How AI Impacts Skill Formation

人工智能辅助在各专业领域均能带来显著的生产力提升，尤其对新手从业者效果更为明显。然而，这种辅助如何影响从业者掌握有效监督人工智能所必需的技能，目前尚不明确。新手从业者若过度依赖人工智能来完成陌生任务，可能在这一过程中损害自身相关技能的习得。我们通过随机对照实验，研究开发者在有无人工智能辅助的情况下，掌握一门新型异步编程库的过程。结果发现，使用人工智能会削弱开发者的概念理解能力、代码阅读能力以及调试能力，且平均而言并未带来显著的效率提升。那些将编码任务完全交由人工智能代劳的参与者虽取得了一定的生产力改善，却以牺牲对该编程库的学习为代价。我们识别出六种截然不同的人工智能交互模式，其中三种涉及认知参与，即便参与者获得人工智能辅助，仍能保障学习成效。我们的研究结果表明：人工智能赋能的生产力提升并非通向专业胜任力的捷径；人工智能辅助应被审慎地纳入工作流程，以切实保障从业者核心技能的形成——这一点在安全攸关领域尤显重要。

AI辅助是否阻碍开发者对新技术（如异步编程库）的概念性理解与核心能力（代码阅读、调试）的发展，尤其在技能形成关键期；该问题聚焦于‘监督AI的能力’这一新兴元技能的习得机制，而非单纯任务效率，具有新颖性。

通过随机对照实验量化AI辅助对学习过程的因果影响，提出并验证‘认知 engagement’是决定AI辅助是否损害学习的关键调节变量；识别出六类AI交互模式，并发现其中三类（如提示迭代、代码解释、逐步调试协作）能兼顾效率与学习，挑战了‘AI使用必然削弱学习’的简单假设。

实验采用双盲随机设计，招募真实开发者学习新异步库（Rust’s async/await），严格控制AI access（Copilot-like tool）；未使用合成数据或预训练模型，全部代码与实验协议已开源；关键发现：全委托式使用提升局部任务速度但摧毁概念迁移能力，而认知参与型交互（如要求AI解释原理、分步生成+人工验证）保持学习效果；后续应深入探究‘认知 engagement’的可测量指标与教学干预设计。

‘AI as Tutor’ (Holstein et al., CHI 2019); ‘Productivity vs. Learning Trade-off in AI-Augmented Programming’ (Shen et al., FSE 2023); ‘The Illusion of Competence with LLMs’ (Kandpal et al., arXiv 2024); ‘Cognitive Apprenticeship in the Age of Copilot’ (Zhang & Myers, ICSE 2024)