI 工具大量介入後，這個平衡被打亂了。

AI 如何偷走你的慢思考

最明顯的變化是 GitHub Copilot 這類 code completion。它讓 System 1 變得異常強大 — 你打個函數名稱，它直接給你完整 implementation。表面上很爽，效率提升，但長期來看有個問題：你的 System 2 使用頻率降低了。

我自己觀察到一個現象：用 Copilot 寫 code 時，我會更傾向接受它的建議，即使那個解法不是最優的。因為「反正能跑」，而且改 AI 生成的 code 感覺比從零開始寫還麻煩。這就是典型的 cognitive offloading — 把思考外包給工具。

更麻煩的是 ChatGPT 解 bug 的情況。以前遇到 runtime error，你得一層一層 trace、看 stack trace、理解程式流程。現在？直接貼給 GPT，它告訴你「這裡少了 null check」或「非同步處理有問題」。雖然問題解決了，但你對系統的理解並沒有加深。

判斷力的退化與進化

這裡有個有趣的矛盾：AI 讓你在 tactical 層面的判斷變差，但在 strategic 層面可能變好。

Tactical 判斷是指具體的技術決策 — 該用哪個 data structure、怎麼優化這個 algorithm、為什麼這個 API 設計不好。這些需要深度的技術理解，而過度依賴 AI 會讓這種判斷力鈍化。

但 Strategic 判斷不一樣。當你不用花時間在「怎麼實作」上，你有更多心力思考「該不該做」「做什麼」。我最近就有這種感覺 — 用 AI 快速 prototype 後，我會花更多時間評估這個 feature 是否真的有價值、user experience 是否合理。

新的認知模式正在形成

老實說，我覺得新一代開發者的思維模式跟我們這代會很不一樣。他們從一開始就在 AI-first 的環境下學習，可能根本不會經歷「手刻所有東西」的階段。

這不見得是壞事。就像我們不會覺得「用 Google 搜尋答案」是偷懶，未來「用 AI 生成程式」可能也會變成基本技能。重點是要培養新的 meta-skill：

1. Prompt engineering — 怎麼跟 AI 溝通才能得到你要的結果
2. Code review mindset — 快速評估 AI 生成的程式品質
3. Architecture thinking — 專注在系統設計而非 implementation detail

風險與機會並存

最大的風險是 deskilling — 基礎技能的退化。如果你不懂底層原理，遇到 AI 解不了的問題時就會卡住。這讓我想到很多人用 jQuery 用到不會寫 vanilla JavaScript，後來 React 流行時適應困難。

但機會也很明顯：focus shift。當程式語言變成更高階的溝通工具，開發者可以把精力放在更有價值的地方 — 理解業務需求、設計使用者體驗、思考技術策略。

關鍵是要主動調整學習模式。不要完全依賴 AI，該手刻的時候還是要手刻。就像健身一樣，偶爾要關掉輔助，用原始重量訓練。

結論

AI 確實在重塑我們的思考模式，但這不是第一次了。從 assembly 到 high-level language、從手刻 HTML 到 framework、從 manual deployment 到 CI/CD，每一次工具進步都會改變開發者的思維。

重點是適應，而不是抗拒。用 AI 提升效率，但保持對底層的理解。讓 System 1 變強，但別忘記鍛鍊 System 2。這樣才能在 AI 時代保持競爭力，而不是被工具綁架。

<h2>延伸閱讀</h2> <ul> <li><a href="/blog/anatomy-of-agent-harness">拆解 Agent Harness — 你以為的 AI Agent 其實 90% 是 harness</a></li> <li><a href="/blog/coding-agents-reshaping-epd">Coding Agent 正在改變工程、產品、設計的協作方式 — 但改變的不是你想的那個</a></li> <li><a href="/blog/building-nextjs-for-an-agentic-future">Building Next.js for an agentic future</a></li> </ul>