ARTICLE · 1244664
AI 是方法,不是加法(二):工具狂欢是认知懒惰
一、问题的提出
人工智能价值的实现以方法式采纳（围绕 AI 重造活动形态）为条件，加法式采纳（把 AI 当作既有流程的提速补丁）至多带来局部提速，无法兑现技术的一般性红利。一个随之而来的问题是：既然方法式明显更优，为什么加法式仍是绝大多数人的默认姿态？
本文的回答可以先行给出：加法式的盛行不是一个理性选择的失误，而是一个认知机制的自然结果。生成式人工智能把一种古老的心理策略——认知卸载——的门槛降到了零，并叠加了一层由加工流畅性制造的元认知幻觉，使卸载在主观上被体验为进步、在客观上却以能力建设的停摆为代价。
这里需要立即说明一个术语。本文标题中的"懒惰"，不是对使用者的品质判断，而是对一种默认姿态的认知经济性的命名：主体在面对一切可外包的认知环节时，按照"能用工具就不自己想"的默认定律自动让渡，且对自己的让渡毫无察觉。近两年，国际学习科学文献已将这一现象正式命名为"元认知懒惰"（metacognitive laziness）——指生成式 AI 的便利性削弱了学习者参与自我调节学习过程的意愿（Fan et al., 2025）。懒惰发生在元认知层面，而非人格层面；这恰恰是它难以自我察觉的原因。换言之，"工具狂欢"的现象学本质是认知懒惰——但这里的"懒惰"是机制的产物，不是道德的缺陷。
论证分五步：先界定认知卸载与元认知幻觉两个核心概念，再刻画生成式 AI 如何重塑这两个机制的参数，接着给出近两年的实证回应，然后划定本解释的射程，最后回到系列命题。
二、概念界定：认知卸载与元认知幻觉
认知卸载（cognitive offloading）指个体借助外部行动改变任务的信息加工要求、以降低认知负荷的行为——把约会写进手机提醒、把旋转的图片实物化以便辨认，皆属此类（Risko & Gilbert, 2016）。这一行为的深层前提是人类本就倾向于把记忆、思考、判断等脑力工作转移给外部载体。早在互联网时代，研究便发现：当人们预期将来能再次访问某信息时，对信息本身内容的记忆显著下降，而对"信息存于何处"的记忆显著上升——互联网成为人类"外部或交互记忆"的主要形式（Sparrow, Liu, & Wegner, 2011）。
但卸载并非铁板一块。依据认知负荷理论的经典区分，人的认知负荷由内在负荷（intrinsic load，理解本身所必需的加工，如图式建构与判断形成）与外在负荷（extraneous load，并非理解所需、仅因呈现方式而生冗余的加工）构成（Sweller, van Merriënboer, & Paas, 2019）。外包外在负荷通常是有益的——它释放了有限的工作记忆，供高阶认知使用；外包内在负荷则是有害的——它绕过了能力形成的必经之路。Risko 与 Gilbert 在其综述中同样强调：卸载可以带来可观的绩效收益，其潜在成本"我们才刚刚开始理解"。换言之，卸载具有双重性，其净效应取决于卸载的对象——这个区分将贯穿本文的全部论证。
元认知幻觉指个体对"自己知道多少、理解多深"的判断，系统性地偏离真实水平。一个被反复证实的来源是加工流畅性（processing fluency）——人们处理信息时所体验到的"顺"或"费劲"的主观感受。大量研究表明，越容易被处理的信息（语义被启动、视觉更清晰、语音更简单）越容易被判定为更真实、更准确（Alter & Oppenheimer, 2009）。流畅性是一种无处不在的元认知线索：它不反映内容的真伪，却支配着人们对内容的信任与对自我的胜任感。
把两组概念合在一起，可得到本文的核心命题：生成式人工智能同时最大化了"卸载的诱惑"与"流畅的错觉"——它既让一切认知环节可被零成本外包，又以极致的行文流畅让外包结果被体验为"我懂了"。卸载拿走的是练习，幻觉掩盖的是拿走。
需要立即区分的是：卸载并不等于依赖，幻觉也不等于无知。它们的危险在于不被察觉——当主体真诚地相信自己在进步时，能力建设的回路已被悄悄断开。
三、机制分析：生成式 AI 如何改写两个机制的参数
将前述框架应用于生成式人工智能，可识别四个相互加强的机制。
第一，卸载的触发成本趋近于零。认知卸载并非新事物，但它此前的触发受"外部行动是否值得"的权衡约束——把一段话背下来，还是写进笔记本？前者省事却易忘，后者费事却留存。生成式 AI 把这个权衡几乎取消了：任何思考、写作、判断环节都可以一句话外包，外部行动的边际成本低于任何内部努力。Risko 与 Gilbert（2016）指出，卸载的触发高度依赖情境线索与主观成本估计；当"让 AI 做"成为零摩擦的默认选项，卸载便从偶尔的策略变为持续的姿态——且卸载的对象不再限于外在负荷，而是无差别地滑向内在负荷。
第二，流畅性被推到极值，幻觉被同步放大。语言模型的产品形态天然提供高级别的加工流畅性：句子通顺、结构完整、语气笃定、从无迟疑。依据流畅性理论（Alter & Oppenheimer, 2009），这种顺畅感会被无意识地读解为"内容可靠、我已理解"。更隐蔽的是，流畅性幻觉不要求主体真正消化内容——只要读完通顺的文字，胜任感便已生成。于是工具产出的"顺"，被主体误记为自己的"懂"。
需要说明这一步的外推边界：流畅性研究的实验证据大多建立在对离散线索（字体清晰度、语义启动、押韵）的短时判断上，将其推广至"长段论述性文本的整体阅读体验"，是一个方向明确、但尚待直接检验的命题。Oppenheimer 本人的后续工作甚至提示，今天的不流畅会换来明天的流畅——学习维度上的长期效应与即时的信任判断并非同一机制。但即便如此，本机制与下文的自动化自满在结构上同源、互为印证：都指向"对工具产出的默认信任"。真正需要检验的，是语言模型文本的"流畅"是否在心理意义上等同于实验室范式中的"流畅"——这是一个开放的经验问题。
第三，"搜索模式"的错觉延伸到生成模式。关于互联网的研究发现，仅仅是"处于搜索状态"，就会让人在完全不相关的主题上高估自己的知识，且即便搜索无果，错觉依旧存在（Fisher, Goddu, & Keil, 2015）。该研究的机制解释是：主动检索这一行为本身，模糊了"外部知识"与"内部知识"的边界。生成式 AI 与这一机制在结构上高度相似，但有一个关键差异：搜索是人主动找到答案，生成是人观察答案出现——后者的行为归因更模糊，"我懂了"的错觉理应更强。不过，这一延伸尚待直接检验，本文将其作为可证伪的预测而非已证结论提出：如果搜索状态足以制造元认知错觉，生成状态下的错觉应当更强而非更弱。近期的实证（见第四节）与此预测方向一致。
第四，自动化自满与自动化偏差，提供了人机交互层面的反面证据。在人与自动化系统的研究中，两类失误已被反复记录：其一是自动化自满，当系统可靠时操作者减少对关键信号的监控，在多重任务负荷下尤为显著；其二是自动化偏差，当决策辅助给出建议时，人更易犯"遗漏错误"（忽略其他可能）与"误用错误"（盲从错误建议）——且二者在生手与专家身上同样出现，且无法靠简单训练消除（Parasuraman & Manzey, 2010）。这提示：对工具产出的"默认信任"，不是新手的无知，而是人机交互的结构性产物；它同样作用于最聪明、最有经验的使用者。2025 年对 319 名知识工作者的调查为此提供了当代注脚：对生成式 AI 信任度越高的知识工作者，其批判性思维投入越低，且这种关联在最资深的人群中同样存在（Lee et al., 2025）。
生成效应与"必要难度"研究从反方向印证了被省略的环节：自主生成过的材料，其记忆与理解显著优于被动接收（Slamecka & Graf, 1978）；学习效果恰恰依赖获取过程中的阻力（Bjork & Bjork, 2011）。生成式 AI 同时制造了"顺畅的输出"与"零阻力获取"，把实证上被证明不可省略的那层摩擦整体移除——这正是卸载拿走练习、幻觉掩盖拿走的具体形态。
四、近两年的实证回应
本文的机制预测在 2025 年前后得到了一批直接证据，方向一致但强度有别，分述如下。
第一，大规模横断证据。Gerlich（2025）对 666 名英国受访者的混合方法研究发现：AI 工具使用频率与批判性思维能力呈显著负相关，认知卸载在其中起中介作用；17—25 岁群体依赖度最高，而受教育程度是最稳定的缓冲变量。这项研究首次在自然人样本上同时测得"使用—卸载—批判性思维下降"的完整链条，其方法学局限（横断设计、自我报告）与本文第五节承认的局限相同，但效应方向与本文预测一致。
第二，神经层面的过程证据。MIT 媒体实验室的 EEG 实验（Kosmyna et al., 2025）将 54 名被试分为三组写作文：仅用大脑、用搜索引擎、用 LLM。LLM 组的神经连接强度最弱，且在跨会话中表现出"认知债务"的累积——当被试被要求转为自己写作时，其表现显著落后。这是目前最直接的"顺畅输出对应低认知投入"过程证据，也与本文机制二的外推预测相符。
第三，随机实验的因果证据。Bastani 等（2025）对近千名高中生的随机实验发现：允许使用 GPT-4 辅导解数学题的学生，在练习阶段成绩提升显著；但当工具被移除、学生独立应试时，其表现反而低于从未使用过 AI 的对照组——作者称之为"对学习的伤害"。这项实验在因果层面补上了本文长期承认缺失的一环：从"短期错觉"到"长期能力受损"的链条，已经在数学这个单项任务上被初步证实。
第四，工作场所的生态证据。Lee 等（2025）对 319 名知识工作者的调查显示：生成式 AI 的使用与批判性思维投入的减少相关，使用者的角色从"执行"转向"验证与整合"——但验证本身的发生率高度依赖使用者的自信与任务风险感知：当任务风险低、使用者自信高时，批判性思维最少被调用。
需要立即限定的是：这批证据仍以横断与短期设计为主，样本集中于教育与知识工作两个场景，效应量中等，“数年持续卸载导致能力结构性下移"的纵向结论仍未到位。它们把本文命题从"可检验的预测"推进到"方向已被初步验证的假说”，但尚未推进到"已证定律"。
五、界限：这一解释的射程
本文的边界条件可分为两组：概念边界回答"命题针对什么"，证据边界回答"命题靠什么"。
概念边界
第一，卸载本身并非原罪。依据第二节的内在/外在负荷区分，问题不在外包"知道什么"，而在外包"如何想、如何判"。检索、格式、整理类任务仍可直接外包——文字、印刷术、计算器都曾被视为"让人变笨"，事后看并未削弱人类的核心能力。本文所警示的，是那些只能经由自主加工获得的能力——判断、品味、对自家论证的直觉——被连同外在负荷一并卸载。
第二，命题针对交互结构，而非使用强度。主动制造摩擦的重度使用者——先自主作答再对照、要求模型给出反方论证——不在命题射程之内（机制与第一节同源：摩擦的重新引入即卸载的撤销）。同一策略在《顺应的缺席》的实证中已被记录：苏格拉底式提问与深挖追问与独立能力的长期保持相关，而直接给答案、永不撤除的支架则相反。
第三，本篇与第一部的关系需要划清。第一部在结构层论证"价值以方法式采纳为条件"；本篇在心理层论证"人何以系统性地滑向加法"。两者不重复：前者回答"怎样用才对"，后者回答"为什么人总用错"。补课、纠错、重构之所以难以发生，正是因为本篇刻画的卸载与幻觉在内部抵消了它们的动机。
证据边界
第四，证据基础虽在增强，仍有明确限度。第四节所述 2025 年证据将本文命题从纯预测推进到初步验证，但这些研究仍以横断与短期设计为主，样本集中于西方受教育人群，效应量中等；"流畅性→信任"与"搜索→元认知错觉"的结论稳健，但"数年持续卸载导致能力结构性下移"的纵向证据尚未到位。Gerlich（2025）已识别出年龄与受教育程度两个关键调节变量，提示长期轨迹可能呈分化而非齐落。
第五，个体差异不可忽略。认知卸载的倾向受"认知需求"（need for cognition）与元认知监测能力等因素调节——理性思维倾向与智力测验成绩是两个部分独立的维度，高认知需求者面对同一工具时让渡判断的程度显著更低（Stanovich, 2009；Fan et al., 2025）。把命题理解为"某一类默认姿态的风险"，而非"所有使用者必然退化"，更为准确。
六、结语
人之所以默认把 AI 当补丁，是因为补丁的姿态恰好是认知卸载的最低成本形态，而 AI 行文的极致流畅又让这一姿态被体验为进步——于是"工具狂欢"在主观上是勤奋的，在客观上是对能力建设的持续让渡。
由此可以给出一个与直觉相反的判断：值得警惕的不是人们"不用 AI"，而是人们用 AI 用得太顺、太满、太无摩擦——那一刻，认知卸载正在被体验为勤奋，而元认知幻觉正替你签下了"我已理解"的字。工具能替代劳动，永远替代不了认知；但工具也能制造一种最危险的替代感——让你以为认知已被替代，而它其实只是被借走了，且你浑然不觉。
附录：操作指南——在交互结构中重新安装摩擦
对本文命题的个体检验不依赖任何外部条件，操作如下。
第一步，延迟外包。遇到问题先自主作答、推导一个最小版本，再对照 AI 的输出。依据是生成效应：自主生成过的材料，其记忆与理解显著优于接收所得（Slamecka & Graf, 1978）——该效应在回忆与再认任务上稳健，在复杂推理上的边界虽存争议，但其方向与"必要难度"一致（Bjork & Bjork, 2011）。两边不一致之处，即为你该保留、而非外包的认知环节。此操作同时是对自身"认知需求"的测量：值得关注的不是 AI 多能，而是你独立做到的部分是否还在缩小。
第二步，打破流畅。得到满意的答案后追加三类提问之一：“列出这个结论最可能出错的三个地方”；“给出一个反驳我的论证”；“如果要把这个结论写给一位最挑剔的同行，你会在哪一段最心虚？”。此操作人为引入不流畅，抵消流畅性幻觉（Alter & Oppenheimer, 2009；Fisher et al., 2015）：当答案不再"顺"得无可置疑，你才被迫回到判断者的位置。第三问的意义在于把元认知监测从结论层面推进到论证层面——它比前两问更难被模板化回答敷衍。
第三步，每周复盘"哪些判断是我自己做的"。固定回顾：本周有哪些关键判断、关键表述，是未经自主加工、直接来自工具的？清单持续为空，说明你正处在卸载的舒适区，而非进步的上升区。
两点限定：检索与格式类任务仍可直接外包（边界见第五节概念边界第一条）；制造摩擦针对判断与理解类任务，而非一切使用场景。
参考文献
Alter, A. L., & Oppenheimer, D. M. (2009). Uniting the tribes of fluency to form a metacognitive nation. Personality and Social Psychology Review, 13(3), 219–235.
Bastani, H., Bastani, O., Sungu, A., et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122.
Bjork, E. L., & Bjork, R. A. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In Psychology and the Real World: Essays Illustrating Fundamental Contributions to Society (pp. 56–64). Worth Publishers.
Fan, Y., Tang, L., Le, H., et al. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530.
Fisher, M., Goddu, M. K., & Keil, F. C. (2015). Searching for explanations: How the Internet inflates estimates of internal knowledge. Journal of Experimental Psychology: General, 144(3), 674–687.
Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6.
Kosmyna, N., Hauptmann, E., Yuan, Y. T., et al. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv preprint arXiv:2506.08872.
Lee, H.-P., Sarkar, A., Tankelevitch, L., et al. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). ACM.
Parasuraman, R., & Manzey, D. H. (2010). Complacency and bias in human use of automation: An attentional integration. Human Factors, 52(3), 381–410.
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688.
Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592–604.
Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778.
Stanovich, K. E. (2009). What Intelligence Tests Miss: The Psychology of Rational Thought. Yale University Press.
Sweller, J., van Merriënboer, J. J. G., & Paas, F. (2019). Cognitive architecture and instructional design: 20 years later. Educational Psychology Review, 31(2), 261–292.
