夜雨聆风当你用AI的时候，你以为在使用工具。
但有一种可能，那个工具正在悄悄使用你。
有人扫描了三年的学术论文，发现了一件让人不安的事
2026年3月，一组研究员发表了一篇论文。
他们没有做用户实验，没有招募受试者，也没有分析什么大数据。他们做的事情更像一次侦查：把2023年到2026年初发表的8000篇关于"人与AI如何交互"的高质量学术论文全部扫描了一遍，然后问了一个问题：
在这些研究里，有多少人在认真讨论"怎么保护人类的思考能力"？
答案让他们皱起了眉头。
67.3%的研究在讨论的是同一个方向：怎么让AI用起来更顺滑、更省事、减少用户的认知负担。
只有一小部分人在讨论另一个方向：怎么确保人在用AI的过程中，还保留着自己真正的判断力。
更令人不安的是趋势的走向。
2025年，研究"保护人类认知主权"的论文出现了一个短暂的高峰，占到了19.1%——学界似乎开始意识到了什么。但这个趋势只维持了一年不到。进入2026年，这类研究迅速萎缩到了13.1%，同期"怎么让AI更加自主、让AI做更多决定"的研究则爆炸式地增长到19.6%。
研究者们把这个现象起了个名字，叫"代理人接管"（Agentic Takeover）——不是科幻意义上的AI统治人类，而是在学术界的议程里，机器自主性的优先级正在系统性地压过人类自主性。
关心人类思考能力的声音，正在被学术界整体遗忘。
"零摩擦"是一句听起来很好的谎言
所有现代AI产品都在追求一个设计目标，用硅谷的话来说叫做"零摩擦体验"（Zero-Friction）。
意思是：你和AI的交互应该尽量顺畅、无障碍、没有任何令人费力或不舒服的地方。你问，它答，答案清晰、自信、流畅，不带犹豫，不带歧义，一气呵成。
这听起来是好事。
但这篇论文的核心观点是：这件"好事"，正在系统性地损害你的认知能力。
要理解为什么，需要先了解一件关于人类大脑的事。
大脑是一个"认知吝啬鬼"
从进化角度来说，大脑是人体最耗能的器官之一，占体重不到2%，却消耗约20%的能量。为了节约这种珍贵的能量，大脑进化出了一套"能不想就不想"的策略。
心理学家把我们的思维分成两个系统：
系统1——快速的、自动的、直觉性的。看到"2+2"，你不需要计算，答案自动就来了。这个系统很省力，但容易出错，容易受表面信息影响。
系统2——慢速的、主动的、分析性的。做一道复杂的数学题，写一份认真的分析，评估一个重要决定时的深思熟虑。这个系统更准确，但非常消耗能量。
大脑的默认设置是：尽量让系统1来处理，尽量不启动系统2。
这是我们祖先在资源匮乏的环境里生存下来的策略，相当合理。
但现在的问题是：AI的"零摩擦设计"，完美地配合了大脑的这个偷懒本能。
顺滑的回答，是怎么关掉你的大脑的
想象一个场景：你需要决定一项重要的投资，或者评估一份合同的风险，或者判断一条新闻是否可信。
你把问题扔给AI。
AI给你一个回答：措辞流畅，结构清晰，语气自信，没有任何"我不确定"或"这取决于……"。它直接给你一个结论。
大脑在这一刻发生了什么？
它感受到了"处理流畅性"（Processing Fluency）。
心理学研究发现，当人类遇到流畅、易读、措辞精准的信息时，大脑会自动产生一种感觉：这个信息是可信的、是正确的。这不是理性判断，这是一种无意识的关联——"读起来顺"→"感觉对"。
更重要的是，AI的流畅回答还触发了另一个心理机制：认知闭合需要（Need for Cognitive Closure）。
人类有一种内驱力，想要消除不确定性，得到一个明确的答案，然后停止继续思考。当AI给了你一个看起来完整、自信的答案，这种内驱力就被满足了。系统2说：好，任务完成，可以休息了。你的深度思考就在这一刻被关闭了。
这不是你主动放弃思考。是AI的设计触发了你大脑的一系列无意识反应，让你"自愿地"停止了验证和质疑。
论文把这种状态叫做"认知主权的投降"——你还坐在那里，但真正做决定的，不再是你了。
"可解释的AI"本来是解决方案，结果也失效了
AI公司意识到了"盲目信任AI"的问题，于是推出了"可解释AI"（Explainable AI，XAI）作为解药。
思路是这样的：与其让AI只给你一个结论，不如让它告诉你它为什么得出这个结论。让用户理解AI的推理过程，他们就会更批判性地使用AI，而不是盲目接受。
听起来很合理。结果却适得其反。
论文把这个现象叫做"解释悖论"（Explanation Intervention Paradox）。
原因是：一个结构清晰、逻辑连贯的解释，反而会更快地触发认知闭合。当AI不仅给了你答案，还给了你一套听起来很完整的理由，你的大脑会得到更强烈的"满足感"——"我现在不仅知道结论，我还理解了原因。"
这种满足感让你更快地停止质疑，而不是更慢地停止质疑。
就好像一个不诚实的销售员，比一个沉默的销售员更危险——因为他能说话，所以你更容易信任他。
AI把"透明度"变成了一种更精密的信任武器。
多个AI同时讨论，就能解决问题吗？
面对单个AI容易出错、容易产生幻觉的问题，很多产品转向了另一个方向：让多个AI代理互相讨论，投票，辩论，最终得出一个综合结论。
直觉上这似乎更可靠——就像人类开会讨论比一个人拍板要好。
但论文指出，这个方法有一个致命的结构性缺陷：那些AI代理，本质上都是用同样的方式训练出来的。它们有相似的训练数据，相似的价值取向，相似的语言风格。
让这些高度相似的AI互相讨论，结果就像让一群观点相近的人开会——最终往往是表面上的讨论，本质上的群体合谋。
它们会迅速达成一致，产出一个更流畅的综合结论，然后把这个结论以更自信的方式呈现给你。
论文把这种现象类比于社会心理学中著名的"群体思维"（Groupthink）——一群聪明人在一起，反而做出了比任何一个人单独思考都糟糕的决定，因为他们互相强化了彼此的偏见，把异见给压制了。
多个AI的"讨论"，最终不过是把你关掉大脑的速度，从一秒变成了零点五秒。
真正的问题是：谁在为谁服务？
到这里，这篇论文试图描述的困境已经清晰了：
AI产品在商业逻辑的驱动下，被设计成尽可能地"取悦"用户——顺滑、快速、有结论、有解释。每一个取悦你的设计，都在微小地加速你对自己思考能力的放弃。
这不是什么阴谋，也没有任何人在故意损害你。这是市场逻辑的自然结果：用户给高评分的是顺滑体验，商业公司就优化顺滑体验，研究人员就研究如何让体验更顺滑——整个生态系统都在沿着这个方向演化。
结果是一个集体性的盲点：没有人为"人类保持独立思考能力"这件事负责。
被扫描的1200多篇学术论文里，关心这件事的，不到14%。
而这14%，还在进一步萎缩。
解药不是"加障碍"，而是"加对的阻力"
那该怎么办？
研究团队提出了他们的方案，叫做"脚手架式认知摩擦"（Scaffolded Cognitive Friction）。
这个名字听起来复杂，核心思想其实很简单，用一句话来说就是：
AI应该故意让你难以立刻接受它的结论。
但这里有一个非常重要的区分。
"难"有两种：
坏的难：界面混乱、操作麻烦、信息不清楚。这种难让人烦躁，消耗脑力，但没有任何认知价值——你耗尽精力应付界面本身，根本没有精力思考内容。
好的难：AI给你呈现相互矛盾的观点、主动指出你结论里的漏洞、展示它自己推理过程中存在的不确定性、要求你在接受结论之前说出你的理由。
这种"难"是有营养的阻力——它不是在浪费你的精力，它是在强制你的大脑从系统1切换到系统2，让你真正参与到思考里面，而不只是接收答案。
论文引用了一个有趣的心理学概念："有益的困难"（Desirable Difficulties）。
学习研究发现，让学生做稍微困难的测试、主动回忆知识而不是被动重读，短期内效果看起来比直接读答案要差——但长期的记忆和理解却远远更好。适度的困难，会强迫大脑真正处理信息，而不只是流过去。
AI设计里需要的，正是这种有益的困难。
具体来说，论文提出的方案是：让多个AI代理故意扮演不同立场，尤其是让一个代理专门扮演"魔鬼辩护人"（Devil's Advocate），主动找你结论的漏洞，提出相反的证据，迫使你去面对不确定性。
这不是让AI变得更难用。这是让AI从一个"提供答案的工具"，变成一个"帮你真正想清楚问题的工具"。
一个让人不舒服的问题
这篇论文最后提出了一个超越AI产品设计层面的问题。
今天，越来越多的重要决策——医疗诊断、法律判断、金融评估、政策分析——开始依赖AI辅助。如果参与这些决策的人类，长期处于"顺滑AI体验"的包围之中，他们的判断能力在悄悄萎缩，而他们自己并不知道——
那么当法律要求"人类监管AI"、当出了问题需要追责的时候，那个"负责的人类"，是否还真的有能力承担这个责任？
还是说，他只是作为一个"道德缓冲垫"，吸收了AI的错误，但其实从头到尾都没有真正参与决策？
这个问题没有简单的答案。
但它提示我们，"AI越来越顺滑"这件事，不只是用户体验问题，也不只是个人习惯问题——它是一个关于谁在这个社会里真正拥有认知权力的问题。
最后想说的
使用AI之前，也许值得问自己一个小问题：
这次，我是在用AI帮我想得更清楚？
还是，我只是在用AI帮我更快地停止思考？
这两件事，感觉上几乎一模一样。
但结果，完全不同。
原论文：Kuangzhe Xu, Yu Shen, Longjie Yan, Yinhui Ren，《Cognitive Agency Surrender: Defending Epistemic Sovereignty via Scaffolded AI Friction》，arXiv:2603.21735，2026年3月
