效率悖論：人工智能會讓我們變得更愚蠢嗎？

自動化的諷刺：人工智能如何訓練我們的心智

在世界慶祝人工智慧效率的同時，一個令人不安的悖論正在浮現：AI並非取代我們，而是在讓我們「退化」。這種「認知外包」的過程正在改變我們思考與記憶的方式。

心理 GPS：當效率成為敵人時

還記得您能在城裡找到路嗎？還記得您可以背出朋友的電話號碼？GPS 對我們的定位感所造成的影響，現在正藉由 AI 發生在我們的認知能力上。

麻省總醫院的Louisa Dahmani發表於Nature Neuroscience的2020年研究顯示，依賴GPS導航會顯著降低海馬迴的活動，而海馬迴正是負責空間記憶與導航的關鍵腦區。

Google 效應：說明一切的先例

這個現象有著紮實的科學根據。「Google效應」或稱數位失憶症，最早由哥倫比亞大學心理學家Betsy Sparrow於2011年在Science期刊發表的研究中提出。

研究顯示，當人們知道他們可以輕鬆地在線上檢索資訊時，他們就不太容易記住這些資訊。在其中一項實驗中，與資訊本身相比，參與者更能記住在哪裡可以找到資訊。

數位失憶症的相關數據令人擔憂：

• 根據卡巴斯基實驗室2015年的一項研究，91%的美國與歐洲民眾承認將網路當作自己記憶的線上延伸
• 僅有49%的受訪者能記得配偶的電話號碼
• 71%的人記不住自己子女的電話號碼

微軟-卡內基梅隆研究中心：人工智慧的第一手資料

微軟與卡內基美隆大學研究人員進行的一項2025年研究，分析了319名知識工作者及其使用生成式AI工具的情況。結果顯示：

• 當依賴AI工具時，工作者會產生一種「批判性思考已經完成的錯覺」
• 相較於依靠自身認知能力的人，使用AI在同一任務上「產出的結果多樣性較低」
• 可觀察到「認知外包」的傾向——將心智過程交給外部工具處理

但等等：並非所有的「去訓練」都是相同的

在繼續之前，讓我們做一個批判性的反思。這個現象並不新鮮：

計算機

誰還會用手做長除法？數十年來，計算機已經將我們的心算「去訓練化」了。然而，數學並未消亡 - 事實上，數學已經蓬勃發展。數學家從繁瑣的計算中解脫出來，專注於更複雜、更有創造性的問題。

經文與口頭記憶

蘇格拉底本人就曾擔心文字書寫會削弱記憶力。在柏拉圖的《費德魯斯篇》（約公元前370年）對話中，蘇格拉底講述了埃及神話中Theuth與Thamus的故事，Theuth將文字書寫視為能提升智慧與記憶的發明。但塔穆斯國王反駁道：「這項發明會在學習者的靈魂中造成遺忘：他們將停止鍛鍊記憶力，因為他們會依賴外在的文字」。

他說得對，那些能背誦整部《伊利亞德》的說書人已不復存在。但是，我們卻獲得了在全球範圍內保存和分享複雜思想的能力。

印刷與書法

古騰堡的印刷機（1440年）讓精美的書法變得過時。在印刷術出現之前，14世紀的歐洲，80%的英國成年人甚至不會寫自己的名字。然而到了1650年，47%的歐洲人已經識字。到19世紀中葉，這個數字上升到了62%。

我們失去了一門技藝，卻讓知識變得普及。正如歷史學家所指出的：「識字率的淨增長打破了識字菁英階層對教育與學習的壟斷，並支撐了新興中產階級的崛起」。

這個模式很清楚：每一次技術飛躍都會讓某些能力「退化」，同時強化另一些能力。

那麼，與 AI 有何差異？

如果每項技術都會讓某些能力「退化」，為什麼AI更值得我們擔憂？差異在於三個關鍵因素：

1. 速度與普及性

自 1971 年起上市的電子袖珍計算機，在大約 15 到 20 年內就取代了複雜的心算。人工智能則在不到五年的時間內取代了批判性思考。

‍我們不能再像過去那樣以世代為單位來思考——現在必須以5年為週期，而非20到30年。

速度很重要：大腦有較少時間適應和發展新的補償技能。人類社會傳統上進化緩慢，讓制度、教育與文化逐漸適應科技變遷。但人工智能將這個適應過程壓縮了數十至數十年，造成前所未有的文化與認知衝擊。

2. 認知外包的廣度

• 計算機：取代算術運算
• GPS：取代空間導航
• AI：取代推理、創造力、寫作、分析——這些是我們在各個領域都會用到的跨領域能力

3. 缺乏元認知

使用計算機時，你知道自己不會做長除法。但使用AI時，你往往沒有意識到自己已經停止批判性思考。這是一種無聲且不自覺的衰退。

人工智能引起的認知萎縮理論

「AI聊天機器人誘發的認知萎縮」（AICICA）這個概念，在2024年的一項研究中被提出理論化，其基礎是大腦發展的「用進廢退」原則，主張若過度依賴AI而未同時培養基礎認知能力，可能導致認知能力的低度利用。

發表於Symbolae Osloenses的一項2009年學術研究早已對計算機做過類似的類比：「口袋計算機讓我們能夠得出計算問題的解答，但它是否也讓我們得以『知曉』這些解答？這取決於我們對『知曉』的定義。如果這意味著我們也應該能夠證明這些解答、解釋為何它們確實是正確的，那麼答案肯定是否定的」。

"這不是錯誤，而是功能」： 設計的認知依賴性

但這裡有個大反轉：認知依賴或許不是副作用,而是設計特徵。

關鍵差異：計算機不需要你上癮才能獲利,但AI需要。你用得越多,產生的數據就越多,它就越精進,也就變得越不可或缺。這是一種建立在依賴之上的商業模式。

這是一個自我強化的循環：AI越有效,我們就越依賴它。我們越依賴,就越少鍛鍊自己的能力。鍛鍊得越少,就越需要AI。這就像對某種物質產生耐受性：需要越來越大的劑量才能達到相同的效果。

認知自由的悖論：當自由使我們成為囚徒時

醫學

發表於Perspectives on Psychological Science的一項2024年研究警告,在放射科這個人工智慧使用日益普及的領域,醫生可能會逐漸喪失他們的直覺診斷能力。但要注意：AI正在把放射科醫師從例行分析數千張正常掃描影像的工作中解放出來,讓他們能夠專注於複雜和非典型的病例。真正的風險不在於AI取代診斷,而在於醫生停止在常規病例上訓練他們的「臨床之眼」——而這些常規病例往往隱藏著辨識罕見異常所需的關鍵細微線索。

程式設計

一項2025年研究揭示了一個有趣的現象：持續依賴AI編寫程式碼的開發者,會產生一種認知依賴。AI擅長生成樣板程式碼和標準函式——這些以前佔用大量寶貴時間的重複性工作。問題在於：從這些枯燥任務中解放出來後,一些程式設計師連在真正需要的時候也不再鍛鍊演算法思維了。這就像一位外科醫生用機器人工具進行常規手術,卻在緊急情況下難以徒手操作。

教育

正如教育家Trevor Muir所解釋的：「我不認為老師應該在學生尚未掌握寫作技巧之前就讓他們在寫作中使用AI。」AI可以修正文法、建議同義詞,甚至架構文章——這些以前都需要花費數小時手動修改的工作。隱藏的價值在於：那些看似「無用」的錯誤和辛苦,實際上是大腦的鍛鍊場。這就像先學開手排車再學自排車：看起來更難,但卻能培養出自排車無法給予的對車輛的掌控力和理解力。

這就像學習駕駛一樣：首先您必須透過「無效率」的練習來培養反應能力和道路直覺，然後才可以安全地使用定速巡航系統。

正如蘇格拉底在斐德羅篇中所預言的：「你會給你的學生智慧的表象,而非智慧的實質。你的發明將使他們能夠聽聞許多事物,卻未受到充分的教導,他們會以為自己已經知曉許多,而實際上大多一無所知。」

虛擬替代」測試（重溫）

與其問「AI能做到這件事嗎？」,不如試試這個更新版的思想實驗：「如果明天所有人都用AI來做這件事,我們作為一個物種會失去什麼？又會得到什麼？」

• 寫作：我們會失去闡述複雜思想的能力→但我們會獲得更深入思考的時間嗎？
• 導航：我們會失去空間感→但我們會獲得移動效率嗎？
• 計算：我們已經失去了心算能力→但我們獲得了解決更複雜問題的能力

真正的問題是：我們是否意識到自己選擇所帶來的後果？

認知抵抗策略：如何不被您的助理取代

1.使用 AI 來放大，而不是遺忘

"使用 AI 來增強您的技能，而不是忘記它們。讓它將您從吃力不討好的工作中解放出來，讓您可以專注於創意和複雜的層面 - 但不要讓這些核心技能因荒廢而萎縮"。

2.保持「認知肌肉」的訓練

這就跟體能訓練一模一樣：如果您兩個月不去健身房，照鏡子時您不會注意到 - 您看起來還是一樣。但是只要您嘗試舉起重物或跑上樓梯，您馬上就會感覺到差異。您的肌肉已經默默地變弱了。

‍認知萎縮更加隱蔽：不僅在它發生時你不會察覺,甚至當你需要那項能力時,你往往也不會意識到——你只是單純地把工作交給AI,卻沒有意識到自己曾經有能力獨力完成。

3.練習「先無後有」的規則

為了保持我們的認知能力,我們必須在把核心技能交給AI之前先親自練習,而且即使在委託之後,我們仍然必須持續鍛鍊這些技能。這不是「核心」技能與「次要」技能的問題,而是保持頭腦鍛鍊的問題。

就像棋手總是使用電腦分析棋步：他在技術上變得精準，但如果他從不獨立推理，他就會失去戰略直覺和 「感覺 」局面的能力。

‍

未來：AI 是合作者，而非拐杖

解決之道不是拒絕AI,而是策略性地使用它。能夠蓬勃發展的專業人士,將是那些把人類的直覺與經驗和AI的超能力結合起來的人——他們知道何時該委託、何時該獨立思考,並始終掌控決策過程。

結論：這是功能，不是錯誤（但哪個功能？）

由AI引起的認知萎縮並非需要修正的缺陷——而是我們必須有意識地認清並加以管理的設計後果。

但要注意：並非所有的「去鍛鍊」都是負面的。計算機把我們從乏味的計算中解放出來,印刷術把我們從口述記憶中解放出來,GPS把我們從必須記住每條路的需求中解放出來。

真正的挑戰在於分辨：

• 什麼時候去鍛鍊是解放性的（釋放認知資源給更重要的事情）
• 什麼時候是貧乏化的（削弱我們獨立思考所需的能力）

問題不在於AI是否會取代我們,而在於我們是否足夠清醒,能夠選擇什麼該被取代,什麼該持續鍛鍊。未來屬於那些懂得何時不使用AI的人。

常見問題：關於 AI 和認知萎縮的最常見問題

「AI讓我變笨了嗎？」

不，它不會讓你變笨。AI在某些特定領域讓你變得認知上懶惰，就像GPS讓你在導航方面變懶一樣。你的基礎智力並不會改變，但你可能會在某些情境中失去運用它的習慣。幸運的是，這個過程是可逆的：只要重新開始鍛鍊就好。

「ChatGPT真的會摧毀大腦嗎？」

絕對不會。你在報紙上看到的那些聳動研究，往往是基於樣本數量很小的初步研究。目前沒有科學證據顯示使用AI會造成腦部損害。問題更微妙：它可能降低獨立思考的動機，而非降低思考的能力。

「我應該停止使用AI嗎？」

不，這樣反而適得其反。AI是一個強大的工具，能夠放大你的能力。關鍵在於策略性地使用它：讓它處理重複且無聊的任務，但保持關鍵技能的活躍。這就像上健身房：儘管使用器材，但別忘了徒手訓練。

「我的孩子會變得比較不聰明嗎？」

不一定。與AI一起成長的孩子，可能會發展出與我們不同的能力：更強的與智慧系統協作能力、更快速的資訊篩選思維、結合多元資源的創造力。風險在於他們可能會跳過一些關鍵的養成階段。

‍但真正的挑戰對每個人來說都是一樣的——無論是孩子還是成人：學會在認知自主與AI協作之間取得平衡。孩子們甚至可能更有優勢，自然而然地在這兩種模式中成長為「雙語者」。

「AI會完全取代人類的工作嗎？」

不是你想的那樣。事實上，AI並不會完全消滅任何一種「職業角色」，而是改變現有角色中的個別任務。這正引發三種同時發生的現象：

1. 分層自動化：AI首先取代最例行的任務，然後逐漸取代越來越複雜的任務。一位會計師可能會先看到基本計算被自動化，接著是趨勢分析，最後甚至部分策略諮詢也被自動化。工作是逐漸轉變，而非瞬間消失。

2. 價值兩極化：正在形成一種分化：那些能有效與AI協作的人（變得更有生產力），與那些做不到的人（變得過時）。光是精通自己的專業已經不夠了——你必須精通「你的專業+AI」。

3. 新的瓶頸：當AI處理分析與例行工作時，過去看似「軟性」的技能變得至關重要：複雜的談判、模糊情境下的領導力、應用於前所未見問題的創造力。矛盾的是，AI越有能力，「人性化」的技能就越有價值。

真正的問題不是「我的工作會消失嗎？」而是「今天我可以把工作中的哪些部分交給AI處理，好讓自己專注在只有我才能做的事情上？」而且，六個月後，你必須再次問自己同樣的問題。

移動能力的悖論：你越擅長與AI協作，就越需要快速重塑自己的角色。未來的專業人士將不再擁有固定的「核心業務」，而是一種元能力：能在每季都在變化的格局中，迅速辨識出可以增添人類價值之處。

「沒有AI就寫不出東西，這正常嗎？」

這很正常，但並非無法避免。如果你已經對AI寫作產生依賴，可以逐步「戒斷」。從沒有輔助的短文開始，再逐漸增加複雜度。這就像久坐不動後重新健身：一開始很吃力，但力量會很快恢復。

「AI會讓我失去創造力嗎？」

只有在你用錯方法時才會。如果你用AI來腦力激盪、突破瓶頸或探索意想不到的方向，它可以是絕佳的創意夥伴。風險在於把它當作你創造力的替代品，而非放大器。黃金法則：想法必須始終源自於你，AI可以幫助你把它發展出來。

「我要怎麼知道自己是不是太依賴AI了？」

做這個測試：試著不用AI完成一項你平常會委託給它的任務（寫一封重要郵件、解決一個問題、做一個計算）。如果你感到「迷失」或明顯比平常慢很多，那你可能已經對數位助手過度依賴了。試著偶爾用過去的方式工作看看。

「AI會讓學校變得沒用嗎？」

這是最難回答的問題。傳統教育建立在練習之上（寫作、計算、研究），而AI現在做得比學生更好。這裡的困境是：如果你因為「反正有AI」而不再練習這些能力，那要如何培養批判性思考來判斷AI何時出錯？但如果繼續讓學生練習那些AI做得更好的事，教育又顯得不合時宜。‍可能需要一種混合方法：透過直接練習培養基礎能力，再學習如何為複雜目標調度AI工具。」

「這只是一時的流行嗎？」

不,AI 會繼續存在。但就像所有的技術革命一樣,初期的熱潮過後,將迎來一段調適期,我們會在這段時間學習更好地運用它。「認知卸載」是一個真實且持久的現象,但我們可以有意識地管理它,而不是被動地承受它。

記住:下次當你準備要求 AI 幫你寫那封郵件時,先停下來問問自己——我是在放大自己的能力,還是在讓它退化?