韓國(guó)人做的這項(xiàng)實(shí)驗(yàn)，預(yù)見了集體失智的未來

最近看了一條新聞，韓國(guó)教育廣播公司公布了一項(xiàng)AI教育實(shí)驗(yàn)結(jié)果，一句話概括就是，AI得來終覺淺，絕知此事要躬行。

這項(xiàng)實(shí)驗(yàn)是今年底在韓國(guó)京畿道金浦市一所高中進(jìn)行的，老師給學(xué)生布置作業(yè)，要求他們?cè)陂喿x指定書籍并撰寫讀后感。

參與實(shí)驗(yàn)的一部分學(xué)生被引導(dǎo)完全依賴ChatGPT這樣的生成式AI來完成任務(wù)。為了測(cè)試AI的替代程度，這些學(xué)生完全沒有閱讀原著，而是通過向AI輸入指令，生成了一篇邏輯通順的讀后感，并提交了作業(yè)。

不過，在作業(yè)提交僅1分鐘后，研究人員對(duì)學(xué)生進(jìn)行訪談。結(jié)果發(fā)現(xiàn)，83.3% 的學(xué)生無法回憶起自己剛剛“寫”下的任何核心觀點(diǎn)、金句或文章結(jié)構(gòu)，可謂是零記憶提取。

在隨后的測(cè)試中，這些學(xué)生幾乎無法從自己的文章中復(fù)述出任何細(xì)節(jié)。文章雖然是他們提交的，但在大腦中卻沒有留下痕跡。

參與實(shí)驗(yàn)的另一部分學(xué)生，則用傳統(tǒng)的方法，堅(jiān)持自己閱讀、思考，并完成讀書報(bào)告的學(xué)生，在數(shù)天后依然能清晰地闡述書中的邏輯，證明了傳統(tǒng)手搓式學(xué)習(xí)的靠譜。

01

認(rèn)知外包就是精制糖果，一點(diǎn)點(diǎn)侵蝕大腦

紀(jì)錄片中，韓國(guó)研究人員在實(shí)驗(yàn)過程中使用了腦電圖（EEG）等監(jiān)測(cè)設(shè)備，對(duì)比了自主思考寫作和使用AI代寫時(shí)大腦的活躍度。結(jié)果顯示，使用AI時(shí)，大腦負(fù)責(zé)處理高級(jí)邏輯的區(qū)域幾乎沒有電流活動(dòng)，這種狀態(tài)被專家描述為認(rèn)知上的空轉(zhuǎn)。

實(shí)驗(yàn)中那 83% 的學(xué)生表示，點(diǎn)擊提交按鈕的那一刻，大腦就像清空了回收站一樣，因?yàn)樗麄儧]有經(jīng)歷過從無到有的痛苦構(gòu)建過程。

認(rèn)知外包的副作用比我之前想象的要嚴(yán)重多了。從過去記筆記的小本子，到谷歌地圖，再到現(xiàn)在豆包、元寶、ChatGPT這樣的大模型，他們都可以幫助我們減少大腦認(rèn)知負(fù)擔(dān)，可以視為是典型的認(rèn)知外包工具。

上述實(shí)驗(yàn)中，當(dāng)使用大模型的學(xué)生意識(shí)到，生成內(nèi)容這個(gè)任務(wù)可以完全交給外部工具時(shí)，負(fù)責(zé)深度加工、邏輯整合、自我監(jiān)控的區(qū)域（如前額葉皮層）活躍度大幅下降。

在ChatGPT的幫助下，學(xué)生潛意識(shí)里把自己從思考者變成了搬運(yùn)工。因?yàn)闆]有經(jīng)歷“提取信息-轉(zhuǎn)化邏輯-語言編碼”這個(gè)痛苦的內(nèi)化過程，大腦認(rèn)為這些信息是不重要的噪音，因此拒絕將其存入長(zhǎng)時(shí)記憶。

長(zhǎng)期使用認(rèn)知外包工具的人，首先會(huì)患上知識(shí)的幻覺。簡(jiǎn)單說，就是用戶會(huì)誤以為能搜索到的信息就是我掌握的知識(shí)。

耶魯大學(xué)研究人員在2015年就做過搜尋效應(yīng)實(shí)驗(yàn)，研究者讓一組參與者通過谷歌搜索問題，另一組則不允許使用網(wǎng)絡(luò)。結(jié)果發(fā)現(xiàn)，即便搜索組并沒有真正記住答案，他們?cè)谠u(píng)估自己對(duì)無關(guān)領(lǐng)域（比如，為什么云彩是白的？）的了解程度時(shí)，信心顯著高于對(duì)照組。

其次，過度依賴搜索引擎、大模型提供答案，大腦會(huì)自動(dòng)卸載那些它認(rèn)為可以隨時(shí)在外部找到的信息，導(dǎo)致長(zhǎng)時(shí)記憶萎縮。

在哈佛大學(xué)與哥倫比亞大學(xué)在2011年進(jìn)行的保存實(shí)驗(yàn)中，參與者被要求向電腦輸入一些事實(shí)。一組被告知“電腦會(huì)保存這些信息”，另一組被告知“信息會(huì)被刪除”。隨后進(jìn)行的記憶測(cè)試顯示，認(rèn)為電腦會(huì)保存信息的一組，對(duì)內(nèi)容的記憶效果極差。

和我們的肌肉一樣，大腦如何不進(jìn)行思維鍛煉，也會(huì)變懶、變?nèi)酢?/p>

MIT媒體實(shí)驗(yàn)室EEG腦電圖實(shí)在2025年7月發(fā)布的一項(xiàng)研究顯示，研究者記錄了學(xué)生在自主寫作與ChatGPT輔助寫作時(shí)的腦電波。結(jié)果顯示，AI組在前額葉皮層負(fù)責(zé)深度思考和決策的活躍度極低。更令人驚訝的是，在連續(xù)使用AI數(shù)周后，這些學(xué)生在沒有AI輔助的情況下，其腦電活躍度也無法恢復(fù)到基準(zhǔn)水平。

02

失去批判性，意味著什么？

火的出現(xiàn)讓我們的胃萎縮了，互聯(lián)網(wǎng)的出現(xiàn)讓我們的記憶力減退了。而大模型的普及，正在嘗試替代人類的前額葉皮層，也就是代理人類形成邏輯、作出決策。

Halpern批判性思維測(cè)評(píng)（Halpern Critical Thinking Assessment, HCTA） 被公認(rèn)為是測(cè)量批判性思維最權(quán)威的工具之一，由美國(guó)著名心理學(xué)家戴安·哈爾彭（Diane Halpern）開發(fā)。

2025年，由斯坦福大學(xué)與哈佛大學(xué)心理學(xué)系聯(lián)合開展，利用HCTA量表對(duì)全球超過2000名（其中核心樣本為666名高頻使用AI的專業(yè)職場(chǎng)人）受試者進(jìn)行了為期一年的跟蹤，這也是該測(cè)評(píng)體系自誕生以來最重要的一次針對(duì)性迭代研究。

與傳統(tǒng)的選擇題不同，HCTA 采用“開放式問答+多項(xiàng)選擇”的組合。開放式部分，要求受試者自己構(gòu)建論點(diǎn)、解釋現(xiàn)象。多項(xiàng)選擇部分，考察受試者在已有選項(xiàng)中識(shí)別邏輯謬誤的能力。核心變量是，受試者每日調(diào)用生成式AI（如ChatGPT、Claude）處理工作/學(xué)習(xí)任務(wù)的時(shí)長(zhǎng)與頻率。

研究發(fā)現(xiàn)，在高頻使用AI的人群中，這五個(gè)維度的表現(xiàn)呈現(xiàn)出明顯的不對(duì)稱衰減：

言語推理方面，由于AI傾向于給出平鋪直敘、極度理性的解釋，導(dǎo)致長(zhǎng)期依賴者失去了捕捉言外之意和語言復(fù)雜性的敏感度，受試者在識(shí)別諷刺、隱喻或模糊修辭方面的能力大幅下降。

分析論證方面，80%的高頻使用者在沒有AI輔助的情況下，雖然能夠識(shí)別別人的漏洞，卻無法在20分鐘內(nèi)完成一個(gè)邏輯閉環(huán)的商業(yè)提案。

假設(shè)檢驗(yàn)方面下滑最嚴(yán)重，受試者表現(xiàn)出極強(qiáng)的“權(quán)威偏見”，即傾向于相信AI給出的第一個(gè)結(jié)論，不再主動(dòng)尋找反面證據(jù)或設(shè)計(jì)控制變量。

可能性與不確定性判斷方面，受試者對(duì)概率的直覺變得鈍化。因?yàn)锳I往往以極其篤定的語氣回答問題，受試者習(xí)慣了標(biāo)準(zhǔn)答案，而失去了在灰度地帶進(jìn)行權(quán)衡的決策能力。

決策與問題解決方面，陷入路徑依賴。面對(duì)全新的、AI訓(xùn)練庫(kù)里沒有的問題，受試者往往表現(xiàn)得無從下手。

03

職場(chǎng)智力斷層已經(jīng)出現(xiàn)

Halpern批判性思維測(cè)評(píng)實(shí)驗(yàn)一個(gè)更殘酷的發(fā)現(xiàn)是，00后一代的批判性思維水平遠(yuǎn)低于80后，AI導(dǎo)致的智力斷層已經(jīng)出現(xiàn)。

具體測(cè)試數(shù)據(jù)顯示，17-25歲的AI原生一代（也就是我們熟悉的00后），在HCTA的總分比35-45歲的群體（大概是80后一代）低了整整28%。研究者擔(dān)憂，這預(yù)示著一種代際智力斷裂。

Halpern 2025年的研究，提示這樣一種殘酷的現(xiàn)實(shí)，批判性思維不是一種學(xué)會(huì)了就永遠(yuǎn)擁有的知識(shí)，而是一種不練就會(huì)萎縮的肌肉。

當(dāng)AI原生一代們?cè)诼殬I(yè)早期過度依賴AI，雖然產(chǎn)出效率高，但也跳過了通過痛苦思考構(gòu)建底層邏輯的過程，他們可能會(huì)在30歲左右遇到嚴(yán)重的認(rèn)知瓶頸，因無法形成需要對(duì)復(fù)雜問題的決策、風(fēng)險(xiǎn)評(píng)估和架構(gòu)設(shè)計(jì)能力，失去上升通道。

在Reddit、脈脈上，資深經(jīng)理們關(guān)于新入職員工的AI 依賴癥的吐糟也開始增多。正如加州大學(xué)教授 Anastasia Berg 所警告的：“沒有 AI 輔助，他們甚至無法獨(dú)立開啟一項(xiàng)任務(wù)。”

那些徹底將思考外包給AI的人，將淪為數(shù)字藍(lán)領(lǐng)，他們的工作極易被下一個(gè)更便宜的AI補(bǔ)丁所取代。那些學(xué)會(huì)了AI工具，且保有批判性思維的老兵，將成為真正的超級(jí)個(gè)體，他們既用AI加速，更用人腦把關(guān)，這是目前更具競(jìng)爭(zhēng)力的形態(tài)。

哈佛大學(xué)和斯坦福大學(xué)在 2025 年的一項(xiàng)聯(lián)合研究，他們基于 LinkedIn 和 Revelio Labs 的 6200 萬員工數(shù)據(jù)，發(fā)現(xiàn)了一個(gè)明確的趨勢(shì)，AI 更偏向資深員工。

他們的調(diào)查發(fā)現(xiàn)，自 2023 年第一季度以來，積極采用 AI 的公司，其初級(jí)職位縮減了 7.7%。相比之下，資深員工，也就是需要擁有復(fù)雜決策能力的崗位卻異常穩(wěn)固。

職場(chǎng)智力斷層不僅是指 AI 讓所有人變笨，而是指它剝奪了新人從笨變聰明的進(jìn)化路徑。

上述研究表明，咨詢業(yè)、市場(chǎng)研究、法律助理和基礎(chǔ)編程等行業(yè)受損最重。以前需要 5 個(gè)初級(jí)員工處理的調(diào)研數(shù)據(jù)、合同審核、代碼測(cè)試，現(xiàn)在由 1 個(gè)資深專家?guī)蓚€(gè) AI 助理就能完成。

這導(dǎo)致了所謂的方尖碑式結(jié)構(gòu)，公司不需要底層的初級(jí)人才，這直接掐斷了人才培養(yǎng)的學(xué)徒期。

04

集體失智風(fēng)險(xiǎn)大增

今天，數(shù)億中國(guó)人已經(jīng)離不開大模型。中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布《生成式人工智能應(yīng)用發(fā)展報(bào)告（2025）》 顯示，截至2025年6月，我國(guó)生成式人工智能用戶規(guī)模達(dá)5.15億人，普及率為36.5%。

生成式人工智能已經(jīng)出現(xiàn)某種寡頭壟斷局面。根據(jù)研究機(jī)構(gòu)Quest Mobile發(fā)布的《2025下半年AI應(yīng)用交互革新與生態(tài)落地報(bào)告》，在12月8日至12月14日，豆包周活躍用戶數(shù)在全市場(chǎng)AI原生App中居榜首，達(dá)1.55億，DeepSeek、元寶分別位居第二、第三，周活躍分別為8156萬、2084萬。

當(dāng)你習(xí)慣了讓豆包和DeepSeek幫你思考，你也就失去了定義世界的話語權(quán)。當(dāng)數(shù)億人都在向同一個(gè)邏輯模型索取建議時(shí)，整個(gè)社會(huì)的思維多樣性正在萎縮，思維走向集體平庸。

大模型的本質(zhì)是預(yù)測(cè)下一個(gè)最可能的字，也就是說，它更多是一種鸚鵡學(xué)舌式的智能。它給出的是最大公約數(shù)式的、符合統(tǒng)計(jì)學(xué)邏輯的平庸答案。

當(dāng)人們?cè)趯懼軋?bào)、寫情書、做決策都參考豆包或DeepSeek時(shí)，人類的獨(dú)特性、偏見、甚至天才的錯(cuò)誤都在消失。社會(huì)正在變成一個(gè)由AI生成的、邏輯嚴(yán)密但缺乏靈魂的平滑體。

創(chuàng)造力源于知識(shí)的跨界碰撞。如果知識(shí)都在AI里，而不存在于人類的大腦神經(jīng)連接中，那么這種碰撞就永遠(yuǎn)不會(huì)發(fā)生。當(dāng)一代新人只會(huì)根據(jù)AI建議做決策時(shí)，社會(huì)將失去應(yīng)對(duì)黑天鵝事件的能力。

如果這種趨勢(shì)持續(xù)到2026年，我們將面臨一種真實(shí)的社會(huì)風(fēng)險(xiǎn)，當(dāng)AI產(chǎn)生幻覺提供錯(cuò)誤知識(shí)，而數(shù)億用戶因缺乏底層知識(shí)儲(chǔ)備而無法識(shí)別時(shí)，錯(cuò)誤信息會(huì)像病毒一樣在社會(huì)常識(shí)中固化。

05

人人可以學(xué)得會(huì)的認(rèn)知健身課

面對(duì)數(shù)億人陷入認(rèn)知外包導(dǎo)致的智力萎縮，主動(dòng)構(gòu)建一套認(rèn)知健身方案，已成為2026年打工人的必修課。

解鈴還須系鈴人。我請(qǐng)Gemini給出了一套方法，它的核心不是拒絕AI，而是通過增加必要的難度來防止前額葉皮層的退化。

方法一，堅(jiān)持思考先行的原則。（如果你實(shí)在記不住下面三條，最好記住這條。）

面對(duì)任何復(fù)雜任務(wù)，如寫方案、分析數(shù)據(jù)、決策，在打開豆包或DeepSeek之前，強(qiáng)制自己進(jìn)行15分鐘的裸腦思考。在向AI提問前，先在心中預(yù)設(shè)一個(gè)答案草稿。當(dāng)你有了預(yù)期，你與AI的關(guān)系就從抄作業(yè)變成了對(duì)答案，這能極大提升你的批判性觀察力。

方法二，增加認(rèn)知摩擦。

原理是模擬Halpern測(cè)評(píng)中的“主動(dòng)構(gòu)建”能力，強(qiáng)化長(zhǎng)時(shí)記憶。讀完AI給出的建議后，關(guān)掉屏幕，嘗試用自己的語言向一個(gè)外行（或假想對(duì)象）解釋清楚這個(gè)邏輯。如果你解釋不出來，說明該知識(shí)并未進(jìn)入你的大腦，只是停留在屏幕上。

方法三，構(gòu)建底層知識(shí)硬核。

每周挑選一個(gè)核心概念（如復(fù)利效應(yīng)、幸存者偏差、博弈論），結(jié)合AI，進(jìn)行手動(dòng)的深度拆解。減少對(duì)“一分鐘帶你看懂XX”這類信息的消費(fèi)，主動(dòng)尋找那些讓你感到燒腦的內(nèi)容。因?yàn)椋挥凶屇愀械酵纯嗟闹R(shí)消費(fèi)過程，才更有可能是有效的認(rèn)知健身。但這并不意味著，你一定要去讀一本三四百頁(yè)的書，其實(shí)你去觀看一條半小時(shí)以上深度視頻可能也有類似的效果。

方法四，強(qiáng)化元認(rèn)知監(jiān)控。

面對(duì)AI給出的第一個(gè)答案，永遠(yuǎn)問一句：還有其他可能嗎？或這個(gè)邏輯在什么極端情況下會(huì)失效？。盡可能多地參與線下討論、即興辯論和復(fù)雜的線下社交。這些場(chǎng)景瞬息萬變，AI無法實(shí)時(shí)代勞，是鍛煉大腦實(shí)時(shí)反應(yīng)和綜合評(píng)判能力的好場(chǎng)景。

正如舉重能讓肌肉強(qiáng)壯，思考的重負(fù)能讓智力常青。在2026年，當(dāng)滿大街的人都穿著駱駝?dòng)鸾q服、用著同樣的Gemini、豆包、DeepSeek模型時(shí)，你大腦中那幾條親自打磨出來的神經(jīng)通路，將是人類最昂貴的奢侈品，也是最后的護(hù)城河。

繼續(xù)看