AI 时代的认知生存指南：五篇研究怎样提醒我们别把思考外包给大模型

“AI 会不会让人变笨”这个问法太宽。更精确的追问是：当大模型能写、能搜、能总结，人应该把它放在思考流程的哪个位置。

五篇研究，五种证据类型：EEG 写作实验、知识工作者调查、高等教育框架论文、LLM 辩论监督实验、认知强迫函数实验。把它们压缩成“论文证明 AI 会损害思考能力”不准确，但结论指向同一处：AI 适合增强判断，不适合接管判断。

问题在于，一旦让 AI 代替你定义问题、展开论证、给出最终判断，思考过程中的摩擦消失，能力增长也跟着消失。

证据概览

五篇不属于同一证据层级：三篇是实验（Kosmyna、Khan、Ghosh），一篇是调查（Lee），一篇是不报告效应量的框架论文（Vendrell & Johnston）。正因如此，把下面这些当一组方向一致、可靠度不同的信号来看，比当五项铁证更接近实情。

一、MIT 的 EEG 实验：认知债务会累积

MIT 媒体实验室的 Kosmyna 等人写的《Your Brain on ChatGPT》流传最广，因为它问得最直接：把写作直接外包给 LLM，人到底损失了什么。论文给这笔损失起了个名字——认知债务：文章还在交，但参与的脑力活动、对文本的记忆和所有权都在悄悄流失，并且随使用次数累积。

参与者在三种条件下完成写作：LLM、Search Engine、Brain-only。前 3 组共 54 人，其中 18 人继续进入第 4 个交叉条件，观察切换后的变化。EEG 数据显示，Brain-only 组脑区连接最强，Search Engine 居中，LLM 最弱；LLM 组对自己文章的归属感更低，对自己刚写的内容也更陌生——每轮写作结束后访谈里让参与者凭记忆引用自己的文章，第一轮 LLM 组 18 人里有 15 人（83.3%）连一句都引不出来，引出来的也没有一句逐字正确（0/18）；两个对照组各只有 2 人做不到。到第三轮，LLM 组仍有 6 人引不出正确引文，而纯脑组从第二轮起就能全员引用。

第 4 组的结果更有价值。从 LLM 切回纯脑写作的人，仍表现出较弱的 alpha 和 beta 连接，切回来的 9 个人里有 7 个依旧引不出自己文章里的段落；反过来，从 Brain-only 切到 LLM 的人，枕顶叶和前额叶保持更强的激活，回忆成绩也更高，激活模式更接近 Search Engine 组而不是 LLM 组。也就是说，认知债务会累积，切换条件后不会立刻消失；而一直动脑的人接上 LLM，短期内容易不少。

结论指向一点：在议论文写作这类任务里，让 LLM 直接主导生成，降低了人的参与度、归属感和回忆质量。文本分析也补了一刀：用命名实体、n-gram 和主题本体比较各组文章，LLM 组的文章彼此高度相似——主题本体同质，与把题目直接丢给 ChatGPT 得到的默认答案距离不显著，还有大量整段照搬，个体差异被拉平。写作本来就是整合信息、组织论证、检查漏洞的高密度认知活动，把最核心的一段直接交给 LLM，这些环节全被跳过。

但别把这篇推得太远。它是特定任务、特定样本（n=54）、特定实验设置下的结果，预印本 2025 年 6 月首贴，12 月底更新到 v2，至今仍是预印本，作者自己也强调结论只能当初步证据看。当警报读，别当判决书。

二、信任校准比 AI 本身更关键

Lee 等人在 CHI 2025 的论文走的是另一条路。它离开实验室，调查了 319 名知识工作者，收集 936 个第一手案例，想弄清人在什么情况下仍会对 AI 输出保持批判，又为什么会放松警惕。

批判性思维的投入会被重新分配——往哪分，取决于对 AI 的信任程度。936 个案例里，批判性思维大多流向下游：验证事实、整合输出、盯着任务进度；上游收集、检索、汇编信息的投入则明显减少，那部分活被 AI 接管了。另一部分人在过度信任 AI 时，连下游检查也一并省掉。

两个变量影响这种分配：对生成式 AI 的信心，以及对自身完成该任务的信心。前者越高，批判性投入越低；后者越强，越可能继续主动判断、验证和整合。校准信任不是少信一点，而是让信心的增减跟着验证结果走：AI 答对了多信一分，出了错就收回来，判断框架始终留在自己手里。

这是自我报告调查，不是因果实验，证明不了“高信任必然导致批判下降”。但它挑明了一个现实：当人越来越把 AI 当成默认正确的起点，批判性思维更容易从主动行为退化成补救行为。

三、保留认知摩擦不是口号，是流程设计

2026 年发表在《Computers and Education: Artificial Intelligence》上的《Scaffolding Critical Thinking with Generative AI》，是一篇框架论文。它没有给出效应量，但把“该怎样设计 AI 使用流程”说得足够具体。

作者综合心理学、教育理论和 AI 伦理研究，提出六个构成批判性参与的核心过程：概念诠释、推理、评价性判断、元认知调节、智识好奇心、认识论诚信。基于这套过程，论文抽出八条设计原则，对普通用户来说三条最直接。

首先要主动保留认知摩擦，而不是把摩擦彻底抹平——把 LLM 当成临时协作伙伴，而不是权威答案源。其次，在流程里交替安排 AI 参与和纯人工阶段，让人至少有一段必须独立整合并复述自己的判断。第三，把“先自己写结论、先自己列假设、先自己复述再看 AI”这些动作固定下来，不交给自动生成。论文还点了一条容易被忽略的：评价工作要看推理质量，别被表面流畅度带走——AI 修饰过的文字往往更“顺”，顺不等于想得清楚。

光说“不要太依赖 AI”而没有流程设计，等于没说。这篇论文的贡献，是把“保留认知摩擦”拆成了具体可执行的操作。它是规范性框架而非随机对照实验，不能证明“保留摩擦结果一定更好”，但为前两篇研究提出的问题给出了可操作的修正方向。

四、辩论机制：让答案彼此碰撞

Khan 等人的《Debating with More Persuasive LLMs Leads to More Truthful Answers》常被简化成“让 AI 和你辩论，你会更接近真相”。方向没错，但写太满就会失真。

论文研究的是：当更强的模型掌握信息、而更弱的模型或人类并不直接知道正确答案时，能否靠辩论机制让判断者选出真的那一个。实验场景是 QuALITY 长文阅读理解：材料很长，判断者完全看不到原文，只能听两个 LLM 各自为不同答案辩护，然后裁决。比起只给单一答案的朴素基线，辩论帮非专家模型和人类更准确地选出正确答案：非专家模型准确率 76%、人类 88%，朴素基线则分别是 48% 和 60%。

标题里的 “More Persuasive” 不是修辞。研究者用无监督的方式继续优化专家辩手，辩手越来越会说服人，裁决准确率却不降反升——在这个设定里，说服力和事实性同向：越有说服力的论证，越可能站在真相一边。这也是辩论可以充当无标注对齐信号的依据。

这些数字放回场景里才好理解：判断者自己读不了原文，只能依赖辩论。当你也没把握时，相互冲突的论证比单一路线更有助于判断。让 AI 单纯给结论用处不大；让它生成反对意见、暴露替代解释、补出你没想到的反例，反而更有帮助。这和前几篇指向一致——人拿到对立论证后自己裁决，而不是照搬其中一方。

不过，这项研究处理的是有标准答案的阅读判断，不是日常知识工作里那种没有唯一解的决策。它为“让 AI 提供对立论证”提供了机制上的支持，但不等于“让 AI 反驳你一次批判性思维就一定提升”。

五、结构化反思：成本极低的干预

Ghosh 等人的 2026 年预印本《An Experimental Comparison of Cognitive Forcing Functions for Execution Plans in AI-Assisted Writing》，把问题推到了一个更实际的层面：过度依赖发生得比你预想得更早——你毫无审查地接受 AI 给出的执行计划时，依赖就已发生，等不到复制成文那一步。

他们用的工具叫认知强迫函数（cognitive forcing functions）：插进交互流程里的结构化提示，逼人在指定节点停下来处理一个具体问题，不处理就进不了下一步。研究分两部分：一项 214 人参加的线上实验，参与者在审查 AI 生成计划时进入四种条件——Assumptions（列出并检验方案依赖的前提）、WhatIf（换一组关键约束重新推演方案）、Both（两者都做）和什么都不加的对照组；另有 12 人参加的出声思考访谈做定性补充。

其中，Assumptions 组的过度依赖降得最多，认知负担却没有明显增加。WhatIf 是另一番景象：主观评价上最受欢迎，有参与者说它“让我检验了 AI 的推理”，但行为数据上效果更弱，认知负担反而更高。主观感受和实际效果在这里分了家。

“审查”二字很容易自我高估。Ghosh 的定性研究里能看到这个落差：有参与者起初只是把 AI 草稿快速扫了一遍，不知道从哪查起，拿到假设检查的提示后才回到计划里某个具体步骤，指出 AI 默认了一项任务材料里没给的信息；对照组在看完计划和草稿后，通往下一次提交的唯一动作是点一个“Proceed”按钮。有效的审查离不开结构化的问题意识；缺了它，人很容易把 AI 给出的执行计划当成默认合理的起点。这篇论文目前是预印本，场景集中在 AI 辅助写作与计划审查，但它的贡献在于把“别盲信 AI”从一句道德提醒，变成了可插入工作流的具体动作。

收敛的方向

先把话说清楚：“AI 会让人变笨”这种笼统结论站不住。五篇研究没有一篇支持它。它们更精确地指向三件方向一致的事。其一，AI 一旦接管问题定义、论证展开和文本生成，人的认知参与就更容易下降。其二，人是否继续投入批判性思维，取决于对 AI 的信任校准，以及对自身判断能力的保留。其三，只要流程里持续保留认知摩擦、反例、假设审查和纯人工阶段，过度依赖就有机会被压住，而不是一路累积。

所以“用没用 AI”不是关键问题。更该问的是：你把 AI 放在了哪个位置。放在“生成答案”的位置，它最容易让人跳过前面的判断过程；放在“挑战假设、补充反例、检查计划”的位置，它更像一个帮你提高判断质量的对手。

一套可复用的四步流程

下面四步并非某一篇论文直接验证过的完整方案，而是把五篇研究反复出现的提醒，整理成一套最低成本的防错清单。

第一步，先写出你的完整初判，哪怕很粗糙，别从“这个问题该怎么解”开始。先把立场外化出来，后面才有得修正。

这是我的初步判断：…… 我目前这样想，主要基于三点：……

第二步，让 AI 当反对者，而不是代笔者。别让它直接给答案，而是拆你的答案。

请不要重写我的结论。 请像反对者一样不放水但讲理，指出我这套判断最脆弱的前提、最可能忽略的反例，以及最需要补证据的地方。

这一步把 AI 放回更合适的位置：帮你暴露漏洞，而不是替你打包结论。

第三步，审查假设，再跑一遍 what-if。如果 AI 已经给了你计划、大纲或执行路径，别立刻接受，至少问两轮。

第一轮（假设）：这个方案依赖哪些前提？哪些前提一旦不成立，整个方案就会失效？ 第二轮（情境）：如果预算减半、时间缩短一半、关键约束变化，这个方案会先在哪一步出错？

Ghosh 的认知强迫函数研究指向的正是这个动作。

第四步，保留一个纯人工的收尾阶段。留一小段时间不看 AI，把自己的结论重新说一遍，可以是三句话，也可以是一段 150 字以内的摘要。如果你暂时脱离 AI 就复述不出结论，说明这套判断还没真正变成你自己的。

前面几篇反复提到的归属感、回忆、独立整合和判断责任，都靠这一步收口。

四问检查模板

记不住完整流程，先记住这四个从五篇研究里抽出的最低成本检查项。

1. 我现在自己的判断是什么？
2. 这个判断依赖哪些关键假设？
3. 如果它是错的，最可能错在哪里？
4. 哪一步必须由我亲自完成，不能外包给 AI？

这四问只保一件事：最终判断仍然属于人。

适用边界

最后把几条必要的边界交代清楚。

证据强度不一。直接的实证材料有三块：Lee 的调查是自我报告，Kosmyna 的实验有 54 人和四个月追踪，Ghosh 的实验有 214 人但场景收窄到计划审查；Khan 的工作更接近机制启发；Vendrell & Johnston 提供的是框架而非效应量。单独看任何一篇都不足以定论，但它们在方向上收敛。

证据最强的场景集中在写作、知识工作和教育情境。学科背景、原有的批判性思维水平、任务熟悉度和组织环境，都可能改变结果；把结论直接推广到所有类型的人机协作任务，并不严谨。

没有一篇研究支持“不要用 AI”。五篇共同指向的是同一件事：重新设计人和 AI 的分工——搜集材料、生成备选、暴露反例、压缩表达，可以交给 AI；定义问题、建立标准、权衡证据、承担结论，最好留给自己。

最后，这几篇都很新，其中包含预印本，模型与交互方式仍在快速变化。但“判断权不要默认外包”这条原则不依赖某一代模型的准确性——它讨论的是分工结构。目前也还没有足以推翻它的反向证据。

常见问题

这些研究能证明“AI 让人变笨”吗？

不能。没有一篇支持这种笼统结论。它们更精确地指出：当 AI 接管问题定义、论证展开和最终判断时，认知参与会下降。但“变笨”不是合适的说法，是分工出了问题。

那我该完全避免用 AI 写作吗？

不用，分阶段用就行。问题从来不是用不用，而是让它干什么：检索、罗列选项、找反例这类活可以放心交出去；结论怎么下、标准怎么定、证据怎么权衡，留在自己手里，最后留一段纯人工收尾。

模型版本变化会影响结论吗？

会有一点影响，但不在方向上。模型越强，跳过思考的诱惑越大，信任校准也越难，Lee 调查里的风险路径会更普遍。不过这五篇研究讨论的是分工结构——哪些环节必须留给人——而不是某一代模型的能力上限。模型变强不改变这个结构问题，只是让它更要紧。

这些建议适合团队管理吗？

适合，但需要调适。团队层面关键不是要求每个人执行四步，而是在流程设计层面强制保留纯人工阶段和假设审查节点。

延伸阅读

从五篇里挑一篇最贴你工作场景的，读原文全文，重点看方法学局限和讨论部分。接下来一周，每次用 AI 辅助工作前先写一句自己的初判（第一步），记录感受和产出质量的变化。想系统深入，Vendrell & Johnston 论文的参考文献列表覆盖了批判性思维教育领域的核心文献，是很好的扩展入口。

参考文献

1. Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., and Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv. arXiv
2. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., and Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025. DOI
3. Vendrell, M., and Johnston, S.-K. (2026). Scaffolding Critical Thinking with Generative AI: Design Principles for Integrating Large Language Models in Higher Education. Computers and Education: Artificial Intelligence, 10, 100572. DOI
4. Khan, A., Hughes, J., Valentine, D., Ruis, L., Sachan, K., Radhakrishnan, A., Grefenstette, E., Bowman, S. R., Rocktäschel, T., and Perez, E. (2024). Debating with More Persuasive LLMs Leads to More Truthful Answers. ICML 2024. PMLR, arXiv
5. Ghosh, A., Sarkar, A., Lindley, S., and Poelitz, C. (2026). An Experimental Comparison of Cognitive Forcing Functions for Execution Plans in AI-Assisted Writing: Effects On Trust, Overreliance, and Perceived Critical Thinking. arXiv. arXiv