写作的过度AI依赖,正损伤你的思考力

很多人正在越来越依赖AI进行写作：写方案时先让AI列框架，写论文时先让AI起草段落，写公众号时先让AI生成初稿，甚至连一封邮件、一段总结、一篇心得，也习惯先交给AI“打个底”。

这种做法看起来提高了效率，却也带来一个值得警惕的问题：当我们把写作中最困难的部分交给AI时，会不会也把最重要的思考过程一并交了出去？写作真的只是把已有想法表达出来吗？还是说，思想本身就是在写作过程中逐渐形成的？

去年夏天，《自然·综述：生物工程》发表了一篇题为《Writing is thinking》的社论，提出了一个值得认真思考的观点：写作本身就是思考。文章引用了一项2024年来自挪威科技大学的脑电研究。研究人员让36名学生交替完成两种任务：一种是手写相同的词语，另一种是用键盘输入相同的词语。实验使用了256通道传感器阵列，对学生的大脑活动进行记录。手写是在触摸屏上进行的草写，打字则是在键盘上完成。也就是说，学生处理的是同样的词语，区别只在于表达方式：一种是用手写出来，一种是用键盘敲出来。

结果很有意思。手写时，大脑中顶叶和中央区域出现了更广泛的连接活动；而打字时，这种连接并不明显。尤其是在theta波和alpha波频段中，手写引发了更强的大脑活动。已有研究常常把这些频段与记忆形成、信息编码和学习过程联系在一起。换句话说，当手真正参与到字母和词语的形成过程中时，大脑并不是简单地“输出”信息，而是在更深层次上组织、编码和加工信息。

这说明，写字并不只是手部动作。手的运动，正在参与思想的形成。

这个发现对今天的我们尤其重要。因为我们正处在一个越来越依赖键盘、屏幕和人工智能生成文本的时代。我们习惯于快速输入，习惯于复制粘贴，习惯于让工具替我们完成整理、润色甚至起草的工作。效率似乎提高了，但我们也许没有意识到：有些看似被节省掉的时间，其实正是思考发生的时间。

写作为什么是思考？因为写作会强迫我们把混乱的想法变成有顺序的表达。

人在脑子里思考时，想法往往是跳跃的、模糊的、片段化的。一个观点还没想完，另一个联想就已经出现；一个判断还没有形成，情绪和经验就已经介入。脑海中的想法看似丰富，其实常常是松散的。它们像一团云，轮廓不清，边界不明。

但是，一旦开始写作，情况就不同了。你必须选择第一个句子，必须决定先讲什么、后讲什么，必须判断哪些内容重要、哪些内容可以删去，必须让上一句话自然地通向下一句话。你不能把所有想法同时摆出来。写作要求你排序、筛选、连接、解释。正是在这个过程中，思想开始成形。

这也是为什么很多人写文章时会有这样的体验：开始写之前，以为自己已经想明白了；真正写下来，才发现很多地方其实没有想清楚。有些概念没有定义，有些逻辑没有连接，有些例子不能支撑观点，有些结论只是情绪判断。写作像一面镜子，会把思想中的漏洞照出来。

所以，写作不是思想的最后一步，而是思想形成的重要机制。

对科研工作者来说，这一点更加明显。科研文章看起来是在汇报研究结果，但真正写作时，研究者往往要重新整理多年积累的数据、实验、观察和判断。他们要回答一系列关键问题：这项研究到底解决了什么问题？最重要的发现是什么？它与已有研究有什么关系？读者为什么应该关心？哪些结果只是辅助，哪些结果才是主线？这些问题不可能只靠脑中想一想就解决。它们往往是在一遍遍写作、修改、重组结构的过程中逐渐浮现的。

一篇科学论文的“主旨”，很多时候不是写作前就清清楚楚地摆在那里，而是在写作中被发现的。研究者把复杂的研究过程整理成一个有意图的叙事：从问题出发，到方法设计，再到结果呈现，最后抵达意义解释。在这个整理过程中，研究者也在重新认识自己的研究。写作帮助他们看见：自己真正相信的是什么，最有价值的发现是什么，哪些内容只是噪音，哪些内容才构成贡献。

这也是那篇社论中最让人不安的问题所在：

如果写作就是思考，那么，当一篇论文主要由大语言模型生成时，我们读到的究竟是研究者的思想，还是大语言模型的思想？

这并不是说人工智能不能用于写作。事实上，许多期刊和研究机构都承认，大语言模型可以在一些辅助环节发挥作用，比如修改语法、优化表达、查找资料、提供头脑风暴、帮助作者突破写作卡顿。这些用途本身并不必然有问题。问题在于，我们是否把“辅助表达”变成了“替代思考”。

让AI帮你润色一句话，和让AI替你完成整篇文章，是两件性质完全不同的事情。前者仍然以你的思想为基础，工具只是帮助你表达得更清楚；后者则可能让你跳过了最关键的认知过程。你没有亲自经历观点选择、结构安排、逻辑推演和语言塑形，也就可能没有真正完成思想的形成。

更复杂的是，很多人以为，让AI先写一个初稿，然后自己再修改，是一种高效的折中方案。但这件事未必真的轻松。因为修改别人的初稿，尤其是修改一个由AI生成的初稿，往往需要先重建它背后的逻辑。你要弄清楚它为什么这样安排结构，哪些判断是可靠的，哪些句子只是流畅但空泛，哪些论证看似完整却缺少真实依据。

换句话说，你原本以为AI替你完成了思考，后来才发现，你必须先拆解它的“思考”，再重新建立自己的思考。这个过程不一定比从零开始写更省力。有时甚至更费劲，因为你面对的不是一张空白纸，而是一套看似完整、实际却未必真正属于你的表达系统。

这就是AI写作最容易被忽视的地方：它节省的可能不是打字时间，而是思考时间。问题在于，被节省掉的那部分，恰恰是最应该由我们自己完成的部分。

对学生来说，这个提醒尤其重要。很多学生写作文、写论文时，最痛苦的不是敲字，而是不知道怎么组织观点、不知道怎么展开论证、不知道怎么把模糊的想法变成清楚的表达。于是，他们很自然地想借助AI快速生成一篇成稿。但如果每次都绕过这个痛苦环节，他们也就绕过了真正训练思维的机会。

写作能力表面上是语言能力，深层其实是思维能力。一个人能不能写清楚，往往反映了他能不能想清楚。能不能提出观点，能不能安排层次，能不能建立因果关系，能不能用证据支撑判断，能不能意识到反方观点，能不能把复杂问题讲得有条理，这些都不是简单的文字技巧，而是思维训练的结果。

对职场人来说也是如此。写一份方案，不只是把工作内容写出来，而是在判断重点、寻找路径、分配资源、预判风险。写一份复盘，不只是记录发生了什么，而是在解释为什么会发生、以后如何改进。写一篇公众号文章，不只是堆积素材，而是在形成一个能够说服读者、启发读者的观点结构。

如果这些工作完全交给AI，我们得到的可能是一份看起来完整的文本，却失去了梳理问题的机会。文字有了，思考却没有发生。结果就是：你拥有了一篇文章，但你并没有真正拥有这篇文章背后的判断力。

当然，这并不意味着我们应该拒绝AI。更合理的做法是重新划清边界：让AI做助手，而不是替身；让AI帮我们改进表达，而不是替我们生成立场；让AI提供可能性，而不是替我们做最终判断。

比如，在写作前，可以让AI帮助整理相关资料、提出不同角度、生成问题清单；在写作中，可以让AI帮助检查逻辑断点、提示结构不清的地方；在写作后，可以让AI帮助润色语言、压缩冗余、改善标题。但最关键的部分仍然要留给自己：我要表达什么？我为什么这样判断？我的证据是什么？我的读者是谁？我希望他们读完之后改变什么认识？

这些问题，不能外包。

真正有价值的写作，往往不是最快完成的写作，而是能让作者本人发生变化的写作。你写完一篇文章之后，应该比写之前更清楚自己的观点；你写完一份报告之后，应该比写之前更理解问题的结构；你写完一篇论文之后，应该比写之前更知道自己的研究贡献在哪里。

这就是“写作即思考”的意义。

你的第一稿，可能很粗糙，可能不流畅，可能充满重复和漏洞。但它是你思考留下的痕迹。正因为它不完美，你才知道哪里需要补充，哪里需要推翻，哪里需要重新组织。第一稿不是最终作品，却是思想真正开始成形的地方。

所以，不要急着把第一稿交给工具。先让自己写。哪怕写得慢一点，乱一点，笨一点，也没有关系。因为那个过程不是低效劳动，而是认知劳动。你以为自己在写字，其实是在搭建思想的骨架；你以为自己在修改句子，其实是在修正判断；你以为自己在整理段落，其实是在重新理解世界。

写作从来不只是把想法放到纸上。

很多时候，正是纸上的文字，第一次让你真正拥有了自己的想法。