效率悖论：人工智能会让我们更愚蠢吗？

自动化的讽刺：人工智能如何对我们进行心理训练

当全世界都在庆祝人工智能的高效率时，一个令人不安的悖论浮现出来：AI并没有取代我们，而是在让我们“退化训练”。这种“认知外包”的过程正在改变我们思考和记忆的方式。

心理 GPS：当效率成为敌人时

还记得你能在城里找到路的时候吗？你还能背出朋友的电话号码吗？全球定位系统（GPS）改变了我们的方向感，而人工智能（AI）则改变了我们的认知能力。

马萨诸塞州总医院的Louisa Dahmani发表在Nature Neuroscience上的一项2020年研究表明，依赖GPS出行会显著降低海马体的活动，而海马体正是负责空间记忆和导航的关键脑区。

谷歌效应：解释一切的先例

这一现象有着扎实的科学根源。“谷歌效应”或称数字健忘症，由哥伦比亚大学心理学家Betsy Sparrow在一项发表于Science的研究中于2011年首次记录。

研究表明，当人们知道可以很容易地在网上检索到信息时，他们就不太可能记住这些信息。在一项实验中，参与者更容易记住在哪里可以找到信息，而不是信息本身。

数字健忘症的数据令人担忧：

• 根据卡巴斯基实验室2015年的一项研究，美国和欧洲91%的人承认将互联网作为自己记忆的在线延伸
• 只有49%的受访者能记住配偶的电话号码
• 71%的人记不住自己孩子的电话号码

微软-卡内基梅隆研究院：关于人工智能的第一手数据

微软和卡内基梅隆大学研究人员进行的一项2025年研究分析了319名知识工作者及其对生成式AI工具的使用情况。结果显示：

• 工作者在依赖AI工具时会产生一种“批判性思维已经实现”的错觉
• 与依靠自身认知能力的人相比，使用AI在同一任务上产生的"结果多样性更低"
• 观察到一种“认知外包”的趋势——将思维过程转交给外部工具

但等等：并非所有的 "去培训 "都是一样的

在继续之前，我们先做一个批判性思考。这一现象并不新鲜：

计算器

谁还会用手算长除法？几十年来，计算器 "训练 "了我们的心算能力。然而，数学并没有死--事实上，它已经蓬勃发展。从繁琐的计算中解脱出来，数学家们集中精力解决更复杂、更有创造性的问题。

经文与口述记忆

苏格拉底本人就曾担心书写会削弱记忆力。在柏拉图的对话录《斐德罗篇》（约公元前370年）中，苏格拉底讲述了关于Theuth和Thamus的埃及神话：Theuth将书写作为一项能够提升智慧和记忆的发明呈现出来。但塔穆斯国王反驳道：“这项发明会在学习者的灵魂中制造遗忘：他们将不再锻炼记忆力，因为他们会依赖外在的书写”。

他说得没错：背诵整部《伊利亚特》的说书人已经不复存在。但是，我们获得了在全球范围内保存和分享复杂思想的能力。

印刷与书法

古登堡印刷术（1440年）使精美的书法变得过时。在印刷术出现之前，14世纪的欧洲，80%的英国成年人甚至不会写自己的名字。然而到1650年，47%的欧洲人已识字。到19世纪中叶，这一数字上升到62%。

我们失去了一门技艺，但让知识变得大众化。正如历史学家所指出的：“识字率的净增长打破了识字精英对教育和学习的垄断，支撑了新兴的中产阶级”。

模式很清晰：每一次技术飞跃都会“弱化”某些能力，同时增强另一些能力。

那么，人工智能有什么不同呢？

如果每项技术都会“弱化”某种能力，为什么AI应该让我们更担心？区别在于三个关键因素：

1. 速度与普及度

电子袖珍计算器自 1971 年上市以来，在大约 15 到 20 年的时间里就取代了复杂的心算。人工智能正在用不到五年的时间取代批判性思维。

‍我们不能再像过去那样以“代际”为单位来思考——现在必须以5年为周期来考虑，而不是20-30年。

速度很重要：大脑适应和发展新的补偿技能的时间较短。人类社会历来发展缓慢，让制度、教育和文化逐渐适应技术变革。但人工智能将这一适应过程压缩了几十年，造成了前所未有的文化和认知冲击。

2. 认知外包的广度

• 计算器：取代算术计算
• GPS：取代空间导航
• AI：取代推理、创造力、写作、分析——这些是我们在各个领域都会用到的横向能力

3. 元认知的缺失

使用计算器时，你清楚知道自己不会做长除法。而使用AI时，你往往意识不到自己已经停止了批判性思考。这是一种无声且无意识的衰退。

人工智能引发的认知萎缩理论

“AI聊天机器人诱发的认知萎缩”（AICICA）这一概念在一项2024年的研究中被提出，其基础是大脑发育中“用进废退”的原理，认为过度依赖AI而不同时培养基础认知能力，可能导致认知能力的使用不足。

发表于Symbolae Osloenses的一项2009年学术研究早已用计算器做过类似的类比：“袖珍计算器让我们能够得出计算问题的答案，但它是否让我们真正了解这些答案？这取决于我们所说的“了解”是什么意思。如果这意味着我们还应该能够证明这些答案是正确的、解释为什么它们确实是对的，那么答案显然是否定的”。

"这不是缺陷，这是特点"：设计的认知依赖性

但转折点来了:认知依赖或许不是一种副作用,而是一种设计特性。

关键区别:计算器不需要你上瘾才能盈利。AI则不然。你用得越多,产生的数据就越多,它就变得越完善,也就越不可或缺。这是一种建立在依赖之上的商业模式。

这是一个自我强化的循环:AI越有效,我们就越依赖它。我们越依赖,锻炼自身能力的机会就越少。锻炼得越少,就越需要AI。这就像对一种物质产生了耐受性:需要越来越大的剂量才能获得同样的效果。

认知自由的悖论：当自由使我们沦为囚徒

医学

发表在Perspectives on Psychological Science上的一项2024年研究警告称,在人工智能应用日益广泛的放射学领域,医生有可能逐渐丧失其直觉性诊断能力。但要注意:AI正在将放射科医生从对数千张正常扫描图像的常规分析中解放出来,让他们能够专注于复杂和非典型的病例。风险不在于AI取代诊断,而在于医生不再在那些看似平常的病例上锻炼自己的“临床眼光”——而这些病例往往隐藏着识别罕见异常所需的关键细微线索。

编程

一项2025年研究揭示了一个有趣的现象:长期依赖AI编写代码的开发者会产生一种认知依赖。AI擅长生成样板代码和标准函数——这些重复性工作以前会占用宝贵的时间。问题在于:摆脱这些枯燥任务后,一些程序员即使在真正需要时也不再锻炼算法思维了。这就像一位外科医生用机器人器械做常规手术,但在紧急情况下却难以徒手操作。

教育

正如教育家Trevor Muir所解释的:“我认为老师不应该在学生掌握写作之前就让他们在写作中使用AI。”AI可以纠正语法、建议同义词,甚至能构建文章结构——这些以前都需要花费数小时人工修改。隐藏的价值在于:那些错误和看似“无用”的努力,实际上是大脑的锻炼场。这就像先学手动挡再学自动挡开车:看起来更难,但能培养出自动挡无法给予的对车辆的掌控力和理解力。

这就像学习驾驶：首先，你必须通过 "低效 "练习来培养反应能力和道路直觉，然后才能安全地使用巡航控制系统。

正如苏格拉底在《斐德罗篇》中所预见的那样:“你将给你的学生带来智慧的表象,而非其实质。你的发明会让他们在没有得到充分教导的情况下听闻许多事物,他们会以为自己已经知晓了很多,而实际上大多数情况下他们一无所知。”

假想替代 "测试（重温）

与其问“AI能做到这个吗?”,不如尝试这个更新版的思维实验:“如果明天所有人都用AI来做这件事,我们作为一个物种会失去什么?又会获得什么?”

• 写作:我们会失去清晰表达复杂思想的能力 → 但我们会因此获得更多时间去进行更深层次的思考吗?
• 导航:我们会失去空间方向感 → 但我们会因此在出行上获得效率吗?
• 计算:我们已经失去了心算能力 → 但我们获得了解决更复杂问题的能力

真正的问题是:我们是否清楚意识到自己选择所带来的后果?

认知抵抗策略：如何不被助理取代

1.用人工智能来放大，而不是遗忘

"利用人工智能来增强你的技能，而不是忘记它们。让它把你从繁重的工作中解放出来，这样你就可以专注于创造性和复杂的方面--但不要让这些核心技能因废弃而萎缩"。

2.不断训练 "认知肌肉

这就像体能训练一样：如果你两个月不去健身房，照镜子时你不会注意到--你看起来还是老样子。但当你试着举起重物或跑上楼梯时，就会立刻感觉到不同。你的肌肉已经悄无声息地变弱了。

‍认知萎缩更加隐蔽:不仅在发生时你察觉不到,甚至在你需要那项能力时你也往往意识不到——你只是简单地把任务交给AI,却没有意识到自己曾经本可以独立完成。

3.实践 "先无后有 "规则

为了保持我们的认知能力,我们必须在将基础技能交给AI之前先亲自练习这些技能,而且即使在委托之后,也必须继续锻炼它们。这不是“基础”技能与“非必要”技能之分,而是关乎保持思维的锻炼状态。

就像一个棋手总是用电脑来分析棋步：他在技术上变得越来越精确，但如果他从不独立推理，他就会失去战略直觉和 "感觉 "局面的能力。

‍

未来：人工智能是合作者，而不是拐杖

解决方案不是拒绝AI,而是有策略地使用它。能够蓬勃发展的专业人士,将是那些把自身的人类直觉和经验与AI的超能力结合起来的人——他们懂得何时该委托、何时该自主思考,并始终掌控决策过程。

结论：这是一个功能，而不是一个错误（但是是哪个功能？）

由AI引起的认知萎缩并非一个需要纠正的缺陷——它是一种设计上的必然结果,我们必须清醒地认识并加以管理。

但要注意:并非所有的“去训练化”都是负面的。计算器让我们摆脱了繁琐的计算,印刷术让我们摆脱了口头记忆,GPS让我们摆脱了记住每一条路的必要。

真正的挑战在于区分:

• 什么时候去训练化是解放性的(为更重要的事情释放出认知资源)
• 什么时候它是削弱性的(削弱我们独立思考所需的能力)

问题不在于AI是否会取代我们,而在于我们是否足够清醒,能够选择什么可以被取代、什么应该继续锻炼。未来属于那些懂得何时不使用AI的人。

常见问题：关于人工智能和认知萎缩的最常见问题

"AI会让我变笨吗？"

不会，AI不会让你变笨。AI会让你在某些特定领域认知上变懒，就像GPS让你在导航方面变懒一样。你的基础智力不会改变，但你可能会在某些场景中失去使用它的习惯。幸运的是这个过程是可逆的：只需重新开始训练就行。

"ChatGPT真的会摧毁大脑吗？"

绝对不会。你在报纸上看到的那些耸人听闻的研究，通常都是基于样本量很小的初步研究。目前没有科学证据表明使用AI会造成脑损伤。真正的问题更微妙：它可能会降低自主思考的动力，而不是降低自主思考的能力。

"我应该停止使用AI吗？"

不，那样反而适得其反。AI是一个强大的工具，能够放大你的能力。关键在于有策略地使用它：让它处理重复性、枯燥的任务，但保持你的批判性技能处于活跃状态。这就像去健身房：你可以使用器械，但不要忘记徒手训练。

"我的孩子会变得不那么聪明吗？"

不一定。在AI陪伴下成长的孩子可能会发展出与我们不同的能力：与智能系统协作的能力更强，筛选信息的思维更敏捷，在组合多种资源方面更有创造力。风险在于他们可能会跳过一些基础的训练环节。

‍但真正的挑战对所有人来说——无论是孩子还是成年人——都是一样的：学会在认知自主性与AI协作之间找到平衡。孩子们甚至可能更具优势，因为他们会自然而然地在这两种模式下成长为"双语者"。

"AI会完全取代人类的工作吗？"

不是你想的那种方式。事实上，AI并不会彻底消除任何一个"职业角色"，而是会改变现有角色中的单项任务。这正在同时引发三种现象：

1. 分层自动化：AI首先取代最常规的任务，然后逐渐取代越来越复杂的任务。一名会计可能会先看到基础计算被自动化，然后是趋势分析，最后甚至部分战略咨询也被自动化。工作是逐步转变的，而不是瞬间消失。

2. 价值两极分化：正在形成一种分化——那些能有效与AI协作的人（变得更高效），和那些做不到的人（变得过时）。仅仅擅长自己的领域已经不够了——你必须擅长你的领域 + AI。

3. 新的瓶颈：当AI处理分析和常规工作时，那些曾经看似"软技能"的能力变得至关重要：复杂谈判、模糊情境下的领导力、应用于前所未见问题的创造力。矛盾的是，AI越强大，那些最"人性化"的能力就越有价值。

真正的问题不是"我的工作会消失吗？"而是"今天我可以把工作的哪些部分交给AI，从而专注于只有我才能做的事情？"然后，六个月后，你还得再问自己同样的问题。

可移动能力的悖论：你与AI协作的能力越强，就越需要快速地重新定义自己的角色。未来的专业人士将不再拥有固定的"核心业务"，而是拥有一种元能力：能够在每个季度都在变化的格局中，快速识别在哪里可以增加人的价值。

"没有AI我就写不出东西了，这正常吗？"

这很正常，但并非不可避免。如果你已经对使用AI写作产生了依赖，你可以逐步"戒断"。先从不借助辅助的短文开始，再逐渐增加难度。这就像久坐不动一段时间后重新健身：一开始会很吃力，但力量会很快恢复。

"AI会让我失去创造力吗？"

只有在你用错方法的情况下才会。如果你用AI来进行头脑风暴、突破瓶颈或探索意想不到的方向，它可以成为一个出色的创意伙伴。风险在于把它当作你创造力的替代品，而不是放大器。黄金法则是：创意必须始终从你自己出发，AI可以帮你去发展它。

"我该如何判断自己是不是过度使用AI了？"

做这个测试：尝试在不使用AI的情况下完成一项你通常会交给AI的任务（写一封重要邮件、解决一个问题、做一次计算）。如果你感到"迷失"或者比平时慢很多，那你可能已经过度依赖你的数字助手了。不妨偶尔像以前一样工作一下。

"AI会让学校变得没有意义吗？"

这是最难回答的问题。传统教育建立在练习（写作、计算、研究）的基础上，而现在AI在这些方面做得比学生更好。这就出现了一个两难困境：如果因为"反正有AI"而不去锻炼这些能力，你又该如何培养评估AI何时出错所需的批判性思维？但如果继续让学生练习那些AI做得更好的事情，教育又显得不合时宜。‍可能需要一种混合方法：通过直接练习培养基础能力，再学会为复杂目标调度AI工具。"

"这只是一时的潮流吗？"

不,AI 会一直存在下去。但和所有技术革命一样,最初的热潮过后,会迎来一段调整期,让我们学会更好地使用它。"认知卸载"是一种真实且持久的现象,但我们可以有意识地管理它,而不是被动地任其发生。

记住:下次你想让 AI 帮你写那封邮件时,先停下来问问自己——我是在放大自己的能力,还是在让它萎缩?