The Substrate Collapse: AI Code Generation Invalidates Authorship-Based Knowledge Metrics

以下是关于《底层坍缩》（The Substrate Collapse）这篇论文的通俗易懂的解释，使用了日常生活的类比。

核心思想：地图不再是疆域

想象一下，你正在试图弄清楚谁了解一座巨大古城的布局。几十年来，判断谁了解街道的唯一方法是看谁建造了那些建筑。如果你看到一栋房子是由特定的人建造的，你会假设：“好吧，他知道这栋房子是怎么布线的，管道在哪里走，以及拉动某个杠杆会发生什么。”

这篇论文认为，AI 已经打破了这条规则。

现在，机器人可以盖房子，而人类只需要签字批准即可。房产证上的名字仍然是那个人（即“作者身份”），但他们可能对这栋房子是如何运作的一窍不通。论文将这种现象称为**“底层坍缩”（Substrate Collapse）**。基础（即“建造”与“理解”之间的联系）已经崩塌，使得我们所有的旧测量工具都变得毫无用处。

---

1. 旧方式：“化石”理论

过去，软件工程师使用诸如**“卡车系数”（Truck Factor）**之类的指标。这个问题是：“如果我们的首席开发人员明天被卡车撞了，这个项目会夭折吗？”

为了计算这一点，他们观察代码中的“化石”：

• 谁写了这些代码行？
• 谁编辑了这些文件？
• 谁提交了这些更改？

逻辑是： 如果你写了代码，你就必须理解它才能写出来。因此，你的名字在代码上的“足迹”是证明你理解该系统的可靠迹象。这就像发现化石一样；岩石（代码）证明了动物（理解力）曾经存在过。

2. 坍缩：机器人建筑师

现在，AI 工具（智能体）在编写代码。一名人类开发者可能会要求 AI：“给我建一个登录系统，”然后 AI 在几秒钟内就完成了。人类查看了一下，也许点击了“批准”，然后将其合并。

问题在于：

• 人类的名字现在出现在了代码上（留下了足迹）。
• 但人类并没有编写它，所以他们并不一定需要理解它才能完成任务。
• AI 编写了它，但 AI 并不具备人类那种可以事后解释的“理解力”。

类比：
想象一个温度计。多年来，如果温度计显示 100°F，你就知道这个人发烧了。这是规则。
现在，想象有人发明了一种机器，可以在人并没生病的情况下，把温度计加热到 100°F。

• 温度计依然完美地显示 100°F。
• 但它不再能告诉你这个人是否生病了。
• 工具没有坏，坏掉的是连接——即读数与现实之间的连接。

论文指出，我们的“卡车系数”就是那个失效的温度计。它仍然会给你一个数字，但这个数字不再能告诉你谁真正理解了软件。

3. 为什么我们不能仅仅“修复”旧工具

你可能会想：“我们能不能只是调整一下数学模型？也许我们应该根据 AI 是否参与编写来重新分配权重？”

论文说：不行。你不能通过调整权重来解决这个问题。

• 类比： 想象你试图通过称量水桶来猜测里面有多少水。如果有人偷偷把水换成了沙子，重量会改变，但重量的“意义”已经消失了。你不能仅仅通过“重新校准”秤来告诉你还剩多少水，因为桶里现在装的是沙子。
• “谁动过代码”与“谁理解代码”之间的联系已经永久消失了。任何对旧数据进行的数学处理都无法找回这种联系。

4. 预警信号（“应力”）

论文指出，软件世界已经出现了某些问题的迹象，尽管人们还不完全清楚原因：

• “虚假信心”差距： 开发者在使用 AI 时感觉效率更高、生产力更强，但研究表明他们实际上变慢了，因为他们把所有时间都花在了判断 AI 的工作是否正确上。
• “变更”困惑： 我们看到更多的代码被编写和删除，但我们无法分辨这是因为人们在修复 Bug（好事），还是因为 AI 犯了错误导致需要不断重做（坏事）。工具已经无法区分这两者了。
• 表面 vs 深层： AI 擅长处理细微的表面级错误（比如拼写检查），但它经常制造深层的逻辑错误，而修复这些错误需要人类真正去理解整个系统。

5. 我们需要的是什么：测量“理论”，而非“足迹”

论文认为，我们应该停止关注谁写了代码，转而开始衡量谁真正理解了系统。

• 旧指标： “谁动了这个文件？”（作者身份）
• 所需的新指标： “这个人能否解释系统为什么会这样运作？”（理解力）

挑战在于：
衡量“理解力”比计算“代码行数”要难得多。这就像是统计一个学生书架上有多少本书（容易）与测试他能否在不看书的情况下解出一道数学题（难）之间的区别。

论文承认：我们目前还没有这种新工具。 这是一个开放性的问题。但最重要的步骤是意识到旧工具已经失效，这样我们才不会试图去修补它们，而是开始构建新的工具。

6. 预测（测试）

论文提出了一个大胆的预测来证明其正确性：

• 场景： 想象一个在纸面上看起来非常完美的软件团队。他们拥有很高的“卡车系数”（很多人触碰过代码，所以看起来很安全）。
• 现实： 由于代码是由 AI 生成的，没有人真正理解其深层逻辑。
• 结果： 当出现一个奇怪的新问题时，团队将无法快速修复。他们会陷入僵局、恐慌，并花费很长时间才能解决问题。
• 证明： 旧的“卡车系数”指标会说：“你是安全的！”但现实却是：“你陷入了麻烦。”这种差距证明了旧指标已经失效。

总结

• 过去： 如果你写了代码，你就理解它。我们通过统计谁写了什么来衡量知识。
• 现在： AI 编写代码，人类仅负责批准。代码上的“签名”不再意味着“我理解这个”。
• 后果： 我们的旧安全检查（如卡车系数）现在正在误导我们。它们测量的是谁签署了作品，而不是谁掌握了作品。
• 解决方案： 我们需要发明一种衡量实际理解力的新方法，而不仅仅是衡量作者身份。在我们拥有这种工具之前，我们就像是在盲飞——虽然旧仪器显示一切正常，但“发热”（风险）其实正在上升。