Nature最新研究:越用AI当工具人,你越笨?

你是不是已经习惯了遇到问题第一句就问ChatGPT：「帮我写个营销方案」「给我几个论文选题」「这个实验结果怎么解释？」

很多多科研人把AI当成「答案生成器」，巴不得把文献喂进去直接吐出SCI结论；

很多职场人把AI当成「甩锅工具」，做不出方案就说「AI只能生成这样」。

但西北大学凯洛格商学院研究了30年创造力的Brian Uzzi教授，最近在《Nature》专栏里直接捅破了一个扎心的真相：你越让AI直接给答案，你的创造力死得越快。

他们做了个实验：AI和人谁更会「胡思乱想」？

Uzzi团队做了一个叫「发散联想任务（DAT）」的测试：要求参与者在4分钟里想出10个语义尽可能不相关的名词。

这事儿看起来简单，其实特别难——你想到「女王」，接下来就会不由自主想到「国王」「骑士」「城堡」，思维像被锚住了一样跳不出相关领域，这就是心理学里说的「思维锚定效应」。

大部分人一开始都觉得，这种比脑洞的任务AI肯定吊打人类吧？

结果测出来吓一跳：人和AI的平均得分居然差不多。AI看起来博古通今，其实一样逃不开「训练数据里的相关性陷阱」

——你让它想不相关的词，它给你的答案永远逃不出常见的分类框架，根本没比普通人的脑洞大到哪去。

但接下来的实验结果才是真正的颠覆：当我们不让AI直接给答案，而是问它「怎么才能想出更多不相关的词？」，再让人类用AI给的方法去做任务，人类的得分直接暴涨。

AI给的方法简单到离谱：

第一步，先想几个完全不相关的类别，比如交通工具、电子产品、哺乳动物；

第二步，每个类别里随便挑一个词。就这么两步，直接把人从「想到什么写什么」的思维锚定里拉了出来，每个人选的类别不一样，最后出来的词多样性直接拉满。

原来AI根本不需要当那个给答案的「聪明人」，它最好的位置，是当那个帮你变聪明的「搭梯子的人」。

【争议点1】用AI直接出方案，算不算「学术造假/职场注水」？

我前阵子遇到个985的硕士生，说他整个硕士期间的开题报告、文献综述、甚至论文初稿全是GPT写的，自己只负责改改重复率，最后居然还拿了优秀毕业生。

他特别得意：「反正老师也看不出来，我比那些自己熬几个月写的人效率高多了。」

网上经常能看到，很多人说自己现在所有的方案全让AI写，自己只要在周会上念就行，一年省出的时间都用来搞副业，绩效还比别的总监高。

按照Uzzi的研究结论，这些人其实是在「杀鸡取卵」：

你用AI写100篇方案，你的思考能力不会有任何长进，反而会越来越依赖AI的框架，下次遇到AI没见过的新问题，你连怎么下手都不知道。

但反过来想：如果AI给的方案真的能解决问题，公司也拿到了结果，学生也顺利毕业了，那「有没有真的动脑」这件事，真的有那么重要吗？

毕竟我们上学的时候做数学题，最后不也只要答案对了就能拿分？职场里不也只要KPI完成了就是好员工？谁管你是自己想的还是AI想的？

好的合作者从来不会替你干活。

这个结论其实一点都不新鲜，Uzzi研究了30年人类的创造性合作，发现那些能持续产出颠覆性成果的团队，从来不是「大佬带头躺赢」的模式，反而都遵循两个特别反直觉的原则：

厉害的合作者不会炫耀自己有多聪明，只会让你觉得你自己特别聪明。我们总觉得团队里要有个「最强大脑」，遇到问题他直接给出答案就行。但实际上，越是喜欢在团队里显聪明的人，越会扼杀其他人的创造力——大家会下意识觉得「他说的肯定对」，慢慢就不敢提奇奇怪怪的想法了。

最好的合作永远是帮对方把潜能挖出来，而不是替对方把活干了。AI也是一样：你让它直接给你写方案，你最后只会变成它的校对员；你让它给你搭一个思考的框架，你往里面填自己的想法，最后出来的东西才是真的属于你的创新。

好想法从来不是「灵光一现」，而是「跨领域搬家」。我们总把创新想得特别神圣，好像得是牛顿被苹果砸出来那种前无古人的发现。

但实际上90%的突破都是「把A领域的方法用到B领域」：把折纸的折叠原理用到航天工程，就解决了太阳能板塞进火箭的难题；把流体力学的模型用到社会学，就搞懂了人群聚集的传播规律；甚至把俄罗斯文学里对人性的洞察用到产品设计，都能做出让人惊艳的用户体验。

以前你要跨领域，得认识几十个不同专业的朋友，还得刚好能聊出火花。现在AI可以一秒帮你把八竿子打不着的领域连起来——前提是你别让它直接给答案，而是问它「这个问题还有哪些领域的方法可以参考？」

【争议点2】普通人需要什么创造力？能混饭吃不就行了？

评论区肯定有人要杠：我就是个普通打工人/普通学生，我要创造力有什么用？

AI能帮我把活干了，我早点下班不好吗？但你有没有想过：现在AI能替你干的活，本质上都是不需要创造力的活。

你今天能用AI摸鱼，明天公司就能直接用AI代替你的岗位，连3000块都不用给你开。去年AI绘画刚火的时候，多少初级插画师丢了工作？

今年GPT能写代码了，多少初级程序员被优化了？你现在觉得用AI省事儿，等AI真的进化到能完全替代你这个岗位的时候，你连转岗的能力都没有——因为你已经好几年没动过脑子了。

当然也有人反驳：我本来就没想当什么专家，也没想搞什么创新，我就想安安稳稳过一辈子，AI愿意帮我干活，我乐意当废人，不行吗？

好像也没毛病。毕竟每个人的追求不一样，有人想当领跑的人，有人只想坐车。

但问题是：当所有车都变成AI开的时候，你总得会点AI不会的东西，才能买得起车票吧？

【争议点3】AI给的思考框架，难道就不是另一种「思维禁锢」吗？

Uzzi自己在文章里也提到了反对者的观点：你让AI给你思考方法，本质上不也是在跟着AI的思路走？比如我们实验里AI给的「分类选词」方法，所有人都用这个方法，最后大家的思考模式不也都趋同了？

我见过一个做学术的朋友，现在写论文之前必问GPT：「这个研究方向有什么常用的理论框架？」然后就照着GPT给的框架填数据，结果写出来的论文全是中规中矩的安全牌，投顶刊永远被说「没有创新性」。

他特别委屈：「我是按照AI给的科学方法做的啊，为什么不行？」因为科学创新最需要的，恰恰就是「跳出框架」的那一步。

AI给你的方法永远是基于已有知识的「最优解」，但真正的颠覆性突破，往往是反常识、反经验、反现有框架的。

就像当年爱因斯坦提出相对论的时候，根本没有任何现成的框架能参考，要是他当时问AI「怎么解释光速不变的问题」，AI大概率会给他一堆牛顿力学的修正方案，永远不可能想到时空是可以弯曲的。

那这是不是意味着，只要用AI的方法，就永远做不出真正的创新？

Uzzi的答案是：框架是死的，人是活的。你拿到AI的框架，首先要想的不是「怎么照着填」，而是「这个框架有什么漏洞？有什么地方可以改？有什么反例是它解释不了的？」

你把AI的框架当起点，那它就是帮你省时间的工具；你把AI的框架当终点，那它就是真的禁锢了你的思维。

最后给所有用AI的人一个最实用的建议

下次你再打开AI对话框，别一上来就问「what」，先问「how」：

别问「这个问题的答案是什么」，要问「要解决这个问题，我应该从哪几个角度思考？」
别问「帮我想几个研究选题」，要问「这个领域最近有哪些不同方向的研究进展，可以交叉出选题？」
别问「这个方案怎么写」，要问「写这个方案有哪些常用的结构，每个部分需要注意什么？」

AI从来不是来抢你饭碗的竞争对手，也不是你可以甩锅的工具人，它是你能找到的最没有偏见、知识最广博的「思考搭档」。

你把它当答案生成器，它就慢慢把你变成不会思考的废人；你把它当思维脚手架，它就能帮你造出你自己根本建不出来的高楼。

毕竟，科学创新到最后，拼的永远是提出问题的能力，不是找答案的能力，对吧？