一份深度诊断,与五条自救原则

AI 导致认知投降一项正在发生的能力塌陷

写给每一个正在打开 AI 对话框的人

中间那一段,就是过程

发布时间:2026-11-20 13:00


提 要

AI 把人类几千年积累的知识,做成了随手可取的便利。它同时抽走了一样东西:能力生长过程中最关键的那个环节——挣扎。过去我们要真正理解一件事,必须自己走一遍,试错、卡住、推翻、重来,直到某个点突然走通。现在这条路径可以被一步跳过,你直接拿到结果。本文依据三条实证线索说明,被跳过的代价并不均匀,它精准地落在“概念理解”与“迁移能力”上——也就是一个人面对陌生问题时,还能不能自己站住。围绕这一点,本文提出三种过程的划分、AI 应当后置而非前置的操作原则,以及“过程的拟像”这一判断,并附上一份可以贴在桌上的自检清单。全文只讲一句话:你拿到的是结果,签掉的是能力。

一

这不是第一次有人喊狼来了

深夜十一点,报告还差最后一段。你把零散的思路丢给 AI,几秒钟后,一段结构清晰、逻辑严密的文字出现在屏幕上。你读了一遍,觉得不错,关掉窗口,合上电脑。

现在,把屏幕关掉,回答三个问题。那段文字的核心论点是什么?第二条论据为什么成立?如果要反驳它,最该从哪一句下手?

很多人答不上来。这不是记性不好,而是那段文字从未真正经过大脑。

2025 年,麻省理工学院媒体实验室用脑电图做过一次实验。五十四名参与者分成三组,连续四个月完成同一类写作任务:一组只靠自己的知识写,一组可以用搜索引擎,一组可以用 ChatGPT。头皮电极实时记录他们的脑活动。结果是,搜索组的脑区连接性比纯脑组下降 34% 到 48%,ChatGPT 组最多下降 55%。任务结束几分钟后还有一道题,请参与者引用自己刚写下的句子。ChatGPT 组十八人里有十五人做不到,占 83.3%;另外两组各只有两人。

这段实验后来被反复引用,也反复被质疑。样本只有五十四人,论文当时还是预印本,脑电测的是“此刻的投入程度”,不等于“能力永久下降”。这些限制都得承认。但它捕捉到了一个很具体的瞬间:字出来了,人没进去。

(一)苏格拉底反对文字

最早喊狼来了的人,是苏格拉底。

《斐德罗篇》里讲了一个故事:埃及有位神发明了文字,兴冲冲拿去献给法老,说这东西能让人变聪明、记性更好。法老不这么看。他的理由是:人一旦依赖写在纸上的符号,就不再锻炼自己的记忆,只能靠外部标记来提醒;他们得到的不是真智慧,而是智慧的影子。苏格拉底借这个故事说,文字给人“貌似博学”,而实际上空无一物。

两千多年过去,这句话成了笑话。因为文字没有让人变笨,反而成了文明的底座。

问题在于:当年那句判断错了吗?也许不是全错。它错在尺度,不在方向。文字确实削弱了“背诵记忆”这一条通道,人类也确实因此不再依赖口传心记。我们之所以觉得苏格拉底可笑,是因为我们在两千年的尺度上看到,被削弱的那条通道无关紧要,而长出来的是更强大的东西。

(二)这一次的三处不同

那这一次,凭什么说不一样?有三处,每一处都能被测量。

第一处,时间。文字从发明到普及,以千年计,印刷术以百年计,计算机和互联网以几十年计,生成式 AI 从进入公众视野到现在不过几年。几年时间,它已经改写了办公、检索、写作、翻译、编程、客服的作业方式。人类从来没有经历过这种速度的认知迁移。

第二处,场景。此前的技术进入的是“某些场景”,计算器进入算账场景,搜索引擎进入查资料场景。AI 进入的几乎是全部场景,而且是最私密的那一层:你半夜的困惑、你写不出的话、你不确定的判断,都可以直接交给它。它不只在工作台上,它在你的思考现场。

第三处,问题在层级。文字接管的是记录,计算器接管的是运算,搜索引擎接管的是检索。这些都在“思考的外围”。AI 接管的是从构思、组织到表达的整条链——也就是思考本身。外围被接管,人还得自己判断;中心被接管,人连“要判断什么”都不再自己决定。

(三)这一次的关键:合成物取代了原文

还有一处差异比前三点更要紧,却最少被讨论。

搜索引擎交付的是原文。你搜到一个答案,背后有一个网页、一份文档、一个作者,你可以点进去,溯源、对照、发现它错了。源头在那里,你随时可以回去。

生成模型交付的是合成物。它把成千上万份材料搅拌在一起,给你一个从未在任何地方存在过的段落。源头被抹平了,语气还笃定得可疑。你无法回到“它到底是从哪来的”。

问题的性质因此变了。AI 不是让你接入一个知识库,而是让一个不透明的知识合成器直接接入你。前者是“你去借书”,后者是“书替你写”。依赖的不是程度变了,是性质变了。

二

痛感消失的地方,正是能力长出来的地方

(一)三种过程,只有一种是命根子

讨论“过程荒废”之前,必须先把“过程”这个词切开,否则整场讨论会滑掉。“过程”至少装了三种东西,它们的命运分成三种。

类型具体内容被 AI 替代之后定性
劳动性过程查资料、排版、算数、写初稿、格式转换能力退化,损失极小可以放心外包
熟练性过程手算、打字、徒手检索手生,需要时能较快恢复外包风险低
建构性过程提出问题、设定判准、建立概念连接、抽象模式、证伪自己退化后很难恢复,没有练习场不可外包

如果分不清这三者,任何人用一句“你用计算器所以你不会算数了吗”,就能把整套论证打得片甲不留。真正不能荒废的,只有第三类。原因是实验已经把它测出来了,第五节会看到:这一类过程不生产“手速”,只生产“概念洞察”和“迁移能力”。

(二)生成效应:同一份信息,谁生成的

1978 年,心理学家 Slamecka 和 Graf 发现了一个反直觉的现象:让被试自己把词填出来(比如给出“f___”,让他填 flower),比直接读“flower”这个词,在之后的记忆测试中表现明显更好。后来八十多项研究的元分析给出总体效应量约 0.40。

这里的关键不在记忆技巧。关键在于,两组人最后拿到的信息一模一样,差别只在一个地方:是谁生成的。

自己生成时,大脑必须做一整套动作:在长时记忆里搜索、评估候选、与既有知识建立连接、检查是否自洽。这些动作发生的那一刻,信息才真正被编码。别人生成、你阅读,这套动作全部省掉,编码浅得多。

这就解释了为什么“你帮我把这段材料总结一下,我读一遍”这种最主流的用法,恰恰是最不产生能力的用法。它把生成换成了接收。

(三)合意困难与图式:没有误差信号,就没有学习

学习科学家 Bjork 提出过“合意困难”:学习时适度的困难,反而带来更好的长期留存。检索练习、间隔复习、交错练习、生成,都属于这一类。

判准只有一条:这个困难是否迫使工作记忆投入区分、检索、整合。也就是它能否转化为“建构性的负荷”。如果它只是无意义的摩擦,那就不是合意困难,是纯粹的浪费。

还有一层神经机制,比“多练就好”深得多:人脑里的图式,不是从正确答案里长出来的,是从“我以为对、结果错了”的那个落差里长出来的。神经科学里管这叫预测误差。没有误差信号,就没有学习。AI 直接给答案,恰好把误差信号抹平了。

它消除“外在负荷”是好事,比如不用再花两小时找资料。但它常常连带消除“建构性负荷”,因为“整合”这一步它替你做了。前者是减负,后者是抽掉发动机。

(四)“no pain no gain”,现在 pain 被取消了

过去我们形容学习,有一句老话:no pain no gain。痛感是过程的一部分,也是信号——它在告诉你,你正卡在某个地方,你的旧结构不够用了。

现在这个痛感可以被取消掉。卡住的那一刻,你不需要再翻来覆去地试,直接问一句就有答案。过程被删除得干干净净。

于是发生了一个很隐蔽的替换:你得到的是结果,而不是能力。结果看起来一样,还更好看,但它不落在你身上。

三

三个实验,把“过程”称了重

“过程有价值”这句话太软,容易变成鸡汤。能不能把它的价值称出来?可以。新加坡学者 Kapur 做了一系列课堂实验,用近乎残酷的精确度,把“过程”到底值多少钱量化了。

(一)Kapur 的三组课堂实验

他的方法叫“生产性失败”:先不给教学,让学生在没有指导的情况下挣扎着解决一个还没学过的问题,允许他们失败;之后再施教,并做整合。他的主张很锋利:失败不是学习的代价,失败本身就是教学。

三组实验的设计与结果如下。

实验设计结果
实验一生产性失败 与 直接教学 对比程序流畅性打平;“数据分析”与“概念洞察”明显胜出
实验二自己生成解法 与 直接把解法给学生研究 对比仅“概念洞察”与“近迁移”有明显差别
实验三自己生成后再告知关键特征 与 直接告知关键特征 对比仅“概念洞察”依然有明显差别

三组数据叠在一起,指向一个干净的结论。而这个结论,恰恰是本文最想要的那一句。

(二)那两个数字

另有一份元分析给出过两个数:problem-first 设计的总体优势约为 d 0.36;当研究完整实施“配方”(既有挣扎,又有后续整合)时,优势可以逼近 d 0.87。

这两个数必须分开引用。0.36 是总体,0.87 是配方做全才拿到的值。把它们混成一个“总体优势 0.87”,就是夸大,会被一眼看穿。严谨本身,就是这篇呼吁书要不要被相信的前提。

0.87 这个数字真正想说的是:过程的价值不是天然的,它的价值依赖设计。只挣扎不整合,那是非生产性失败,白受罪;先自己挣扎,再对照整合,价值才出来。

(三)被精确砸中的两项

回到实验本身。三组实验里最能说明问题的是实验二和实验三,因为它们测的不是“要不要努力”,而是“把成品直接给你,到底会丢什么”。

结论出奇地集中。程序性流畅度一点没丢。丢的只有两项:概念洞察,以及把概念迁移到新问题的能力。

也就是说,AI 造成的损耗不是均匀分布的一片灰,而是两处精确的塌陷。前者是“为什么会这样”,后者是“换个场景还能不能用”。

这两个词换成日常语言,就是:懂没懂,会不会用。

(四)知识晶体:迁移能力住在哪里

迁移能力不抽象,它住在一个东西里,可以叫知识晶体。

知识在离散状态下,是一个个孤立的条目。把它围绕一个中心组织起来,让条目之间互相依附、彼此解释、可以延展,它就变成一个结构化的知识体。这个知识体就是知识晶体。它的价值不在于“知道多少条”,而在于它支撑三件更难的事:理解、应用、以及在陌生领域继续往深处走。

先说对应关系:知识晶体和认知科学里的“图式”是同一族的东西,都是围绕中心的可迁移结构。它和心理学里说的“晶体智力”不是一回事,后者讲的是已积累的知识总量,前者讲的是结构化和可延展性。一个人可以记住很多条,却没有一块晶体;也可以在条目不多的情况下,长出一块很硬的晶体。

于是这条线闭合了。过程荒废,废掉的是知识晶体的生成能力;知识晶体是迁移能力的所在;迁移能力和概念洞察,恰好是实验里唯一亏损的两项。三个独立来源,指向同一个点。

四

认知投降的三级台阶

(一)依赖不是投降

把“认知依赖”和“认知投降”当成一件事,是这套讨论最常见的偷懒。

依赖是一个程度问题,投降是一个阈值事件。你用计算器算账,是依赖;你不再知道一笔账该怎么核,是投降。中间隔着一整段距离,这段距离不是自动滑过去的。

真正的问题因此不是“依赖有多深”,而是“从依赖到投降,那道闸门在哪里”。

(二)闸门在“校验”

闸门只有一个字:验。

拿到一个结论,你是直接接受,还是会追问“它凭什么成立”“换个条件还成立吗”“如果反方来打,会从哪里下手”。这一问,就把依赖和投降分开了。

MIT 那项实验里最容易被忽略的一个细节,正好落在这里。第四轮里,那些先自己写完、再引入 AI 的人,记忆召回更好,脑连接也更广,也优于一开始就用 AI 的组。研究者自己都说这是最意外的发现。

顺序变了,结果就变了。先自己想,再用 AI,那是“校验”;先用 AI,再读一遍,那是“接收”。同一个工具,两种用法,两种人。

(三)过程的拟像

还有一层更阴的东西,得单独说。

AI 每次输出都不一样。同一个问题问两遍,措辞会变,结构会变,有时连方向都会漂。这种不确定性,会让你产生一种很舒服的错觉:我在和它辩论,我在参与一场思辨。

注意这里发生了什么。你在消费多样性,但你没有在生产判断。

真正的思辨有一个硬特征:你要为某个结论承担后果,所以你必须自己站住。而和 AI 来回几轮,你不承担任何后果,说错了也不会疼。它像一个永远不反驳你、又永远有新说法给你的陪练。

看起来像过程,实际上是过程的拟像。这正是“投降”最难被当事人察觉的原因——因为它伪装成了“我很投入”。

五

最危险的不是变笨

(一)外部强制力消失了

到这里,多数讨论会落到一句“人会变笨”。这个判断太轻了。

真正的问题是:过去为什么没有变笨?

答案不是人自觉,而是有外部强制。小学为什么必须练笔算?不是因为它有趣,而是因为你长大上班要用。教育里的过程训练,一直靠生产端的现实需求做锚。你不在教育里把过程走一遍,进入社会就会被现实打回来。

这是人类应对历次卸载的真实机制:生产端仍然需要人,所以过程训练有现实必要性,教育只需要把它制度化。

AI 时代第一次出现的是,生产端不再需要你做那些过程了。写初稿不需要你,查资料不需要你,连搭框架也开始不需要你。

于是教育端失去了“不练就活不下去”的锚。过程训练从“生存必需”降级为“纯粹自律”。而自律,是所有资源里供给最不稳定的那一种。

这已经不是能力问题,是激励结构的问题。能力削弱还能补,激励消失以后,没有人愿意去补。

(二)那个翻来覆去的夜晚

把这件事放到一个具体的人身上,会更清楚。

我们上学时都遇到过那种题。理工类的复杂课题,翻来覆去也找不出解题逻辑,草稿纸写满两页,思路断在一个说不清的地方。那个过程是真的痛苦,不是装的。

然后有那么一刻,某个点突然通了。有人把这一刻叫顿悟。

顿悟不是运气,它有具体的前提:前面必须堆着大量的东西:基础知识的积累,思维方向的积累,失败路径的积累。你走错过足够多的路,才可能在某个岔口一眼认出对的那条。Kapur 的实验其实就是在给这件事做注脚:挣扎激活了你已有的知识,同时让你清楚知道自己的直觉在哪一步失灵,于是当正确解法出现时,你的注意力被精确地对到了它的关键特征上。挣扎不教你解法,它让你准备好看见解法。

(三)顿悟是怎么被取消的

现在,这个夜晚正在被取消。

理由很现实:守着一个巨大的知识库,随时能问,而且你遇到的问题,别人大概率都遇到过。既然如此,为什么还要苦思冥想两个钟头?

答案是:因为那两个钟头不是用来得到答案的,是用来长出能力的。答案在书里、在网上、在模型里,本来就有;能力强不强,取决于你能不能在没有答案的时候自己往前挪一步。

取消那两个钟头,等于取消顿悟发生的前提。顿悟不是被 AI 抢走的,是被“不必痛苦”这件事悄悄抽掉了地基。

六

我们呼吁的五条

呼吁不能只停在“要警惕”。下面五条是可以今天就做的,每一条都对应前面某个实证结论。

(一)过程必须三分

拿到任何一项任务,先问一句:这里面哪一段是劳动、哪一段是熟练、哪一段是建构。

这里有一条分界线:劳动和熟练,大胆外包,越干净越好。建构那一段,必须自己走。具体说,就是问题的定义、判准的设定、概念的连接、结论的取舍、以及对自己假设的证伪,这五件事不要交给 AI 代做。

判断标准很简单:如果这件事被替代之后,你换到新问题上就站不住了,那它就是建构性的。

(二)AI 后置,不前置

这一条证据最硬,也是全文最该被记住的一条。

MIT 的顺序效应、Kapur 的两段式、以及元分析里 0.87 那个值,三个独立来源指向同一个操作:先自己,后 AI。

落到动作上:动笔之前,先自己写一段粗糙的、哪怕很烂的思路;做判断之前,先自己给一个初步结论;解题之前,先自己卡住二十分钟。然后再把 AI 请进来,让它对照、挑错、指出你漏掉的关键特征。

这个位置叫“整合”。AI 在这个位置上是加速器;在“生成”的位置上,它是替代者。顺序一错,价值归零。

(三)当质问者,不当答案者

同一个模型,可以当答案机,也可以当陪练。差别在提问方式。

不要问“这段分析怎么写”,要问“我这样写,最可能错在哪”。不要问“这个方案行不行”,要问“如果由你来反驳这个方案,你会先攻哪一点”。不要问“帮我总结”,要问“我总结成这样,漏了什么”。

前一种问法在替你产出,后一种在逼你校验。后者会不舒服,不舒服正是它在起作用。

(四)保留低效的权利

刻意留出一段没有 AI 的时间。读一本书不查解释,写一段东西不校对,想一个问题不搜索。这段时间在产出上是低效的,它的收益不在产出里。

这不是情怀,是一个任务:给“建构性过程”留一个练习场。没有练习场的能力,不会因为你曾经拥有过就一直拥有。真实世界已经给了一个警告:有经验的内镜医师在 AI 辅助下操作三个月,自身的判读能力出现了下降。连专家都会掉,何况还没长成的人。

(五)从 AI 汲取,而不被 AI 替代

这里有一个正面的用法,值得说清楚。

有研究做过对比:把 AI 使用方式分成“被动接收”和“有意识地用”,结论是后者反而提升了批判性思维。同一批研究里还给出过一个相关数据:AI 使用频率与批判性思维呈较强负相关(r 约 −0.68),而认知卸载解释了其中约六成的负面效应。这个数字只能作方向性佐证,因为它来自相关性研究和自评量表,推不出因果。但它至少说明:伤害是通过“卸载”这条路径发生的,而卸载是可以被设计掉的。

所以正确的姿态不是少用,而是换一种用。让 AI 提供超出你现有认知的东西——一个你没想到的角度、一个你没听过的反例、一个你结构里缺的环节,然后你把它消化进自己的晶体里。它给材料,你做结构。

七

如果你在这些位置上

(一)学生与家长

学生阶段是建构性过程最密集的训练期,也是唯一还有制度保护它的时期。这个保护正在松动。

给孩子用 AI,最先要守的不是“别抄答案”,而是“别让 AI 替他卡住”。一道题卡四十分钟是正常的,那四十分钟里发生的事,就是教育本身。把四十分钟压缩成四十秒,你省下的不是时间,是他长出那块晶体的机会。

(二)教师与制度

教育系统现在最大的错配,是把力气花在教“如何产出成果”,而成果已经不值钱了。

真正该被评估的不是答案,是过程:你怎么想到的,你在哪里卡住,你怎么判断这个结论可信,你能把它迁移到别的题上吗。过程无法用选择题测,只能用要求学生讲出自己的推理路径来测。这很难,但这是唯一还站得住的评估方式。

(三)知识工作者与管理者

效率运动正在把“思考时间”当成浪费来清除。这是最危险的一步。

一个团队如果所有人的判断都经由同一个工具、用同样的提示词、得到同样风格的结论,那么它失去的不是效率,是纠错能力——没有人再从另一个角度看这件事。这不是本文讨论的“判断权外部化”,那是另一个被否掉的命题;这里说的是更朴素的一层:把校验环节砍掉之后,错误的发现时间会被推迟到无法挽回的时候。

给团队留一条硬规则:任何重要结论,必须有人用自己的话讲一遍推理链。讲不出来,就不算通过。

(四)此刻正在读这句话的人

你可能已经在心里点头了。请注意,点头本身不算数。

因为“认同这篇文章的观点”和“拥有这篇文章的能力”,是两件不是一回事的事。你可以点头认同“不要外包建构性过程”,同时在这一秒继续外包它。这正是认知投降最标准的形态:判断上清醒,行为上投降。

八

最后,把这篇文章判给它自己

这一节必须写,否则整篇就是虚伪的。

先说一个事实:这篇文章本身就是由 AI 参与写成的。你此刻读它,也是一次卸载——你把“思考认知投降”这件事,交给了另一个系统。如果前面所有判断都成立,那么第一个应该被判决的对象,就是这篇文章的读者,包括此刻正在用它来“理解”的你。

那怎么办?把它转成一次生成,而不是一次接收。

读完先合上屏幕,用你自己的话讲一遍:这篇文章的主论点是什么,它最硬的一条证据是哪一条,哪一句你不认同。讲不出来,说明你刚才只是在消费它,这篇文章对你没有任何作用,包括它的警告。

下面这张表可以直接贴在桌上。点一下左侧方框,就当是今天给自己划的一笔。

写报告
查资料、排版、润色、找反例
定问题、定结构、定结论先写烂稿,再让 AI 对照
做决策
列选项、算数据、模拟后果
定判准、做取舍、担后果判准不出门,选项可以外包
学新东西
找入门路径、要例子、要类比
自己卡住、自己复述、自己迁移卡住的时间不能省
读材料
要背景、要术语解释
自己总结、自己找漏洞先自己写三句,再去问
遇到难题
要提示、要方向
自己试、自己失败卡二十分钟再开口
今天划下的:0 / 5AI 负责把材料变多,你负责把结构变硬
·

结语

人类历史上,每一次卸载都被人喊过狼来了。喊错的时候多,喊对的时候少。我们没法保证这一次一定喊对。

但有一件事是确定的:这一次的便利,是直接从“思考现场”里拿走的,而不是从“思考外围”里拿走的。而且它不需要你同意,你只要打开对话框,它就开始工作。

所以这篇东西的目的不是让你少用 AI。那是挡不住的,也没必要。它只想在你每次把问题丢进去之前,多留半秒钟,让你问自己一句。

在你下次把问题丢进去之前

这一次,我是想拿到结果,
还是想长出能力?

如果答案是前者,尽管去问。如果答案是后者,那就先自己走一遍,哪怕很慢,哪怕很痛。那个痛,就是能力正在长出来的声音。你需要做的事只有一件:把每一次伸手问 AI,都往后推迟三分钟。

·

附录:证据等级与出处

这里列出证据等级与出处。本文引用的事实按强度分三档。写作时把强弱混为一谈,是这类呼吁最常见的死法,所以单独列出来。

三组实验中过程只影响概念洞察与迁移
Kapur 与 Bielaczyc 课堂准实验
生成优于阅读,效应量约 0.40
Slamecka 与 Graf(1978);八十余项研究元分析
专家在 AI 辅助下三个月出现能力下降
2025 年《柳叶刀·胃肠病学与肝病学》内镜研究
脑连接下降 34%–48% / 55%,83.3% 无法复述
麻省理工学院媒体实验室脑电预印本;样本 54 人、未经同行评议,测的是当下投入度
AI 使用频率与批判性思维负相关(r 约 −0.68),卸载解释约六成
Gerlich 的相关研究;相关性与自评量表,不得表述为因果
problem-first 总体 d 约 0.36,完整配方约 0.87
第三方综述转述的元分析;原始文献尚待回溯

一句话总结这张表:能当核心论据的只有三条,其余是佐证。诚实地标出强弱,比把话说满更有说服力——因为这篇呼吁书要人相信的,恰恰是“不要轻信”。建议只把可作核心论据的前三行带出去引用,其余一律当方向参考。

下一篇:上一篇:工业工贸中小企业的数智化蓝图:结构先行,AI 时代的新分工

注册试用