韓國人做的這項實驗，預見了集體失智的未來

最近看了一條新聞，韓國教育廣播公司公布了一項AI教育實驗結果，一句話概括就是，AI得來終覺淺，絕知此事要躬行。

這項實驗是今年底在韓國京畿道金浦市一所高中進行的，老師給學生布置作業(yè)，要求他們在閱讀指定書籍并撰寫讀后感。

參與實驗的一部分學生被引導完全依賴ChatGPT這樣的生成式AI來完成任務。為了測試AI的替代程度，這些學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，研究人員對學生進行訪談。結果發(fā)現，83.3% 的學生無法回憶起自己剛剛“寫”下的任何核心觀點、金句或文章結構，可謂是零記憶提取。

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

參與實驗的另一部分學生，則用傳統(tǒng)的方法，堅持自己閱讀、思考，并完成讀書報告的學生，在數天后依然能清晰地闡述書中的邏輯，證明了傳統(tǒng)手搓式學習的靠譜。

01

認知外包就是精制糖果，一點點侵蝕大腦

紀錄片中，韓國研究人員在實驗過程中使用了腦電圖（EEG）等監(jiān)測設備，對比了自主思考寫作和使用AI代寫時大腦的活躍度。結果顯示，使用AI時，大腦負責處理高級邏輯的區(qū)域幾乎沒有電流活動，這種狀態(tài)被專家描述為認知上的空轉。

實驗中那 83% 的學生表示，點擊提交按鈕的那一刻，大腦就像清空了回收站一樣，因為他們沒有經歷過從無到有的痛苦構建過程。

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

上述實驗中，當使用大模型的學生意識到，生成內容這個任務可以完全交給外部工具時，負責深度加工、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，學生潛意識里把自己從思考者變成了搬運工。因為沒有經歷“提取信息-轉化邏輯-語言編碼”這個痛苦的內化過程，大腦認為這些信息是不重要的噪音，因此拒絕將其存入長時記憶。

長期使用認知外包工具的人，首先會患上知識的幻覺。簡單說，就是用戶會誤以為能搜索到的信息就是我掌握的知識。

耶魯大學研究人員在2015年就做過搜尋效應實驗，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絡。結果發(fā)現，即便搜索組并沒有真正記住答案，他們在評估自己對無關領域（比如，為什么云彩是白的？）的了解程度時，信心顯著高于對照組。

其次，過度依賴搜索引擎、大模型提供答案，大腦會自動卸載那些它認為可以隨時在外部找到的信息，導致長時記憶萎縮。

在哈佛大學與哥倫比亞大學在2011年進行的保存實驗中，參與者被要求向電腦輸入一些事實。一組被告知“電腦會保存這些信息”，另一組被告知“信息會被刪除”。隨后進行的記憶測試顯示，認為電腦會保存信息的一組，對內容的記憶效果極差。

和我們的肌肉一樣，大腦如何不進行思維鍛煉，也會變懶、變弱。

MIT媒體實驗室EEG腦電圖實在2025年7月發(fā)布的一項研究顯示，研究者記錄了學生在自主寫作與ChatGPT輔助寫作時的腦電波。結果顯示，AI組在前額葉皮層負責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數周后，這些學生在沒有AI輔助的情況下，其腦電活躍度也無法恢復到基準水平。

02

失去批判性，意味著什么？

火的出現讓我們的胃萎縮了，互聯(lián)網的出現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批判性思維測評（Halpern Critical Thinking Assessment, HCTA） 被公認為是測量批判性思維最權威的工具之一，由美國著名心理學家戴安·哈爾彭（Diane Halpern）開發(fā)。

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

與傳統(tǒng)的選擇題不同，HCTA 采用“開放式問答+多項選擇”的組合。開放式部分，要求受試者自己構建論點、解釋現象。多項選擇部分，考察受試者在已有選項中識別邏輯謬誤的能力。核心變量是，受試者每日調用生成式AI（如ChatGPT、Claude）處理工作/學習任務的時長與頻率。

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

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，導致長期依賴者失去了捕捉言外之意和語言復雜性的敏感度，受試者在識別諷刺、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，雖然能夠識別別人的漏洞，卻無法在20分鐘內完成一個邏輯閉環(huán)的商業(yè)提案。

假設檢驗方面下滑最嚴重，受試者表現出極強的“權威偏見”，即傾向于相信AI給出的第一個結論，不再主動尋找反面證據或設計控制變量。

可能性與不確定性判斷方面，受試者對概率的直覺變得鈍化。因為AI往往以極其篤定的語氣回答問題，受試者習慣了標準答案，而失去了在灰度地帶進行權衡的決策能力。

決策與問題解決方面，陷入路徑依賴。面對全新的、AI訓練庫里沒有的問題，受試者往往表現得無從下手。

03

職場智力斷層已經出現

Halpern批判性思維測評實驗一個更殘酷的發(fā)現是，00后一代的批判性思維水平遠低于80后，AI導致的智力斷層已經出現。

具體測試數據顯示，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%。研究者擔憂，這預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實，批判性思維不是一種學會了就永遠擁有的知識，而是一種不練就會萎縮的肌肉。

當AI原生一代們在職業(yè)早期過度依賴AI，雖然產出效率高，但也跳過了通過痛苦思考構建底層邏輯的過程，他們可能會在30歲左右遇到嚴重的認知瓶頸，因無法形成需要對復雜問題的決策、風險評估和架構設計能力，失去上升通道。

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

那些徹底將思考外包給AI的人，將淪為數字藍領，他們的工作極易被下一個更便宜的AI補丁所取代。那些學會了AI工具，且保有批判性思維的老兵，將成為真正的超級個體，他們既用AI加速，更用人腦把關，這是目前更具競爭力的形態(tài)。

哈佛大學和斯坦福大學在 2025 年的一項聯(lián)合研究，他們基于 LinkedIn 和 Revelio Labs 的 6200 萬員工數據，發(fā)現了一個明確的趨勢，AI 更偏向資深員工。

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

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

上述研究表明，咨詢業(yè)、市場研究、法律助理和基礎編程等行業(yè)受損最重。以前需要 5 個初級員工處理的調研數據、合同審核、代碼測試，現在由 1 個資深專家?guī)蓚€ AI 助理就能完成。

這導致了所謂的方尖碑式結構，公司不需要底層的初級人才，這直接掐斷了人才培養(yǎng)的學徒期。

04

集體失智風險大增

今天，數億中國人已經離不開大模型。中國互聯(lián)網絡信息中心發(fā)布《生成式人工智能應用發(fā)展報告（2025）》 顯示，截至2025年6月，我國生成式人工智能用戶規(guī)模達5.15億人，普及率為36.5%。

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

當你習慣了讓豆包和DeepSeek幫你思考，你也就失去了定義世界的話語權。當數億人都在向同一個邏輯模型索取建議時，整個社會的思維多樣性正在萎縮，思維走向集體平庸。

大模型的本質是預測下一個最可能的字，也就是說，它更多是一種鸚鵡學舌式的智能。它給出的是最大公約數式的、符合統(tǒng)計學邏輯的平庸答案。

當人們在寫周報、寫情書、做決策都參考豆包或DeepSeek時，人類的獨特性、偏見、甚至天才的錯誤都在消失。社會正在變成一個由AI生成的、邏輯嚴密但缺乏靈魂的平滑體。

創(chuàng)造力源于知識的跨界碰撞。如果知識都在AI里，而不存在于人類的大腦神經連接中，那么這種碰撞就永遠不會發(fā)生。當一代新人只會根據AI建議做決策時，社會將失去應對黑天鵝事件的能力。

如果這種趨勢持續(xù)到2026年，我們將面臨一種真實的社會風險，當AI產生幻覺提供錯誤知識，而數億用戶因缺乏底層知識儲備而無法識別時，錯誤信息會像病毒一樣在社會常識中固化。

05

人人可以學得會的認知健身課

面對數億人陷入認知外包導致的智力萎縮，主動構建一套認知健身方案，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，堅持思考先行的原則。（如果你實在記不住下面三條，最好記住這條。）

面對任何復雜任務，如寫方案、分析數據、決策，在打開豆包或DeepSeek之前，強制自己進行15分鐘的裸腦思考。在向AI提問前，先在心中預設一個答案草稿。當你有了預期，你與AI的關系就從抄作業(yè)變成了對答案，這能極大提升你的批判性觀察力。

方法二，增加認知摩擦。

原理是模擬Halpern測評中的“主動構建”能力，強化長時記憶。讀完AI給出的建議后，關掉屏幕，嘗試用自己的語言向一個外行（或假想對象）解釋清楚這個邏輯。如果你解釋不出來，說明該知識并未進入你的大腦，只是停留在屏幕上。

方法三，構建底層知識硬核。

每周挑選一個核心概念（如復利效應、幸存者偏差、博弈論），結合AI，進行手動的深度拆解。減少對“一分鐘帶你看懂XX”這類信息的消費，主動尋找那些讓你感到燒腦的內容。因為，只有讓你感到痛苦的知識消費過程，才更有可能是有效的認知健身。但這并不意味著，你一定要去讀一本三四百頁的書，其實你去觀看一條半小時以上深度視頻可能也有類似的效果。

方法四，強化元認知監(jiān)控。

面對AI給出的第一個答案，永遠問一句：還有其他可能嗎？或這個邏輯在什么極端情況下會失效？。盡可能多地參與線下討論、即興辯論和復雜的線下社交。這些場景瞬息萬變，AI無法實時代勞，是鍛煉大腦實時反應和綜合評判能力的好場景。

正如舉重能讓肌肉強壯，思考的重負能讓智力常青。在2026年，當滿大街的人都穿著駱駝羽絨服、用著同樣的Gemini、豆包、DeepSeek模型時，你大腦中那幾條親自打磨出來的神經通路，將是人類最昂貴的奢侈品，也是最后的護城河。

繼續(xù)看