夜雨聆风AI 让你觉得"我真厉害"——但那可能不是你的能力
图 / Pexels
你有没有过这种感觉：用 AI 写完一段代码、一篇文章、一个方案之后，心里冒出一个念头——"我真厉害"。
然后你停下来想了想：这段代码是 AI 写的，这篇文章是 AI 写的，这个方案也是 AI 写的。但你还是觉得"我真厉害"。
这个感觉不是你一个人的。过去一年，好几项独立研究都在说同一件事：AI 让你变得更自信了——但这种自信和实际能力提升之间，有一条越来越大的裂缝。
AI 上瘾，是真的
先说"上瘾"这件事。2025 年 5 月，墨尔本大学联合毕马威发布了一份全球 AI 信任与态度调查报告，样本覆盖 47 个国家、4.8 万名受访者。这是同类研究中规模最大的一次。
报告里有一段描述，读完让人心里一紧：部分用户出现了强迫性使用行为——即便没有明确需求，也会反复打开 AI 对话界面；试图停用时有烦躁、情绪低落等戒断反应；重度用户甚至出现了生理性依赖。
47,000+
全球受访者，覆盖 47 个国家——AI 依赖性使用行为首次被大规模记录
这不是"用工具效率高所以经常用"——这是上瘾。两者的区别在于：效率高的人会因为任务完成而停止；上瘾的人会因为"用了 AI"这个行为本身而继续。
生理学上有一个解释：多巴胺反馈循环。你输入一个 prompt，3 秒钟后 AI 给你一段输出——这个延迟足够短，能触发大脑的奖励机制；又足够长，让你有"我在等结果"的参与感。每一次"输入 → 等待 → 得到结果"都是一个微型赌博：你不知道结果会是什么，但你知道它很快就会来。
这和社交媒体上瘾的机制很像，但有一个关键区别：社交媒体的反馈是"别人的内容"，而 AI 的反馈是"你自己的成果"。后者带来的自我效能感更强，也更容易让人产生"我真厉害"的错觉。
每一次"输入 → 得到结果"都在训练你的大脑期待下一次反馈 / 图 Pexels
上瘾的四个底层原因
为什么 AI 会让人上瘾？不是因为"AI 太好用了"这么简单。深层原因有四个。
原因一：即时反馈成瘾。人类的大脑天生喜欢即时回报。传统工作流的节奏是：思考 → 动手 → 等待结果 → 得到反馈。AI 把"等待结果"这个环节压缩到了几秒钟。你发出指令，立刻看到输出——这种速度会让人上瘾，因为它绕过了大脑对"延迟满足"的耐受训练。
原因二：认知卸载的舒适区。思考很累，不思考很爽，这是大脑的默认设置。AI 让"不思考"变得高效——你把推理、分析、创作的过程外包给模型，自己只负责发指令和看结果。这个过程中你节省了大量的认知资源，但同时也失去了使用这些资源的训练机会。"能力从手指里流走了"（DHH 语）。
原因三：自我效能感的虚假满足。AI 生成的内容质量越高，你越容易把这个结果归因到自己身上。心理学上这叫"错误归因"：你把 AI 的输出当成了自己的能力证明。更狡猾的是，AI 的输出通常表述流畅、逻辑清晰、用词准确——这些特征会让你觉得"这就是我想说的"，进而强化"我真厉害"的感觉。
原因四：FOMO + 社会比较。你看到别人在用 AI 做越来越多的事情，你怕自己掉队。这种焦虑会驱动你过度使用 AI——不是因为你需要它来完成工作，而是因为你需要它来感觉自己"跟上了时代的步伐"。
写在旁边
上瘾的核心不是"用得多"，而是"不用就难受"。如果你发现自己在没有明确任务的情况下也会打开 AI 工具，那可能已经越过了一条线。
上瘾的副产品：反转的 Dunning-Kruger 效应
上瘾之后，下一个阶段是"错觉"。这方面有两项研究值得细读。
第一项来自 Aalto University，发表在《Computers in Human Behavior》期刊。研究者让约 500 名参与者使用 ChatGPT 完成 LSAT 逻辑推理任务，然后让他们自评表现。结果颠覆了传统的 Dunning-Kruger 效应：
"所有参与者都高估了自己的表现。更令人意外的是，那些自认为更懂 AI 的参与者，反而比新手高估得更严重。"
— Aalto University，Computers in Human Behavior，2025
传统的 Dunning-Kruger 效应说的是：能力越低的人越容易高估自己，能力越高的人反而倾向于低估自己。但 AI 出现之后，这个曲线被反转了——所有人都在高估自己，而且越"懂 AI"的人高估得越厉害。
研究者认为关键机制是认知卸载（cognitive offloading）：你把推理过程交给了 AI，然后你觉得这个结果就是你的。你对 AI 输出的信任度越高，你对自己能力的评估就越高——但这两者之间并没有因果关系。
第二项研究来自 MIT Media Lab，2025 年 6 月发布。研究者把参与者分成三组：一组只用大脑写作，一组可以用 Google 搜索，一组可以用 ChatGPT。实验持续了四个月，期间监测参与者的脑电活动。
47%
长期使用 LLM 的参与者，大脑神经连接减少了 47%——"用长期思维能力，换取短暂效率"
结果令人不安：使用 ChatGPT 的那组参与者，在脑电活动、语言质量和评分上，全面落后于"仅用大脑写作"的对照组。研究者用了"出卖灵魂"这个词来描述这种交易：你用短期的效率提升，换来了长期思维能力的下降。
Psychology Today 在 2025 年 11 月的一篇文章里给这种现象起了个名字：AI Reality Distortion Field（AI 现实扭曲场）。意思是：AI 让你对自己的能力产生了扭曲的认知——你的自信增长的速度，远超你实际能力增长的速度。
真正的能力来自深度思考，而不是来自"发指令等结果" / 图 Pexels
这种错觉的代价
你可能会说："错觉就错觉吧，反正工作效率高了，产出多了，管它是谁的功劳呢？"
这个想法的问题在于：错觉会让你停止成长。
当你把 AI 的输出当成自己的能力，你就失去了验证和反思的动力。你不再问"这个结果对吗？"，你开始问"这个结果能用吗？"——这两个问题之间的差异，就是你思维退化的开始。
代价一：决策质量下降。你以为自己在做判断，其实你只是在传递 AI 的输出。当 AI 出错的时候（而且它会出错），你没有足够的直觉和专业知识去发现它。MIT 的研究里有一个细节：使用 ChatGPT 的参与者在实验后期试图"戒掉"AI 时，他们的表现比从未使用过 AI 的对照组更差。
代价二：技能退化。DHH（Rails 之父）说过一句话："用 Cursor 的时候我感觉能力从手指里流走了。"他说的不是 Cursor 不好，而是：当你不再亲手写代码，你对代码的"手感"会逐渐消失。这种手感在关键时刻——比如 AI 出错的时候、比如需要深度优化的时候——是决定性的。
代价三：没有 AI 就不会工作了。这是最隐蔽的代价。你以为 AI 是你的工具，但实际上你可能已经变成了 AI 的附庸。当你习惯了"发指令 → 看结果"的工作节奏，你失去了"从零开始构建一个东西"的耐心和能力。这不是假设——MIT 的实验里，那些试图脱离 AI 的参与者，写出来的东西比实验开始前还要差。
解法：如何健康地使用 AI
说到这里，你可能会觉得"那我不用 AI 了"。这不是正确答案。AI 是工具，问题不在于要不要用，而在于怎么用。
以下五个方法，来自对研究者访谈的整理和对实际工作者的观察。
一、建立"AI 斋戒日"。每周固定一天（或半天）完全不用 AI，强迫自己动手。程序员手敲代码，写作者手写草稿，分析师手动整理数据。目的不是"抵制 AI"，而是保持你的"原力"——那些不依赖 AI 也能打的能力。
二、区分"用 AI 提速"和"用 AI 代替思考"。前者是合理的：让 AI 帮你处理重复性工作、帮你查找信息、帮你生成初稿。后者是危险的：让 AI 帮你做判断、帮你做决策、帮你形成观点。一个简单的判断标准：如果 AI 突然消失了，你还能完成这件工作吗？如果不能，说明你过度依赖了。
三、验收意识。AI 生成的东西，你必须能从头到尾讲一遍——讲不出来，说明你没有真正理解，你只是"拥有"了一段输出，而不是"掌握"了这段内容。这个原则对代码、文章、方案都适用：AI 帮你写了，你要能给它写注释、能解释每一行的意图、能在它出错时定位问题。
• AI 生成代码 → 你能手写出等价于它的逻辑吗？
• AI 生成文章 → 你能脱稿把核心论点讲一遍吗？
• AI 生成方案 → 你能回答"为什么这么做"和"有没有更好的方法"吗？
四、保持手工技能的训练。定期做一些"低效"的事情：手敲一段代码、手写一篇文章、手动分析一份数据。这些事情看起来慢，但它们在维持你大脑中那些 AI 无法替代的神经连接。MIT 的研究建议：即便在使用 AI 的工作中，也要保留 20-30% 的"纯手工"环节。
五、元认知训练。定期问自己三个问题：(1) 这个成果里，有多少是我的，有多少是 AI 的？(2) 如果 AI 给出的结果是错误的，我能发现吗？(3) 我今天有没有做一件"完全不用 AI"的事情？这三个问题没有标准答案，但它们能帮你保持对自己能力边界的清醒认知。
核心观点
真正的厉害是"会用 AI，但离开 AI 也能打"。如果你只能在 AI 的帮助下工作，那你不是变强了，你只是变方便了。方便和强大，是两回事。
写在最后
整篇文章读到这里，你可能会觉得我在"反 AI"。不是的。
我用 AI，而且每天都在用。它帮我节省时间、拓展思路、处理那些我不太擅长的任务。但我尽量保持一个习惯：每天做一件完全不用 AI 的事情。有时候是手敲一段代码，有时候是手写一段文章，有时候只是静静地想一个问题，不借助任何工具。
这个习惯的用意不是"抵制 AI"，而是提醒自己：AI 是工具，不是我的脑子。
你用 AI 之后更自信了？这很好，自信是好事。但自信的前提是：你知道哪些是 AI 的功劳，哪些是你的功劳。把 AI 的功劳算在自己头上，短期看没什么，长期看是在透支你的能力账户。
真正的厉害，不是"我用 AI 做出了很厉害的东西"，而是"我离开了 AI，依然能做出很厉害的东西"。
前者是工具的使用者，后者是能力的拥有者。两者都可以是你，但前提是你得清醒地知道自己在哪一端。
· · ·
参考资料
1. Aalto University, "AI Meets the Dunning-Kruger Effect", Computers in Human Behavior, 2025
2. MIT Media Lab, "Your Brain on ChatGPT: Cognitive Cost of LLM Use", 2025.06
3. University of Melbourne × KPMG, "Global AI Trust, Attitudes and Use Survey", 2025
4. Psychology Today, "The AI Reality Distortion Field", 2025.11
5. DHH, "On Vibe Coding and the Future of Programming", The New Stack, 2025.07
