夜雨聆风
如果你现在遇到一个不太确定的问题，你会怎么做？
很多人的第一反应，已经不是自己先想一想，而是打开 ChatGPT、Claude、豆包、Kimi，或者别的 AI 工具，先问一句。
这件事看起来很自然。毕竟，AI 更快、信息更多、表达更完整，很多时候还真的更对。
但问题也正在这里出现：
“当 AI 越来越频繁地参与我们的判断时，我们到底是在“使用工具”，还是在“把思考交出去”？
最近，沃顿商学院两位研究者 Steven D. Shaw 和 Gideon Nave 在一篇发布于 SSRN 的工作论文里，提出了一个很有冲击力的概念：AI 可能正在成为人类认知中的“第三系统”。而比 AI 偶尔答错更值得警惕的是，人类会在很多时候直接接受它的答案，几乎不再审查。
作者把这种现象称为：cognitive surrender，认知投降。
这不是一个情绪化的说法，而是一个经过实验验证的判断。
一、过去我们说，人类有两套思维系统；现在，论文说有第三套
过去很多人熟悉丹尼尔·卡尼曼的“双系统理论”。
简单说：
系统 1，快。凭直觉、经验、联想，反应迅速，但容易犯错。 系统 2，慢。需要分析、推理、计算，更费力，但通常更可靠。
这篇论文认为，这个框架已经不够解释今天的现实了。因为现在的很多判断，并不只发生在人的大脑内部。
你查路线，会跟着导航走。
你写邮件，会先看 AI 怎么润色。
你做方案，会先让 AI 给一个结构。
你判断一个结论对不对，很多时候也先看 AI 怎么说。
所以作者提出：在系统 1 和系统 2 之外，应该加入一个新的认知角色，叫 System 3，也就是人工认知系统。
它的特点很鲜明：
它是外部的，不在大脑里。 它是自动化的，由算法生成。 它是数据驱动的，依赖训练数据和统计模式。 它是动态交互的，会根据你的问题实时回应。
这意味着，AI 不再只是一个被动工具，而是在很多场景中，变成了一个真正参与判断过程的“认知代理”。
二、什么叫“认知投降”？
论文里做了一个重要区分。
一种情况叫 cognitive offloading，认知卸载。
比如你用计算器算账，用地图导航，用搜索引擎查资料。你把某个环节外包出去，但你仍然保留判断权。
另一种情况叫 cognitive surrender，认知投降。
这时，你不是把一部分任务交给 AI，而是直接把答案拿来当成自己的答案，几乎不再核验。
差别就在于：
“前者是“我借你一只手”；后者是“我把方向盘交给你”。
这篇论文最值得关注的地方，就在于它试图证明：很多人面对 AI 时，发生的并不只是认知卸载，而是认知投降。
三、他们怎么验证这件事？
研究者做了 3 个预注册实验，总样本量 1372 人，总试次 9593 次。
他们使用的是一种经典的推理任务，叫 Cognitive Reflection Test，简称 CRT。你可以把它理解为：一组专门用来测试“你会不会被直觉带偏”的题目。
实验设计很巧妙。
参与者做题时，可以选择是否咨询一个 AI 助手。关键在于，研究者会在背后操控 AI 的回答质量：
有时 AI 给出正确答案。 有时 AI 会给出一个“听起来很顺、很像对的”，但其实是错的答案。
这样，研究者就能观察：
当 AI 是对的，人会不会跟？ 当 AI 是错的，人会不会也跟？ 以及，在不同条件下，人会不会重新启动自己的系统 2 去检查？
四、结果很直接：人不仅常用 AI，而且经常照单全收
先看最核心的发现。
在 Study 1 里，参与者在超过一半的题目中都会主动咨询 AI。
更重要的是，一旦打开 AI，他们对 AI 的服从率非常高：
当 AI 是正确的，参与者在使用 AI 后，有 92.7% 的概率会采用它的建议。 当 AI 是错误的，参与者依然有 79.8% 的概率会采用它的建议。
这意味着什么？
意味着即便 AI 明显可能出错，大多数人还是会跟着走。
也就是说，AI 不只是“提供参考”，而是在很多时候直接接管了判断。
准确率变化也很典型：
不使用 AI 时，参与者正确率是 45.8%。 AI 正确时，正确率升到 71.0%。 AI 错误时，正确率反而降到 31.5%。
这个模式非常关键。
它说明，人类一旦进入“认知投降”状态，自己的判断质量会被 AI 的判断质量直接牵着走。
AI 对，你就变强；AI 错，你就一起错。
换句话说，人不是在稳定地“利用 AI 增强自己”，而是在让自己的正确率跟 AI 绑定。
五、更值得警惕的是：AI 会提升人的自信，哪怕它答错了
论文还有一个很现实的发现：
“只要接入 AI，人们的信心就会上升。
哪怕 AI 给的是错答案，这种信心提升也依然存在。
这件事为什么重要？
因为真正危险的错误，不是“我错了”，而是“我错了，但我觉得自己很对”。
AI 的语言流畅、结构清晰、口吻笃定，会制造一种很强的“可信感”。
人类的大脑很容易把“表达得像真的”误认为“它就是真的”。
这也是为什么今天很多人会有一种错觉：
只要答案是 AI 写出来的，就显得比自己想的更系统、更完整、更像专业意见。
但论文提醒我们，表达质量和判断质量不是一回事。
六、时间越紧，人越容易把思考交给 AI
Study 2 研究的是时间压力。
研究者给一部分参与者设置了每题 30 秒的倒计时，想看人在赶时间的时候，会不会更依赖 AI。
结果是：会。
在时间压力下，不用 AI 时，人本来的表现就会变差。
而一旦使用 AI，这种“认知投降”的模式仍然持续存在。
论文的结论是：
时间压力会降低人的整体准确率，但不会消除人对 AI 的依赖。 AI 如果答对了，它会帮你缓冲时间压力带来的损失。 AI 如果答错了，它也会把你带偏，而且这种偏差依旧明显。
这很像现实中的工作场景：
赶方案、赶汇报、赶邮件、赶投标、赶复盘时，人最容易放弃独立判断，转而接受一个“足够像答案的答案”。
从效率上说，这很合理。
从认知质量上说，这很危险。
七、激励和反馈能改善情况，但不能彻底解决问题
Study 3 研究的是另一件事：如果让人更有动力认真想，会不会减少对 AI 的盲从？
研究者给参与者设置了按题计酬，并在每道题后立即告诉他们答对还是答错。
结果显示，这确实有帮助。
当 AI 给错答案时，参与者在有激励和反馈的条件下，推翻 AI 的概率明显上升。
在使用 AI 且 AI 出错的试次中，推翻率从 20.0% 提高到了 42.3%。
整体准确率也提高了。
但有一个关键点没有变：认知投降并没有消失。
也就是说，
激励和反馈可以让人更谨慎，
但它们并不能让人自动恢复独立思考。
这说明一个很重要的现实：
“问题不只是“人懒不懒”，而是 AI 已经改变了人启动思考的默认方式。
八、哪些人更容易“认知投降”？
论文还看了个体差异。
结果显示，更容易对 AI 认知投降的人，往往具有这些特征：
更信任 AI。 更不喜欢高强度思考。 流体智力相对更低。
相反，那些更愿意投入认知努力、或者本身分析能力更强的人，更可能在 AI 出错时抵抗它、推翻它。
这并不意味着“聪明人不会依赖 AI”，而是说：
“决定差异的，不只是会不会用 AI，而是你有没有保留审查 AI 的能力和习惯。
九、这篇论文真正刺中的，不是“AI 会不会取代人”，而是“人会不会主动放弃判断”
很多关于 AI 的讨论，焦点都放在一个大问题上：它会不会替代人类？
但这篇论文把问题往前推进了一步。
它提醒我们，真正先发生的，可能不是“AI 取代人”，而是“人先把一部分判断权主动让给 AI”。
这是一种很微妙的变化。
你并没有失去选择权。
你也不是被强迫服从 AI。
你甚至仍然感觉“最后拍板的人是我”。
但在实际过程中，
你的第一反应、思考路径、结论框架，已经越来越受 AI 输出主导。
久而久之，人类的系统 1 和系统 2 可能还在，但启动频率下降了，校验强度变弱了，独立判断的肌肉也没那么常用了。
论文甚至引用了一个很值得重视的现实方向：
在某些专业场景里，长期依赖 AI，可能带来“去技能化”（deskilling）风险。
这对知识工作者尤其值得警惕。
因为对很多人来说，AI 最大的诱惑不是它替你做事，
而是它让你感觉自己“不必再那么费力”。
十、但这篇论文不是在反 AI
这一点需要说清楚。
作者并没有得出“AI 有害，所以少用”为结论。
相反，他们明确认为，System 3 是一种真实而重要的新认知资源。
它可以增强推理。
可以降低时间压力的损耗。
可以在结构化任务中显著提升表现。
可以成为高质量判断的支架。
问题不在于有没有 System 3，
而在于我们是把它当作“副驾驶”，还是让它悄悄坐上“驾驶位”。
所以，这篇论文最成熟的地方恰恰在于：
“它不是在制造恐慌，而是在给这个时代的人机协作，补上一套认知语言。
我们不只是“用 AI”。
我们正在“和 AI 一起思考”。
而一旦如此，真正需要被设计、被训练、被管理的，就不只是模型能力，还有人的判断流程。
十一、我们该怎么办？
如果这篇论文成立，那么未来最重要的能力之一，可能不是“会不会用 AI”，而是：
“你能不能在使用 AI 的同时，不把判断权一并交出去。
至少有三个问题，值得每个人经常问自己：
这是 AI 的答案，还是我的判断？ 我是在拿它做参考，还是直接拿来采用？ 如果它是错的，我有没有能力发现？
今天很多人都在追求“更快地产出”。
但这篇论文提醒我们，速度的另一面，是默认接受。
当 AI 成为第三思维系统之后，人类真正需要守住的，也许不是知识储备本身，而是这几样东西：
怀疑的能力。 校验的习惯。 在方便面前仍愿意多想一步的意志。
因为未来最稀缺的，可能不是答案。
而是在答案唾手可得时，仍然保持判断的人。
结语
这篇论文有局限。它主要基于受控实验环境，任务也集中在认知反思测试，并不等于所有真实世界决策都如此。它研究的是一次次短时交互，不是长期与 AI 共处后的复杂适应过程。换句话说，它还不能直接推出“AI 一定会让人变笨”。
但它至少提出了一个非常重要的问题：
“当 AI 越来越像“会思考的外脑”，我们是否也越来越习惯于不再亲自思考？
这也许才是 AI 时代最隐蔽、也最值得持续观察的变化。
参考论文
Shaw, Steven D., and Gideon Nave. Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender.
