AI 时代你外包的不是思考,是认知——一场关于学习的反共识

前两天在 X 上刷到一条推文，作者是一口新饭，原话大意是这样：一个手握纸笔、看着纸质教材的人所获得的认知，可能和一个手机里装着 ChatGPT、电脑上开着 notebookLM 的人一样多，甚至更多。

说真的，这条推文我想了好几天。

因为它直接捅破了当下最流行的一条叙事——「AI 来了，教育就要被革命，人人都能学得更多更快」。这种话听了两年，听到我自己都快信了。但你冷静下来看一眼周围：用 AI 用得最猛的那批打工人，认知真的提升了吗？还是只是产出物变多了、文档变漂亮了、感觉变良好了？

这事儿的锚点，是 Karpathy 之前转过的一句话：

You can outsource thinking, but not understanding.

思考可以外包，认知不行。

这篇我想聊四个东西：思考和认知到底差在哪、教育心理学早就给过的硬证据、沃顿教授 Mollick 不一样的反方声音、以及最后我自己的实操判断——什么时候该用 AI，什么时候千万别用。

思考 vs 认知，到底差在哪

Karpathy 那句话的关键，在 thinking 和 understanding 不是同义词。翻译成打工人的话——

思考是过程性劳动：搜索资料、起草初稿、归纳要点、翻译改写、查错别字。这些事儿有清晰的输入、有可验证的中间产物。说白了就是可以流程化的活儿。AI 在这一层效率高得离谱，这也是为什么所有打工人第一次用上 ChatGPT 都觉得真好用。

认知是建模能力：你脑子里那个「世界怎么转」的模型。一个领域的因果链长什么样、哪些变量是真因、哪里是模糊地带、你自己对一个问题怎么判断、把新信息往已有结构上一嫁接的那种「对上号」的感觉。

认知最大的特征是——它必须发生在你自己的大脑里。必须经过你自己卡壳、自己想错、自己反复琢磨，才会长出来。它不是一段文字，是一组神经连接。

思考可以读取、可以外包；认知不能读取、不能外包——因为它不是产物，是过程留下的痕迹。

我跟你讲，公司里这种割裂我见太多了。

有些同事，PPT 做得绝了，文档写得漂亮，开会引经据典——但你跟他聊业务底层一聊深，立马卡壳。他不是没”思考过”，他是从来没”建过模”。AI 时代之前，这种人靠勤奋和模板还能撑住；AI 时代之后，这玩意儿会被放大十倍——因为 AI 让”看上去在思考”变得太便宜了。

大公司里最危险的人，不是不思考的人，是用 AI 替自己思考完之后以为自己懂了的人。

教育心理学早就给过答案：学起来费劲的，记得最牢

如果你觉得上面那段还停留在感觉层，下面这个是硬证据。

UCLA 心理学家 Robert Bjork 研究了几十年，提出一个反直觉的概念叫 desirable difficulties——可欲难度。核心结论是：短期感觉学得吃力，长期反而记得更牢、迁移得更好。

教育心理学多年研究里有几个通行的实验范式：

这些设计有个共同点——学的当下体感更差。卡壳、想不起来、解错了、要重做。但正是这些「不爽」的瞬间，认知在重新建结构。

那 AI 干了什么？AI 把这一整段费劲全砍掉了。

你让 ChatGPT 解释一个新概念，10 秒钟读完，感觉「我懂了」——这其实是 fluency illusion（流畅性错觉），读得越顺越觉得懂，但一周后你脑子里啥都不剩。因为认知建模根本没发生过。

这恰好呼应了一口新饭那句「纸笔的人反而学得更多」。纸笔不是有什么神秘力量，是它带宽低——它强迫你慢、强迫你浓缩、强迫你做选择、强迫你重写。这些都是 desirable difficulties 在天然发生。

学得太顺的那种学，大概率是没学进去。

我自己最有感触的一段——前几年学 AI，看了一堆视频教程，刷了无数篇综述文章。回头看，记得最牢的反而是那些自己手写代码、自己跑模型、自己 debug 到凌晨的部分。视频里听过的概念早就忘光了。

你看着的那些「我学了」的瞬间，其实是「我以为我学了」的幻觉。真学了的，都是手上磨出茧子那部分。

但 Mollick 说了句不一样的话——把 AI 当 cognitive partner

讲到这儿，你可能觉得我要一刀切反 AI 了。等等，没那么简单。

沃顿商学院的 Ethan Mollick 教授，写过一本叫《Co-Intelligence》的书，立场跟 Newport 不一样。他的核心观点是——

Prompt-as-thinking：写一个真正能让 AI 帮上忙的提示词，本身就是高强度思考。你必须先把问题想清楚、把约束讲清楚、把目标说清楚、把评估标准列清楚。这反而强迫你比平时想得更清楚。

协同智能（Co-Intelligence）：AI 不应该被当成替代品，而是协作伙伴。Mollick 在沃顿做过很多课堂实验，结论是——用得对的学生认知能力反而提升，用得懒的学生认知能力下降。差别不在工具，在使用方式。

再往哲学层挖一层——Andy Clark 1998 年提了个东西叫 extended mind，延展心智。意思是人的认知从来不是只在颅骨内部发生的，纸笔、字典、计算器、Google、其他人，都构成你认知系统的一部分。从这个角度看：

AI 不是断崖式新事物，是连续光谱上的最新一环。

工具是中性的，过程不是。决定你长不长大脑的，从来都是你的过程，不是你手里那个工具。

所以这事儿没法非黑即白。关键是——你用 AI 之前，自己脑子里先跑过一遍没有？跑过，AI 是认知放大器；没跑过，AI 就是认知麻醉剂。一个动作，两种结局。

大雷的实操判断：什么该用 AI，什么不该用

讲了一堆，最后必须落地。我自己用 AI 这一年多，沉淀出一张表——可以截图贴工位上的那种。

该用 AI 的场景（思考类，可外包）：

不该用 / 谨慎用 AI 的场景（认知类，不能外包）：

一句话总结：先自己想，再让 AI 想；先有判断，再让 AI 验证；先建模，再让 AI 拓展。

顺序对了，AI 是放大器。顺序反了，AI 是麻醉剂。

思考可以外包，认知不行——AI 时代真正稀缺的不是答案，是你自己先把题想清楚的那 5 分钟。

写在最后

一口新饭那条推文之所以扎，是因为它戳穿了一个很多人不愿意承认的事实：用 AI 用得最熟的那批人，认知未必长得最快。有人在长，是因为他们用 AI 用对了顺序；有人在退化，是因为他们把建模这一步整个外包出去了。

我不反 AI。我自己每天用，重度用。但我也越来越警惕——警惕那种”打开 AI 之前不思考，关掉 AI 之后没沉淀”的用法。那不是协作，那是替代。替代到最后，被替代的不是 AI 不会做的事，是你自己。

下次你用 AI 之前，先停 5 分钟，问自己一句：这件事，我自己脑子里跑过一遍了吗？

跑过了再用，那是你在用 AI。
没跑就用，那是 AI 在用你。

想跟着一起练的，国内来星球，海外加入频道会员找大雷。