上一问的结论是，要紧的不是机器有没有执行权，而是它有没有判断权。可要知道一项技术到底拿走了什么、留下了什么，得先有一套看的办法。

一项新技术出现的时候，我们通常先问它能做什么。汽车让人移动得更快，飞机让人飞得更远，互联网让信息传播得更快，手机让交流变得即时，人工智能可以写作、绘图、编程、翻译、搜索和推理。于是我们很自然地把技术的影响理解成一张功能清单：它增加了什么能力，节省了多少时间，降低了多少成本，提高了多少效率。

但真正深刻的技术变化，往往不出现在这张清单里。汽车改变的从来不只是速度，它改变了城市应该怎样被设计；电梯改变的不只是上下楼的方式，它改变了建筑应该长到多高；钟表改变的不只是计时，它改变了人类如何理解工作、纪律与一天的结构；互联网改变的也不只是信息传播，它改变了什么值得被看见、什么能够被记住、什么能够迅速扩散。AI 则把问题推向更深处：当机器开始参与我们的阅读、写作、搜索、判断与创造，我们应该站在哪里，才能观察它对我们造成的改变？因为观察本身，已经在技术之中。

一最深的技术，最不像技术

新技术刚出现的时候，人们通常只看见它最直接的用途。铁路出现时人们看到的是更快的交通，电话出现时看到的是远距离通话，电视出现时看到的是把画面送进家庭，互联网出现时看到的是连接电脑，智能手机出现时看到的是把电脑装进口袋。这些判断都没有错，只是它们通常只描述了第一层效果。

一项技术真正进入社会之后，会发生第二层变化：人们开始围绕它重新组织生活。城市围绕汽车修建，商业围绕电话建立新的服务方式，家庭围绕电视安排时间，公司围绕互联网组织工作，个人围绕手机安排注意力。当这种变化完成之后，我们反而很难再看见它，因为它已经从技术变成了环境。这就是最重要的难题：最深刻的技术，往往是我们最不容易意识到的技术。我们不会每天醒来感叹自己生活在一个由电网、网络、卫星定位、云计算和算法共同构成的世界里，我们只会打开灯，打开地图，打开手机，打开搜索，然后继续生活。技术最成功的时候，恰恰是它不再显得像技术的时候。

二麦克卢汉：要看的是形式，不是内容

一九六四年，马歇尔·麦克卢汉在《理解媒介》里提出了那句后来极具影响力的话：媒介即讯息。这句话很容易被误解成内容不重要，他真正关注的是另一件事：一种媒介的影响不只存在于它传递了什么内容，还存在于它改变了人如何感知、交流和组织经验。

印刷术让大量文字能够被复制，它带来的变化不只是一篇文章可以被更多人读到：阅读方式改变了，知识传播改变了，教育结构改变了，公共讨论改变了，民族语言和共同身份也受到影响。电视出现之后，新闻变成了影像，政治人物开始面对镜头，公共事件开始按照视觉传播的逻辑被组织。社交媒体出现之后，信息又进入另一种结构：即时，碎片，连续更新，高度个性化，强烈依赖互动。于是真正需要观察的问题变成，我们究竟看到了什么，以及是谁决定了什么能够进入我们的视野。

三它改变的是对象，还是认识对象的方式

在没有摄影之前，一个人如何保存一张脸？靠记忆，靠文字描述，靠绘画。摄影出现之后，人的记忆突然拥有了一种新的外部形式；后来录像出现，再后来数字图像出现；今天，生成式 AI 甚至可以制造一个从未存在过的人。于是图像已经不只是记录现实的工具，它开始参与现实的生产。

这带来一个重要的认识：技术不仅改变我们拥有的对象，也改变我们认识对象的方式。望远镜让我们看到肉眼看不到的天体，显微镜让我们看到细胞，X 光让我们看到身体内部，传感器让机器看到人类感官无法直接感知的信号，AI 则开始从海量数据中发现人类难以直接识别的模式。每一次，我们都获得了更多的世界，但同时也获得了一种新的中介。我们看到的世界越来越多，可这些世界越来越需要经过仪器、模型、界面和算法才能进入我们的经验。于是问题变了：当我们看到的世界越来越依赖技术，我们看到的究竟是世界本身，还是技术允许我们看见的世界？

四海德格尔：什么算信息，什么值得优化

海德格尔在《技术的问题》里提出的一个核心洞见是，技术不仅是一种制造工具的方式，也是一种让世界以特定方式显现出来的方式。现代技术倾向于把世界呈现为可以计算、调用、储存和利用的对象：森林可以被理解为木材，河流可以被理解为能源，土地可以被理解为资源，时间可以被理解为生产效率。

到了数字时代，人也越来越容易进入类似的结构。一个人的阅读行为成为数据，一次点击成为信号，一次停留成为兴趣，一段关系成为网络连接，一次消费成为用户画像，行为被转换成可以计算的变量。这时候技术改变的已经不只是我们使用什么工具，它开始影响什么算作信息，什么算作价值，什么能够被测量，什么值得被优化。而一旦这些东西改变，我们甚至很难再用原来的标准观察变化。

五可测量的，会慢慢变成重要的

假设一个学校开始使用数据系统评价学生。最初它只是增加了一种测量工具：成绩可以记录，出勤可以记录，作业完成率可以记录，课堂参与可以记录。然后系统开始比较：哪些学生表现最好，哪些老师效果最好，哪些课程效率最高。到了下一步，人们开始围绕这些指标做决定：学生为了指标学习，老师为了指标教学，学校为了指标配置资源。

于是一个微妙的变化发生了：指标原本只是描述现实的工具，后来开始塑造现实。当一个指标成为奖惩依据，人们就会开始适应指标，被测量的东西变得更加重要，难以测量的东西变得更加边缘。如果创造力难以测量，它就容易被排在考试成绩之后；如果耐心难以测量，它就容易输给即时反馈；如果信任难以测量，它就容易被效率指标覆盖；如果长期价值难以测量，它就容易输给短期回报。所以技术带来的一个重要改变是：它不仅告诉我们发生了什么，也在重新决定什么值得被计算。

六温纳：它把什么关系固定了下来

一九八〇年，政治理论家兰登·温纳发表《人工制品有政治吗？》，提出了一个重要的问题：一个看起来没有政治立场的技术设计，会不会把某种社会关系固定下来？他讨论的经典例子是纽约长岛的高速公路桥梁，一些桥梁的设计高度会影响公共汽车能否通过，从而影响哪些人更容易进入某些区域。

这个例子真正重要的地方不在于某一座桥梁的具体历史争议，而在于它揭示了一种分析方法：技术的政治性未必写在说明书里，它可能存在于设计参数、默认设置、访问权限、接口结构、收费机制、排序规则、推荐逻辑、数据库字段，存在于谁拥有修改权限，谁能够进入系统，谁会被系统排除。因此当我们研究一项技术时，只问它有什么功能远远不够，还要问它把什么关系固定下来了，以及它取消了什么。

七一部手机究竟改变了什么

拿出今天最普通的一部智能手机。它可以打电话，拍照，导航，购物，阅读，支付，娱乐，工作。这些都是功能。但如果继续往下问它改变了什么，答案会突然变得巨大。

它改变了等待：过去等待意味着没有事情发生，现在等待意味着刷手机。它改变了记忆：电话号码、路线、日期、事实，都可以交给设备。它改变了注意力：一个人的注意力可以在几秒钟之内从工作切换到新闻、聊天、短视频和购物。它改变了社交：关系不再只存在于面对面相处，也存在于持续在线的状态。它改变了空间：一个人可以在同一间房间里，同时进入另一个城市的公共生活。它甚至改变了孤独：一个人独处的时候，也可以持续处于信息流之中。于是我们终于看到，技术的影响很少停留在功能这一层。它会继续进入人的习惯，习惯进入制度，制度进入文化，文化最后变成我们对世界的常识。

八最难看见的改变，是让对照组消失的改变

科学实验通常需要一个重要条件：对照组。要知道一种药有没有效果，需要比较服药与不服药的结果；要知道一种教育方法有没有影响，也需要某种比较。但技术进入整个社会之后，我们很难拥有这样的对照组。

没有互联网的人类社会是什么样？没有智能手机的注意力是什么样？没有搜索引擎的记忆是什么样？没有社交媒体的公共讨论是什么样？没有生成式 AI 的写作是什么样？我们可以回顾历史，可以进行实验，可以观察少数仍然保持不同生活方式的人群，但我们已经无法完整回到那个世界。有些技术改变一旦成为环境，就会让原来的环境消失，于是我们失去了比较的参照物，甚至不知道哪些行为是人类本来就这样，哪些行为是技术让我们变成这样。

九我们能站在环境之外看它吗

我们通常假设，我可以站在世界之外观察世界。但如果技术已经进入我们的感知、语言、记忆和判断，这个位置就开始变得不稳定。你用搜索引擎研究互联网，你用手机记录自己的注意力，你用 AI 分析 AI，你用数据测量数据社会。观察工具本身，就是研究对象的一部分。

这会产生一种特殊的反身性：我们试图使用技术理解技术，同时技术也在改变我们理解技术的方式。这和镜子有些相似。如果只有一面镜子，你可以看到自己；但如果镜子开始决定你看到哪个角度、放大哪些部分、隐藏哪些部分，那么你看到的就已经不是未经处理的自己。今天的算法系统正在成为这样的镜子：它把我们的行为反馈给我们，告诉我们喜欢什么，预测我们是谁，推荐我们应该看什么，甚至生成一个比我们自己更懂我们的用户画像。于是我们开始通过机器认识自己，而机器又通过我们留下的数据认识我们，观察与被观察之间的边界开始变得模糊。

十AI 进入的是意义的生产

过去的技术大多数时候是在人的感知和行动之间增加一个中介，AI 开始进入另一层：它进入了意义的生产。搜索引擎帮助我们寻找答案，生成式 AI 开始帮助我们形成答案。

过去我们提出问题，然后寻找资料；现在我们可以把问题交给模型，让模型替我们整理世界。过去我们写下第一稿，再让工具修改；现在工具可以直接生成第一稿。过去我们阅读大量信息，然后形成观点；现在系统可以先替我们总结，再决定哪些信息值得阅读。这意味着 AI 改变的已经不仅是信息获取速度，它开始影响什么进入我们的认知，我们如何组织知识，我们如何表达思想，我们如何形成判断，甚至我们如何提出问题。这也是为什么判断 AI 的影响时，仅仅统计它替代了多少工作远远不够，我们还必须问：当 AI 开始参与思考过程，它改变的是我们的答案，还是我们形成答案的方式？

十一选择变多，不等于更自由

选择数量是最容易测量的技术成果之一。以前只有十本书，现在有一亿本；以前只能看几个电视台，现在有数不清的视频；以前只能认识附近的人，现在可以认识全世界的人；以前只能购买附近商店里的商品，现在可以选择全球市场。从数量上看，我们拥有了前所未有的选择。

可是选择增加，并不等于选择能力同步增加。因为真正困难的事情从来不是我有什么可以选，而是我知道自己为什么选这个吗。当选择数量从几十增加到几百万，人类就需要新的筛选机制，于是推荐算法出现，算法帮助我们选择。问题又回来了：谁在选择，我们选择了什么，系统替我们排除了什么，为什么这个选项排在第一位，为什么另一个选项从未出现。一项技术增加选择的同时，也可能增加对筛选机制的依赖。选择的自由，开始取决于你看见了多少世界。

十二怎样区分技术造成的和社会本来的变化

假设年轻人越来越少读长文章。是手机造成的吗？还是生活节奏加快造成的？还是教育方式发生了变化？还是内容产业发生了变化？还是经济压力增加？通常不会只有一个原因。技术进入社会之后，会与制度、资本、文化、人口结构和人的需求发生复杂的相互作用。

所以简单地说因为有了社交媒体所以人们注意力碎片化，往往还不够严谨。更好的追问是：什么变化发生在技术出现之前，什么变化在技术出现之后明显加速，哪些群体受到的影响不同，哪些机制能够解释这种差异，如果没有这项技术，这种变化还会不会发生。这也是为什么真正严肃的技术研究需要历史、社会学、心理学、经济学、政治哲学和人类学共同参与，因为技术从来不会单独行动，它总是进入一个已经存在的社会，然后重新排列其中的力量。

十三人开始为了技术改变自己

一项技术最初进入社会时，通常是为了满足人的需求；后来，人开始为了适应技术而改变自己。这是一个非常重要的转折。电商出现之后，消费者开始适应平台的搜索和评价机制；社交媒体出现之后，创作者开始适应平台的推荐机制；搜索引擎出现之后，网站开始适应搜索排序；短视频出现之后，内容开始适应算法推荐；AI 出现之后，人开始学习如何写提示词。

于是一件看似奇怪的事情发生了：我们原本使用技术，后来开始学习如何成为技术喜欢的用户。我们调整标题，调整表达，调整简历，调整照片，调整行为，调整发布时间，调整自己的数字身份。这时候技术已经开始进入人的自我塑造。所以如果你想知道一项技术究竟改变了什么，一个非常有效的问题是：人们为了适应这项技术，开始改变什么？这个问题经常比这项技术有什么功能更接近真实的影响。

十四它改变的是什么算正常

几十年前，一个人一天不接电话很正常；后来，一天不回复消息开始显得奇怪；再后来，看到消息却没有及时回复，会被解释成一种态度。这只是一个很小的例子，但它揭示了技术改变社会的一种方式：它改变正常的边界。

即时回复变成正常，全天在线变成正常，随时可以找到人变成正常，任何问题都应该马上获得答案也开始变得正常。到了 AI 时代，这种变化会进一步发生：以前需要一天完成的研究，现在几分钟就可以得到初稿；以前需要专业人士完成的任务，现在普通人也可以调用模型。于是新的标准出现，为什么还需要这么久，为什么还需要这么多人，为什么还不能自动完成。技术一旦提高了能力上限，也会重新提高社会对正常速度的期待。于是它改变的不只是我们能够做到什么，还有我们认为自己应该做到什么。

十五一套看的办法

我们如何判断一项技术究竟改变了什么？可以一层一层往下看。第一层，它增加了什么能力；第二层，人们因此改变了什么行为；第三层，制度因此改变了什么规则；第四层，社会因此重新奖励什么、惩罚什么；第五层，人的注意力、记忆、感知和判断发生了什么变化；第六层，哪些东西因此更容易被看见，哪些东西越来越难被看见；第七层，也是最难的一层，我们用来判断这些变化的标准，本身有没有被技术改变。

还有一件事值得提醒：判断影响的单位，从来不是孤立的技术。一辆汽车连着道路、城市、石油、保险、停车场、交通规则、房地产和人的时间安排；一部手机连着网络、平台、支付、身份、广告、社交关系、工作与注意力；一个模型背后连着数据、算力、平台、接口、开发者、企业、用户、制度、市场与文化。所以当我们说 AI 改变了社会，这句话其实还太粗。更值得研究的是：它进入了哪一个系统，改变了哪个环节，这种变化通过什么机制扩散，谁因此获得新的能力，谁因此失去原来的位置，哪些新的行为开始变得合理，哪些旧的行为开始变得困难。

十六等我们发现，我们已经不记得从前的样子

技术很少提前告诉我们它正在改变你。它只是让生活方便一点，快一点，便宜一点，准确一点，有趣一点，然后越来越多人使用，越来越多机构依赖，越来越多制度围绕它调整，最后成为日常生活的一部分。这时候回头才发现：我们的记忆方式变了，注意力变了，工作方式变了，关系变了，城市变了，语言变了，连期待也变了。所以技术哲学真正困难的地方不是预测未来，而是看见正在发生、却已经被我们视为正常的变化。

我们没有一个完全不受技术影响的观察点，能做的是不断移动自己的位置：从功能看结构，从个人看社会，从短期看长期，从使用者看被影响者，从效率看价值，从可见结果看不可见变化，从技术本身看技术周围的制度，然后再回过头来问，连我们的观察方式有没有发生变化。这要求一种特殊的警觉：当一个工具让事情变容易时，问它让什么事情变容易了；当一个系统让选择变多时，问它替我们筛掉了什么；当一个指标让世界变清晰时，问它把什么变成了不可见；当一个 AI 让答案变快时，问它有没有改变我们提出问题的方式；当一种技术终于变得理所当然时，尤其要回头问，它究竟是什么时候开始成为理所当然的。因为真正值得警惕的从来不是我们没有看见变化，而是有一天我们已经改变了，却忘记了自己曾经是另外一种样子。而技术改变最深的地方，常常不是解决了什么问题，而是改变了什么算问题，那是下一问。