黄磊｜撰文

你是否有过这样的体验：在写作业、解难题时，第一反应是打开AI 对话框，输入问题，等待秒回的答案；做报表处理时，打开OpenClaw下指令，等待任务自动完成；或者正在读这篇文章时，忍不住@一下元宝，总结一个“省流版”的摘要。有人认为这是高效，是跟上时代潮流。但一项来自卡内基梅隆大学、牛津大学、麻省理工学院、加州大学洛杉矶分校的跨团队研究，用1222名受试者、3组严格随机对照实验得到了令人吃惊的结论：仅仅10到15分钟的AI辅助，就足以让人在独立面对问题时表现更差，并更频繁地选择直接跳过。研究人员提醒，这种伤害像“温水煮青蛙”，在毫无察觉中，慢慢侵蚀人类的学习能力与思维韧性。

这项题为《AI 辅助降低坚持性并损害独立表现》的研究，于今年4月发表在预印本平台arXiv，目前正在评审之中。它采用因果实证研究而非相关性推测，指出当下主流AI 助手对人类认知能力存在隐形伤害——短期貌似让人 “开挂”，长期则存在无法忽视的负面影响。[1]

好的助手或导师，永远把学生长期成长放在第一位。研究人员表示，就像一位负责任的老师，不会直接提供答案，而是引导学生思考，陪学生经历挫折，在真正需要时才伸出援手，甚至在必要时“狠心” 拒绝，逼学生独立面对挑战。因为真正的学习，从来不是轻松得到答案，而是在挣扎、试错、坚持中，把知识内化为自己的能力。

但今天的AI助手，则是另一种模样。它们被训练成短视的“讨好型合作者”：除了安全限制，永远不会说“不”，永远秒回完整答案，永远把“即时满足” 做到极致。用户问数学题，直接给步骤和结果；写作文，直接生成全文；做阅读理解，直接提供正确选项。AI助手让用户瞬间变“学霸”，却不关心这种“轻松” 会对用户的认知和习惯造成什么长期影响。

牛津大学出版社在2024 年将“Brain Rot”（脑腐）选为年度词汇，《纽约时报》认为AI搜索、对话机器人和社交媒体导致脑腐。

10分钟，足以影响普通人的独立思考

研究者设计了三项独立实验，覆盖了1222 名受试者。他们让人们做几道分数运算题或阅读理解，一组人可以用AI 辅助，一组人完全靠自己，然后在没有任何预告的情况下，撤走AI，让两组人完成最后几道题，测试他们的真实水平。

结果显示，AI 辅助可提升短期表现，一旦撤回AI，则表现大幅下滑，显著低于从未用过AI的对照组。AI 辅助导致坚持的心力断崖式下跌，在没有帮助时，面对难题更容易直接跳过、放弃尝试，不再愿意花时间思考攻克难关。

而这一切，只需要10–15 分钟的AI 使用，就足以让一个正常人的认知受到负面影响。

在第一项实验中，研究人员招募了354名受试者，任务是做15道分数计算数学题，难度逐级提升。实验组的191人在前12题随时可用AI（GPT5），没有AI的对照组163人全程无辅助，独立完成所有题目。关键步骤是对最后的3道题目，实验组AI功能被突然撤走。

结果令人吃惊：解题正确率AI 组测试阶段平均0.57，对照组0.73，AI组低了16 个百分点。放弃（跳过）率：AI 组0.20，对照组0.11，AI组高了近一倍。统计学意义上的差异极其显著（P<0.001）。简言之，用AI 做了10 分钟题的人，一旦失去AI，不仅做得更差，还更不想做了。

AI 削弱人在没有辅助时的表现和坚持完成任务的意愿。(a) 按题目出现顺序统计的参与者每题平均解答率和跳过率，95% 置信区间（CI）。灰色虚线表示学习题与测试题之间的分界。实验中题目难度逐步提升：依次为一步题（第1—4 题）、两步题（第5—8 题）和三步题（第9—12 题）。（b）图为参与者在测试阶段的平均解题率与跳过率，95% 置信区间。测试指标通过对每位参与者最后三道测试题的表现取平均值。

那么，实验1的结论，是不是因为AI 组保留了更多能力差的人？是不是界面突然变化导致不适应？

对于这些干扰项，研究团队做了规模更大、控制更严格的重复实验：招募了667名受试者。同时增加前测进行筛选，保证两组初始能量完全一致。此外对照组也设置实验组相同的侧边栏界面，也在最后3题同步撤走，消除界面不对称干扰。

结果仍然符合实验1的结论：AI 组测试正确率0.71，对照组0.77。放弃率AI 组0.10，对照组0.07，方向一致。这显示能力差异被严格排除，界面干扰被彻底消除，伤害依然存在。

也许有人说：数学是计算，依赖AI 正常，文科思维不会受影响。研究团队的第三项实验，则直接用SAT 水平的阅读理解进行实验：招募201名受试者，让他们做阅读理解题目，考察逻辑推理、观点辨析、细节理解。

结果再一次高度重复：AI 组测试正确率0.76，对照组0.89。放弃率AI 组0.08，对照组0.01，高了 8 倍。统计学显著（P<0.01），效果量较大（Cohen’s d=0.42）。

这意味着AI 带来的坚持性下降、独立能力受损，不只是数学任务的特例，而是较为普遍的效应。无论是数字计算，还是文字理解，只要习惯了AI 秒出答案，一旦失去它，普通人的表现就会变差，且更不想努力。

“人们不仅会变得不擅长任务，他们甚至不再尝试，”该研究第一作者、卡内基梅隆大学博士Grace Liu在接受CNET采访中谈到，“如果这种效应随着经年累月的AI使用不断累积，我们最终可能会培养出一代学习者，他们失去了脱离技术辅助而进行高效挣扎（productive struggle）的倾向。”[2]

阅读理解任务中表现与坚持性的下降。（a）图为参与者在题目呈现顺序下的平均答题率与跳过率，95% 置信区间。灰色虚线标示学习阶段与测试阶段的分界点。（b）图为参与者在测试阶段的平均答题率与跳过率，95% 置信区间，由各参与者数据汇总。

值得注意的是，在实验2中，研究者还让AI组受试者自行报告使用方式，显示直接要答案占61%，要提示/ 解释，用AI找思路、问步骤、理解难点，不直接抄答案的占27%，基本不用AI的占12%。

对比三组的后测表现，AI 使用方式不同，结果也明显分界：直接要答案组测试正确率最低，放弃率最高，相比自己的前测，成绩大幅下滑，坚持性显著恶化。要提示/ 解释组表现接近对照组，伤害极小，甚至部分人略有提升。基本不用AI 组表现最好，正确率最高，放弃率最低，甚至超过纯对照组。这表明AI使用的方式对于个人独立面对问题时的表现影响巨大。

但是，为什么AI能在10分钟内就能如此影响到我们的大脑？

研究团队认为，有两个机制或许可解释这一现象。

首先是即时满足导致预期扭曲，进而带来努力厌恶。AI 秒给答案，让普通人形成“问题=瞬间解决”的心理预期和多巴胺路径后，效率阈值被无限拉高了。研究将其归因于“享乐适应”（Hedonic Adaption），当突然失去AI，需要自己花1 分钟、3 分钟、5 分钟思考时，大脑会觉得：“这太慢了、太麻烦了、太痛苦了”。这种主观难度的急剧上升，让大脑本能地逃避、放弃。更令人担心的是，这是自我强化的恶性循环：越依赖AI，就越觉得独立思考辛苦，从而越依赖AI，越不想思考。[3]

另外，AI剥夺了学习中的有效挣扎，导致元认知退化。认知科学显示：真正的学习，发生在挣扎中。如同健身过程的肌肉撕裂和重建，自己算错题、找思路、啃难点，这个过程不仅重建神经元连接，学会新知识，更会知道：我能靠自己解决难题，这种元认知校准和信心建立是坚持性的心理根基。AI 直接给答案，彻底剥夺了大脑挣扎的机会。从未体验过“靠自己攻克难题” 的成就感，也从未建立“我能行”的信念。一旦AI 消失，面对难题的第一反应不是“我试试”，而是“我不会，放弃”。[4]

每一天的AI 依赖，都只带来一点点微小的伤害，完全察觉不到，但日积月累，研究团队形容这将“犹如温水煮青蛙”，导致后果最后难以收拾。

从文字、算盘、计算器，到互联网、搜索引擎，人类一直在用工具拓展能力边界。但历史反复证明：工具越强大，越考验我们使用工具的智慧。AI 是人类有史以来最强大的认知工具，可以把高密度信息瞬时推送到面前，也可以在短短10 分钟内，悄悄瓦解我们的认知能力和韧性。

研究团队明确提出：AI 的发展，不能只追求“即时好用”，必须兼顾长期能力培养。就像好导师知道“什么时候不帮忙”，未来的AI，也应该学会适度拒绝、引导思考、分步提示、延迟满足，而不是一味秒给答案、讨好用户。

该研究的通讯作者、MIT教授Michiel Bakker在接受《连线》（The Wired）杂志采访时指出，“直接给出答案的系统，与为用户搭建思考支架、提供引导辅导或是向用户提出思辨挑战的系统，二者带来的长期影响截然不同”。[5]

该研究仍然存在一定局限。比如样本以美国成年人为主，是否适用于儿童、老人、不同文化背景，仍需验证，而且题目对中国成年人来说，可能相对简单。实验任务为短期认知任务，长期日常使用的累积效应，仍需纵向追踪研究。另外仅测试了GPT5 ，不同AI 设计的影响，仍需进一步探索。但这些局限，丝毫不影响其核心结论。当下“秒给答案、永不拒绝” 的AI 使用模式，对人类坚持性与独立能力的伤害，值得深思。