同样的 AI,有人越用越聪明,有人越用越废-夜雨聆风

同样的 AI,有人越用越聪明,有人越用越废

现在，你每天都在使用 AI。有些，你是主动；另一些时候，你在被动使用。

AI 对你的影响只有两种。你要么因它变得更敏锐，要么因它变得更空洞。大多数人正在变得更空洞。他们不会察觉，直到有一天不得不在没有 AI 的情况下工作。

回想上周的工作，你有多少时间是自己在思考，多少时间在使用 AI 思考。

你的工作成果，有多少真正属于你？

想想你最近刚完成的文案、报告、代码、设计……

上周，我坐在那里盯着自己花了一个月写的程序功能模块，却看不懂逻辑。我读了一遍，又读了一遍。然后我打开聊天窗口，让模型解释代码逻辑。那个瞬间，给我猛地一击——类似的事以前从未发生过。

借助 AI 编程工具，开发速度获得提高，但思考变少。交付了同样的结果，但那个承担实际工作的底层肌肉——那个让我安静地坐在一个难题前三分钟、然后带着真正答案回来的肌肉——在我忙着为交付速度沾沾自喜的时候，已经萎缩了。

MIT 的实验

最近，MIT 媒体实验室的一篇名为「Your Brain on ChatGPT」（链接参见文末）论文火了。

八位研究人员给 54 名大学生接上脑电图（EEG）设备，让他们在四个月内完成三次论文写作。一组使用 ChatGPT，一组使用 Google，第三组什么工具都不用。ChatGPT 组的神经连接在每一轮中都出现了减弱。到第三轮时，参与者已经在复制粘贴了。

人们为这种现象创造了一个术语：「认知债务」（cognitive debt）。你用自己的思考能力做抵押，换取今天更快的交付，而利息则不断侵蚀你未来思考的能力。

在第四轮中，研究人员互换了各组使用的工具。手写组拿到了 ChatGPT，ChatGPT 用户的工具被收走了。结果发生了翻转。

手写组在第四轮获得 AI 后，在 alpha、beta、theta 和 delta 频段上都展现出比任何一轮纯 AI 会话更高的神经连接度。当他们在已有的能力结构之上加入 AI 时，大脑被更广泛地点亮了。

AI 用户在失去工具后，无法正常运作。研究人员要求他们引用几分钟前自己写的论文中的一句话。78% 的人写不出一句。11% 的人给出了正确的引用。

我认为，这篇论文真正的发现是：在独立认知参与之前使用 AI，会积累债务；在独立认知参与之后使用 AI，会放大你的能力。

顺序比工具本身更重要。

那么如何以正确姿势打开 AI？

1. 先思考，再提问

MIT 论文最具操作性的发现也是最简单的一个。第四轮的手写组在后来加入 AI 时获得了高认知参与度，因为他们先花了三个月建立能力。他们的大脑有东西可以带入对话。AI 扩展了一个已有的结构，而不是替代一个不存在的结构。

把这个原则应用到你的工作中。在任何非琐碎任务上打开 AI 工具之前，先花至少十五分钟构思自己的粗略答案。写出那个糟糕的版本。列出你自己的疑问。陈述你认为答案可能是什么以及为什么。用笔写下来，如果这能帮你避免不自觉地滑向 AI 窗口。

然后打开对话，带着你的 alpha 版本答案去。

代价是每天十五分钟。收益是你的大脑留在循环中，那块肌肉一直在锻炼。

2. 让 AI 反对你

大语言模型（LLM）通过人类反馈强化学习（RLHF）训练，这意味着它们被优化为顺从的。它们对你想法的默认回应是某种形式的认可。这感觉很舒服，但什么都教不了你，无法让你变得更加睿智。

解决方法是结构性的。在你的提示词中加入对抗性框架。让模型找出你刚写的三个最薄弱的论点。让它为你不赞同的立场做最强势的论证（steelman）。让它预测最具破坏性的反例。

我常用的一段提示词：「仔细阅读以下代码。找出最薄弱的三段代码。引述出来并向我解释为什么它薄弱。指出我用来掩盖漏洞的思考逻辑。要具体。不要遗漏。」

借助这段提示词，我重构和优化了产品代码，最重要的是，我真正意识到自己的问题，并学习到如何去解决，让自己真正在成长。

分歧才是学习所在。赞同只是昂贵的奉承。

3. 反转流向：向 AI 解释事物

大多数人把 AI 当作老师。反过来更有用。让 AI 成为你解释的对象。

费曼学习方法有效，是因为解释一个概念会迫使你的大脑填补自身模型中的缺口。阅读一段清晰的解释不会产生同样的效果。它产生的是熟悉感——从内部感觉像是理解，但并不是。

挑选一个你认为自己理解的概念。把 AI 当作一个聪明的十二岁小孩来解释，而这个小孩可以提出刁钻的问题。然后让模型找出你的解释中每一个含糊、敷衍或跳过步骤的地方。让它从清晰度、准确性和完整性三个维度给你打分，每个维度给出一个具体理由。

不要让模型一开始就给出正确解释。让它先审查你的。

我时常在读完内容之后，然后用自己的话重复或总结所读内容，丢给 AI，让它帮我分析自己的理解是否精准，是否有改进之处。

自己生成解释时的那种不适感——尤其是当它很糟糕的时候——正是认知科学家所说的「合意困难」（desirable difficulty）。错误的尝试为大脑编码正确版本做了预激活。跳过错误尝试，就跳过了编码。

4. 验证承重论断

微软的一项研究发现：AI 用户把精力从产出工作转移到了验证输出上，然后又没有真正做验证。他们觉得自己验证了。所谓的验证只是凭感觉。

在任何你准备采纳的 AI 回答中，挑出三个论断——如果它们是错的，会改变你的决策的那三个。为这三个论断找到一手来源。读到足以确认或推翻该论断的程度。

这一步花费你二十分钟。它保护的是你大脑中区分「自信且正确」与「自信且错误」的那部分能力——这是你使用一个以同等流畅度产出这两种结果的工具时最重要的能力。

5. 关掉 AI，自己写总结

无论 AI 在哪些方面帮助了你，你最终交付的东西——收尾段落、提交信息、方案——都要在聊天窗口关闭的状态下写。凭记忆。用你自己的话。

这一步不可妥协。这是工作变成「你的」的时刻——无论是法律意义上的，还是认知意义上的。任何通过 AI 写出的东西只是经过了你。任何从你自己的大脑中写出的东西，都成为你结构的一部分。

现在，我会让 AI 帮我搭建一篇技术文档的主体框架，基于主体内容，我会做必要润色，亲手写方案的结论部分，同时加入自己的思考和问题。将这份文档变成自己真正的工作成果和交付，而非 AI 的产物。

如果你无法在不借助 AI 的情况下写出综合，说明你没有学会。AI 做了工作，你旁观了。注意到这一点。回到第一条原则。

AI 时代的两类人

距大语言模型（LLM）兴起已经有四年，人群正在分化为两类。

第一类人用 AI 让同样的工作变得更轻松，把省下的时间当作舒适享受。

他们的产出不变。能力在侵蚀。经济地位逐年恶化，因为他们做的事情每年都在变得更便宜、更容易替代。他们感觉自己效率很高，但正在变得可替代。

不借助 AI，已经无法独自完成工作，AI 已经变成他们认知的一部分，甚至逐渐在替代大脑的认知。

第二类人用 AI 去尝试过去不可能的事，并把省下的认知再投资到更难的问题和更深的技能上。

他们的产出上升。能力在复利增长。他们每年都变得更难替代，因为他们在做上一代人根本做不到的事。独自一人就能交付过去需要五十人团队的产品，阅读三倍数量的论文并跨领域进行研究，一人搞定产品的需求、设计、编码、测试、部署等所有工作。

工具是一样的。方法不同。方法就是全部。

你无法靠 AI 滑行。没人能靠 AI 滑行。你要么因使用它变得更敏锐，要么变得更迟钝。模式取决于你以什么顺序启动自己的大脑。

归根结底就是一条规则：先启动自己的大脑，再打开 AI 窗口。

关掉这篇文章之后，你会先做什么？打开 AI，还是先想三分钟？

参考资料

Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task

https://arxiv.org/abs/2506.08872