为什么 AI 可能让我们变笨——以及如何避免我们忘记如何思考

AI 不会自动让人变笨——但它可能让我们丧失思考的习惯

“AI 让人变笨”这句话是有意制造争议的。更准确的说法是：过度依赖、缺乏自主练习，以及不加批判地接受自动生成的结果，可能导致我们失去某些能力。关键不在于我们是否使用 AI，而在于它是在辅助我们的思考，还是在取代它。

设想两个人在学习一门新的编程语言。A 先尝试自己解决问题，阅读文档，犯错并寻找错误原因——只有在卡住时，才向 AI 寻求提示。B 只描述想要的结果，直接采用现成的代码，每次出错就把报错信息复制回聊天框。

最终两人都得到了一个能运行的应用。但 A 积累了解决问题的经验，而 B 仍然只能指望 AI 在下一个问题上也能给出合适的方案。当我们产出的成果连自己都无法理解其来龙去脉时，危险的临界点就到了。

为什么学习离不开付出努力

觉得自己理解了某件事，并不等于以后能够独立运用它。持久的学习来自主动的思维加工：从记忆中提取信息而不是反复阅读，用自己的话进行解释，在没有现成答案的情况下解决问题，分析错误，并在新情境中运用知识。

学习心理学将此称为“提取练习效应”和“合意困难”：短期内感觉更费力的方法，从长期看能带来更好的记忆效果。而当 AI 在我们自己思考之前就给出了现成答案，恰恰会省掉这份努力。

一项针对 120 名大学生的随机研究（Barcaui，2025）对此提供了一个具体线索：在学习 45 天后进行的一次未提前通知的知识测试中，使用 ChatGPT 作为学习辅助的小组平均答对 57.5%，而未使用 AI 的对照组为 68.5%。这项研究有其局限，不能推广到所有学科和使用方式。但它表明，为什么学习过程的质量可能比得出结果的速度更重要。

我们不再理解的成果

最令人担忧的趋势之一，是人们制作出来的东西与他们真正理解的东西之间的差距正在扩大。如今借助 AI，只需很少的预备知识就能搭建出令人印象深刻的项目——网站、数据库、接口，乃至完整的应用。

一个典型的例子：有人让 AI 为自己生成前端、数据库、API、Docker 容器和服务器部署，并照单全收每一条解决方案，而从不检查它们之间的关联。几周后，网站运行起来，看上去也很专业。然后，某次更新后一个容器无法再启动，一次数据库迁移失败，或者一条防火墙规则切断了两个服务之间的连接。这个人可以再去问 AI——却不知道哪些组件受到了影响、日志在哪里，或者哪项改动会危及其他功能。

这一差距能有多大，一项针对 32 名计算机初学者的研究（Zi 等，2025）给出了答案：在理解 AI 生成的代码时，他们每道题的成功率仅为 32.5%。生成代码和理解代码显然是两种不同的能力。

当工具突然消失

AI 是一种随时可能被拿走的工具：服务无法访问，额度已经用完，模型被修改，价格上涨，或者服务商停止提供服务。这时，关键问题就来了：你还能继续推进自己的项目、系统地排查错误、添加新功能，而不必让一切重新生成吗？

如果答案大多是否定的，那就存在一种远远超出工具使用本身的依赖。一个能运行的产品还不足以证明自身的能力。能力体现在诊断错误、为决策提供理由，以及在没有持续协助的情况下继续开发系统——尤其是涉及资金、个人数据或 IT 安全的应用。

没有人必须在不借助任何工具的情况下掌握每一项工作。但使用计算器的人应该能判断结果是否合理；使用 AI 生成代码的人应该理解其基本工作原理。当我们失去检验自身工具的能力时，风险就出现了。

能力的错觉

AI 会用清晰、令人信服的语言给出解释。正因如此，我们可能高估其正确性：措辞得体的回答可能是错的，一大段代码可能含有安全漏洞，一份详尽的分析可能遗漏了重要数据。阅读时，各个步骤显得合乎逻辑——可一旦要在没有参照的情况下自己运用，我们才发现自己只是认出了它们，却并没有真正理解。

Microsoft Research 对 319 名知识工作者开展的一项调查（2025）发现，对生成式 AI 的信任度越高，自我报告的批判性思考投入就越低。同时它也表明，批判性思维正在发生变化：人们越来越多地不再亲自解决任务，而是需要检查、评估 AI 的结果并为其负责。因此，未来最重要的能力不仅是会使用 AI——更是能够批判性地评判它的结果。

我们会变成“提示词成瘾者”吗？

这个说法并不是一种诊断，而是描述一种行为模式：几乎遇到任何问题，都会条件反射般先写一条提示词，而不是自己先思考。答案被直接采用，遇到下一个困难时，循环再从头开始——直到任何脑力付出都显得像是多余的弯路。下面这些问题可以帮助你审视自己的行为：

• 我是否在自己思考问题之前就向 AI 发出了请求？
• 我能用自己的话解释我所采用的答案吗？
• 之后不借助 AI，我还能把这项任务再做一遍吗？
• 我是否会用可靠的来源核实重要的说法？
• 在一个由 AI 生成的项目中，我知道每个组件负责什么吗？
• 没有 AI 可用时，我面对简单任务是否也会感到没有把握？

单独一个“是”并不能证明存在依赖。关键在于整体情况：AI 是在拓展你的能力——还是已经成为你能否行动的前提？

AI 遇上本已不堪重负的注意力

关于 AI 的讨论并非发生在真空中。在此之前，我们的注意力就已被智能手机、社交网络、短视频、广告和通知所占据——这些产品借助自动播放、无限滚动和个性化信息流，旨在尽可能长时间地留住我们。

2025 年发表在 Psychological Bulletin 上的一项元分析汇总了 71 项研究、共计 98,299 名参与者：更频繁地观看短视频与较差的认知表现相关，在注意力和冲动控制方面尤为明显。大多数数据显示的是相关性，而非明确的因果关系——但这依然是一个清晰的警示信号。

问题在于这些因素的叠加：短视频训练的是快速切换刺激，通知不断打断专注的时段，而一旦任务变难，AI 就会立即给出答案。相比之下，独立思考显得缓慢又费力。于是，我们越来越少有机会去锻炼恰恰是完成高难度工作和学习新事物所需的那份耐力。

把 AI 当作导师，而不是答案自动售货机

同一个可能取代思考的 AI，也可以用来训练思考。区别在于提问的方式。与其索要现成的答案，不如有针对性地把它当作你的私人导师来使用：

• “向我提问，帮我找出我还没理解的地方。”
• “给我一个提示，但不要给出完整的答案。”
• “让我先自己解决这个问题，然后评价我的解题思路。”
• “出三道难度递增的练习题。”
• “检查我的解释，并指出缺少了哪些关联。”

这样，人始终保持主动——AI 则成为训练伙伴，而不是拐杖。

在生活和工作中合理使用 AI

AI 是一种强大的工具，它让知识更易获取，省去不必要的麻烦。它在资料检索与方向梳理、日常重复工作、学习辅助、编程、构思创意、翻译、无障碍支持和事务组织等方面尤其有用。为了不以牺牲自身能力为代价换取便利，下面几条明确的规则会有所帮助：

• 自己确定目标。如果不知道要解决什么问题、怎样才算好的结果，也就无法判断 AI 是否达成了目标。
• 在采用之前先理解方案。让 AI 解释关键步骤，检验其中的假设，并测试结果——对于软件，尤其要关注与安全相关的改动。
• 把重复性工作自动化，而不是你的专业知识。格式整理和标准报告可以交给 AI；对于新的、复杂的或有风险的任务，人工把关仍须严格。
• 记录决策。写下为什么选择某个方案——这样即使某个 AI 服务无法使用，知识也得以保留。
• 继续在不借助 AI 的情况下练习。有意识地安排一些完全不借助外力独立完成的任务。
• 保护你的数据。私人文件、登录凭据、客户数据或机密商业信息，不应未经审查就输入 AI 聊天中。
• 责任留在自己手中。在财务、法律、健康或安全问题上，AI 提供的是论据——决定及其后果仍由你自己承担。

方法：先思考，再用 AI，最后检验

一套简单的流程，可以把 AI 的优势与主动的独立思考结合起来——适用于编程、语言学习、资料调研、项目规划等诸多场景：

• 第 1 步——自己尝试。用自己的话描述问题，写下你知道什么、你猜测什么，以及还有哪些疑问。
• 第 2 步——有针对性地提问。请 AI 提供提示、解释或反方观点，而不是自动索要完整的答案。
• 第 3 步——批判性地比较。寻找错误的假设、缺失的信息和其他可能的方案。
• 第 4 步——亲自实施。自己动手实现方案，或在没有帮助的情况下完成一个类似的任务。
• 第 5 步——检查结果。确认它是否有效，以及你日后能否重复这一过程。

如何守护专注力和独立思考

想要防止数字时代的“变笨”，不应只关注 AI 的使用，而应审视整个数字环境：

• 减少通知。关闭一切不必要的通知，并为消息和社交媒体设定固定的时间段。
• 有意识地限制短视频。如果你经常刷得比计划的更久，设定一个固定的使用上限会有所帮助。
• 创造专注时段。在一段可控的时间内专注于一项任务，不在浏览器、聊天软件和 AI 对话之间来回切换——并逐步延长时长。
• 阅读，而不只是浏览摘要。对于重要话题，花时间阅读长文、文档和原始资料是值得的。
• 允许自己无聊。并不是每段等待时间都要用手机填满——漫无目的的思考往往是新想法的起点。
• 测试你的依赖程度。定期在完全不借助 AI 的情况下完成一项熟悉的任务，检查自己是否仍然掌握关键步骤。

PRO6SELLER：倡导自主的数字生活

数字化发展正在改变我们获取信息、做出决策、工作以及对待隐私的方式。因此，PRO6SELLER 不仅把自己定位为数字工具的提供者，更希望成为一个让人们学会有意识、批判性、自主地使用这些工具的地方。

本杂志把复杂的话题——从 AI 与自动化、数字痕迹与监控，到加密与数据最小化——转化为通俗易懂、附有实用建议的文章。每一项服务都与相应的知识普及相结合：一个工具能做什么，会处理哪些数据，它的局限在哪里？我们的目标不是让人们尽可能紧密地依附于数字服务，而是为他们提供能够独立做出决定的知识。

这一原则同样适用于我们自己的服务：在安全设置中，所有与安全相关的设置都会被清晰可查地记录下来；而通过机器人 & 脚本，不仅可以构建自动化方案，还可以为现有项目编写通俗易懂的技术文档——当一个借助 AI 构建的系统已无人能够完全掌握时，这一点尤其有价值。对于标准服务之外的需求，可以通过任务申请个性化报价。

最好的技术未必是替我们做出每一个决定的技术。它往往是让我们能够更知情、更独立地行动的技术。

结语：让 AI 为你工作——但不要忘记如何独立思考

AI 可以成为出色的老师、助手、灵感来源和技术工具。但它无法自动赋予我们那种只有通过自主学习、实践经验和批判性思考才能获得的理解。只接受答案而不去理解，会让能力的错觉不断膨胀。让 AI 生成整个项目却不了解其运作原理，就会依赖于那些本应帮助我们的工具。

因此，我们不仅应该问 AI 能替我们做什么——也应该问，我们自己还想继续掌握哪些能力。把日常重复的工作自动化。把 AI 当作辅助。检验它的结果。学好基础知识。并保持独立继续工作的能力。

未来并不自动属于写提示词最多的人，而是属于那些能够理解结果、提出正确问题并承担责任的人。保持好奇。保持批判。不要把自己的思考拱手让人。

🔗 相关推荐：有意识地使用技术，要从自己的数据开始——我们上网时会留下哪些痕迹、如何减少这些痕迹，请参阅文章如何隐藏 IP 地址：VPN、代理和 Tor 通俗详解。如何夺回对自己设备的控制权，而不是依赖出厂设置，请参阅我们的文章Root 智能手机：更多掌控，更多自由，更多隐私。