别让AI把你的脑子＂养废＂了——研究说这真的会发生

上周我儿子拿着一道数学题来问我，我下意识掏出手机想让豆包帮他看看——然后我突然顿了一下，感觉有点不对劲。

不是题不会，是我越来越习惯把”想”这件事直接外包出去了。

这个感觉搁在一年前，我可能会觉得是自己多虑。但最近翻了几篇研究，说实话有点被说中了。

脑电图测出来了

MIT Media Lab今年发布了一项研究，题目叫《Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task》，可以翻译成”你用ChatGPT时的大脑：AI辅助写作中认知债务的累积”。

他们把54个参与者分成三组：一组用LLM写文章，一组用搜索引擎，一组什么工具都不用、纯靠自己脑子想。然后坚持做了四个月，全程用脑电图（EEG）监测大脑活动。

结论比较直白——长期依赖LLM写作的那组，大脑连接强度是三组里最弱的。纯靠自己想的那组，神经网络是最丰富、分布最广的。搜索引擎那组居中。

更有意思的是第四轮实验：让原本用LLM的人改成纯脑力模式之后，他们的alpha波和beta波连接都明显减弱了——意思是就算你”想”回来，大脑短期内也没法立即恢复到原来的水平。

原文说的是：

“LLM users displayed the weakest connectivity… Over four months, LLM users consistently underperformed at neural, linguistic, and behavioral levels.”

（LLM用户展示出最弱的大脑连接……在四个月中，LLM用户在神经、语言和行为层面的表现持续落后。）

他们给这个现象起了一个词：认知债务（Cognitive Debt）。

这个词我觉得取得相当准。不是说你用一次AI就立刻变笨，而是像信用卡一样，每次外包一点思考，慢慢就欠了一堆，等你某天想”自己来”，发现还不上了。

知识工作者也没逃掉

在CHI 2025（计算机与人类交互领域最顶级的学术会议）上，微软研究院的团队发了一篇论文：《The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers》，即”生成式AI对批判性思维的影响：对知识工作者的调查中自我报告的认知努力减少和信心效应”。

他们调查了319位知识工作者，收集了936个第一手使用AI的真实场景。

结论是：GenAI工具让人效率更高了，但认知的重心从”主动解决问题”转移到了”被动核查和监督”。一个更直白的说法是——完成的任务更多了，真正理解的东西更少了。

我在做AI产品落地这块待了很多年，这个说法我认。很多时候开会，有人直接把豆包或者GPT的输出丢上来，说”AI也这么说了”，讨论就结束了。没有人去问AI这么说的依据是什么，也没人去想有没有反例。

某种意义上，AI成了会议室里最有话语权的那个人，而我们变成了它的传声筒。

但问题不是AI，是我们用AI的方式

西班牙人工智能研究院（IIIA-CSIC）和墨尔本大学合作的一篇教育领域论文说了一个很关键的观点：

“LLMs are not educationally neutral; their effects are contingent rather than fixed.”

（大语言模型在教育上不是中性的；它们的影响是条件性的，而不是固定的。）

意思是AI不必然把你变笨，但如果你没有刻意抵抗，它默认会让你越来越省事、越来越少思考。

这背后有个设计逻辑：现在大多数AI产品追求的是”零摩擦”——你提问，它直接给答案，越流畅越好。但是，恰恰是这种流畅，让大脑完全不需要参与进来。

这让我想到一个词：认知摩擦（Cognitive Friction）。有时候适当的阻力，反而是保护你思考能力的东西。

有人在想解法了

今年一月，arXiv上有篇文章我觉得是这个问题目前最接近实操答案的——《An Experimental Comparison of Cognitive Forcing Functions for Execution Plans in AI-Assisted Writing》，即”AI辅助写作执行计划中认知强制函数的实验比较”。

作者Ahana Ghosh、Advait Sarkar等人研究的是一个叫做认知强制函数（Cognitive Forcing Functions，简称CFF）的概念。

什么意思？就是在AI给你输出结果之前，强制让你做一件事：

• Assumption模式：让你先分析AI输出里的假设和论点，再决定要不要用
• WhatIf模式：让你做假设测试，想想如果某个条件变了，结论还成立吗
• 两者结合
• 什么都不加（对照组）

测试结果：Assumption模式减少了过度依赖AI，同时没有增加用户的认知负担。WhatIf模式被用户觉得最有用，但实际上减少过度依赖的效果不如Assumption。

这个发现有意思的地方在于：不是让你”不用AI”，而是在你和AI之间加一层”必须自己过一遍”的环节，效果就出来了。

原文核心表述：

“The Assumption CFF most effectively reduced overreliance without increasing cognitive load.”

（Assumption认知强制函数在不增加认知负担的前提下，最有效地降低了对AI的过度依赖。）

另外还有一个方向值得关注——让AI和AI辩论。arXiv上2402.06782那篇论文《Debating with More Persuasive LLMs Leads to More Truthful Answers》做了这样的实验：让两个LLM分别持不同立场进行辩论，然后让人或弱模型来判断谁说得对。

结果比直接问一个AI准确率要高不少——非专家模型的准确率从48%提升到76%，人类从60%提升到88%。

这背后的逻辑我觉得是对的：用AI对抗AI，而不是完全信任AI，反而能帮你看得更清楚。

我自己现在怎么做

说回我儿子问数学题那个场景，后来我没有让豆包替他解，我让豆包给他提了三个问题，然后让他自己去回答那三个问题之后再算。

这其实就是一种简单的”强制函数”。

我在工作里也开始有意识地这样用：不直接让AI给结论，而是先让它提出三个我没想到的反驳点，再让它告诉我这个方案的核心假设是什么，然后我来评判这些假设成不成立。

有时候很麻烦，比直接问一遍慢多了。但慢的那几分钟，是我自己在思考的时间，不是AI在替我想。

我认为这个习惯值得养成，不是因为研究说了，是因为我确实感觉到差别。用AI用得太顺的那几个月，回过头看自己写的东西，总觉得缺点什么——那个东西现在大概叫做”我自己的判断”。

当然，这不是反对用AI。都2026年了，说不用AI的人基本上是在开玩笑。我的意思是，在使用AI的流程里，刻意给自己留一个必须动脑子的环节——哪怕只是”在接受AI输出之前，问它一个反驳自己的问题”，也好过什么都不做。

认知债务这东西，早还比晚还轻松。

参考文章链接：

• 主要参考：An Experimental Comparison of Cognitive Forcing Functions for Execution Plans in AI-Assisted Writing https://arxiv.org/abs/2601.18033

• Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task https://arxiv.org/abs/2506.08872

• The Impact of Generative AI on Critical Thinking (CHI 2025) https://dl.acm.org/doi/10.1145/3706598.3713778

• Scaffolding Critical Thinking with Generative AI (IIIA-CSIC & University of Melbourne) https://www.iiia.csic.es/media/filer_public/a1/a5/a1a57cdc-0aa0-45e0-ae2b-6e4238ee6617/1-s20-s2666920x26000342-main_5.pdf

• Debating with More Persuasive LLMs Leads to More Truthful Answers https://arxiv.org/abs/2402.06782