文章摘要
围绕“长期依赖AI是否会让人变笨”展开科普,整合多项近年研究指出,AI是否影响认知不在于AI本身,而取决于使用方式:被动不加批判地依赖AI会削弱认知参与,累积认知债务,拉低批判性思维;主动将AI作为协作工具,保持独立思考和认知参与,则可将AI转化为认知增强器,文章还给出了科学使用AI的具体方法原则。

依赖AI会让人变笨吗?2026年多项研究给出审慎答案:问题不在AI本身,而在使用方式。被动外包思考会削弱认知参与,主动协作则可能增强能力。本文梳理脑电实验、认知债务理论与分层使用策略,帮你看清AI与大脑的真实关系。

长期依赖AI真的会让人变笨吗

你是否也有过这样的体验——打开AI对话框,输入问题,得到答案,复制粘贴,然后关掉页面。整个过程行云流水,但事后回想,你甚至不太记得AI说了什么。

2025年,中国青少年研究中心的调查显示,中小学生AI使用率超过六成,其中超过两成存在依赖AI、放弃独立思考的倾向。中国青年报的一项千人调查中,71.7%的受访者担心过度依赖AI产生思维惰性。

这种焦虑并非空穴来风。但“依赖AI会让人变笨吗”这个问题的答案,远比一句“会”或“不会”复杂得多。

二、那些让人不安的实验证据

脑电图下的真相

2025年,麻省理工学院媒体实验室发布了一项引发广泛关注的研究《Your Brain on ChatGPT》。研究团队招募54名大学生,分为三组:纯人工写作组、搜索引擎辅助组、ChatGPT辅助组,进行为期四个月的写作实验。

脑电图监测结果显示:AI辅助组的神经连接数量比纯人工组减少了约47%。更值得关注的是,83.3%的AI用户在写作结束几分钟后,无法准确回忆自己刚才写的内容。

这一发现指向一个关键概念:认知债务。短期依赖AI可能削弱长期认知能力,类似肌肉的“用进废退”——你让机器替你举杠铃,自己的肌肉自然会萎缩。

但研究也揭示了一个重要细节:在第四轮交叉测试中,当纯人工组首次使用AI时,大脑活跃度不降反升,产出质量也优于一直依赖AI的参与者。这意味着,AI的负面影响并非不可逆。

十分钟就足以产生影响

如果说MIT的研究揭示了长期趋势,那么另一项英美联合研究则展示了短期效应。研究发现,受试者在使用AI完成阅读理解、解答数学题仅十分钟后,再独立完成同类任务时,表现就会明显下滑。

十分钟。这个时间短得令人不安。

微软的发现:信任越多,思考越少

微软与卡内基梅隆大学合作的研究则从另一个角度切入。他们对知识工作者使用生成式AI工具的情况进行了调查,发现了一个清晰的关联:对AI的信任度越高,批判性思维的投入就越少。

研究者指出,当人们将常规任务的判断权交给AI后,面对异常情况时,他们可能不具备足够的认知准备来独立处理。简言之,省下来的脑力并没有被用于更高层次的思考,而是直接“休眠”了。

三、大脑到底发生了什么

神经可塑性与“用进废退”

要理解“依赖AI会让人变笨吗”这个问题,需要先了解一个基本事实:大脑遵循“用进废退”原则。

神经可塑性是大脑修改突触效能、形成新神经连接、重组网络的能力,它贯穿人的一生。但这种能力是“活性依赖”的——需要通过持续的认知、运动和感知参与来维持。

发表在npj Artificial Intelligence上的研究提出了一个清晰的判断框架:被动、不加批判地依赖AI,可能削弱活动依赖性的大脑可塑性,侵蚀认知能力;而主动的共同创造,则可以维持甚至增强认知能力。

认知卸载的边界

“认知卸载”并非AI时代才有的现象。GPS的普及摧毁了我们的方向感,搜索引擎削弱了我们的记忆力——“谷歌效应”表明,我们不太容易记住通过搜索引擎找到的信息,因为获取它不需要花太多力气。

但AI是迄今最强大的“外包工具”。它不只是帮你找信息,而是直接替你完成思考过程——组织语言、构建逻辑、给出结论。

论文可以写得更流畅,简报可以看起来更精准,退休派对上的笑话也可以非常受欢迎。但大脑需要的,恰恰是那种脑力劳动中的挣扎、失败的尝试,以及最终顿悟的时刻。乔治城大学神经科学教授亚当·格林用了一个精准的比喻:“就像你去健身房,但有个机器人替你举起杠铃。”

四、依赖AI会让人变笨吗?关键变量是什么

不是“用不用”,而是“怎么用”

Wiley期刊发表的一项研究,对361名大学生进行了调查,结论极具启发性:认知衰退并非AI使用的不可避免的后果,而是一个由个体特征中介的结果。换句话说,AI是否伤害你的认知,很大程度上取决于你是谁、你怎么用它。

两条路径的分叉

发表在Humanities and Social Sciences Communications上的研究,通过对698名中国大学生的调查,识别出两条截然不同的路径:

路径一(积极) :感知到AI的智能→深度沉浸于任务→批判性思维提升。这条路径中,AI扮演的是“思考伙伴”的角色,用户保持主动参与。

路径二(消极) :感知到AI的智能→深度沉浸→产生AI依赖→批判性思维下降。这条路径中,沉浸转化为依赖,AI从工具变成了拐杖。

同样的起点,截然不同的终点。分叉的关键在于:用户是在“使用”AI,还是在“依赖”AI。

高基线认知者的优势

MIT的研究还发现了一个值得注意的现象:原本认知能力较强的人使用AI时,神经连接反而增强;只有长期被动依赖ChatGPT的人,才出现了思维活动减弱。

这提示我们,AI对不同人群的影响并不均等。具有更强元认知能力(对自己思考过程的觉察和调控能力)的人,能够将AI转化为认知增强器,而非替代品。

五、不同场景下的差异

学生群体:最需要警惕的群体

MIT的研究中,研究者特别指出儿童和青少年是尤其脆弱的群体。2025年中国青少年研究中心的调查显示,超过七成中小学生使用AI辅助完成作业。

北京某高校教师王东(化名)发现,学生提交的作业中,各类数据占比总和竟达到150%——明显的逻辑错误在AIGC进入校园之前并不多见。这反映出部分学生对AI输出缺乏基本校验意识。

知识工作者:从效率工具到思维拐杖

微软的研究聚焦于知识工作者,发现自动化常规任务会减少用户练习判断力的机会,当遇到不寻常情况时,他们可能缺乏应对准备。

更隐蔽的风险在于:AI带来的效率提升,可能掩盖了认知能力的缓慢流失。你以为自己在产出更多,实际上思考得更少。

创意工作者:原创性的悖论

瑞士SBS商学院的一项涵盖600多人的调查研究发现,如果人们依赖AI提供所有答案,人类原创内容将减少,AI训练所需的新鲜数据也会枯竭,最终陷入“模型崩塌”——只能重复已有内容,智力和创造力逐渐下降。

这是一个具有反身性的困境:我们越依赖AI,AI能提供给我们的就越少。

六、依赖模式对比:从“变笨”到“变强”

为了更清晰地理解不同使用方式带来的认知后果,下表从七个维度进行了系统对比:

对比维度 被动依赖模式 主动协作模式
交互方式 提问→接受答案→结束 先独立思考→AI辅助验证→迭代修正
认知参与度 低:神经连接减少47%(MIT脑电数据) 高:前额叶与顶叶协同激活
批判性思维 持续下降:信任度越高,思考越少 保持或提升:验证导向的深度参与
记忆效果 83.3%无法回忆几分钟前的AI内容 因深度加工而增强长期记忆编码
创造力表现 趋同化:倾向于接受AI的“标准答案” 发散性:AI作为灵感触发器和反方辩手
典型行为 复制粘贴、直接采纳输出 标注AI输出、交叉验证、质疑来源
长期认知轨迹 认知债务累积,能力逐步退化 认知增益,元认知能力持续发展

数据来源:MIT Media Lab脑电研究、微软-卡内基梅隆大学联合研究、Nature子刊3R原则论文

核心差异可以归纳为一句话:被动依赖让AI替你思考,主动协作让AI帮你思考得更好。

七、如何让AI成为认知增强器

“先想后用”的缓冲区策略

2026年,中国青年报的一篇评论提出了一个值得实践的原则:在思维领域建立“缓冲带”。具体而言:

第一步:面对任何问题,先独立思考至少三分钟,形成自己的初步判断。

第二步:将你的判断输入AI,请它挑战你的观点、指出你遗漏的视角。

第三步:对比你的思考和AI的输出,记录差异点,追问“为什么我没想到这一点”。

这个流程的核心价值在于:保留认知摩擦。正是那种“想不出来”的挣扎感,驱动了神经连接的强化。

分层使用法

中国科学报的调查报道中,研究者将学生的AI使用方式分为三类,认知效果差异显著:

  • 第一类(高危) :AI生成全部内容,使用率100%——认知参与最低。
  • 第二类(中危) :AI搭建框架,自己补充细节,AI使用率约50%——认知参与中等。
  • 第三类(推荐) :自己先搭建框架和思路,AI辅助寻找数据和素材,使用率约10%——认知参与最高。

第三类的做法,实质上将AI定位为“研究助理”而非“代笔者”。

延迟满足与认知拉伸

BBC的报道中,神经科学家格林强调了一个关键原则:大脑需要的是脑力劳动本身。具体而言,可以在以下场景中刻意保留“认知拉伸”:

  • 写作时,先手写大纲再打开AI
  • 遇到需要记住的信息,先尝试用自己的话复述,再让AI补充
  • 阅读AI输出后,合上屏幕,用自己的语言重新组织一遍核心观点

3R原则:一个系统框架

Nature子刊提出的“3R原则”,为认知健康提供了系统性的预防框架:

  • Results(结果审视) :不要只看AI给出的最终答案,追问它的推理过程和数据来源。
  • Responses(回应反思) :将自己的思考过程与AI的输出进行对比,寻找认知盲区。
  • Responsibility(责任归属) :始终明确一点——最终判断的责任在你,不在AI。

八、FAQ:关于AI与认知的常见疑问

问:使用AI完成日常工作,是不是一定会让我变笨?

答:不一定。关键取决于你的参与程度。如果AI处理的是重复性、机械性的任务,而你仍有足够的机会进行深度思考,认知能力不会因此退化。真正的问题是“AI替你完成了多少原本需要你动脑的环节”。

问:孩子使用AI学习,应该完全禁止吗?

答:完全禁止既不现实也不明智。更有效的做法是建立使用规则:先独立尝试,再借助AI验证;要求孩子用自己的话解释AI给出的答案;限制AI直接生成作业内容的比例。

问:我已经习惯用AI处理很多事情,还能“恢复”吗?

答:可以。MIT的研究表明,当一直依赖AI的人重新独立完成任务时,大脑活跃度会回升。认知债务不是永久性损伤,但恢复需要主动的认知训练。

问:AI生成的内容质量越高,是不是越容易让人变笨?

答:这是一个值得警惕的悖论。AI输出越流畅、越“合理”,用户越容易不加审视地接受。研究发现,对AI信任度越高的人,批判性思维投入越少。高质量的输出反而可能降低用户的认知警惕性。

问:有没有一种“安全”的AI使用时长?

答:目前没有统一的标准。但可以参考一个原则:如果你在使用AI后,能够清晰地复述核心观点、解释推理逻辑,并指出可能的局限,那么这次使用就是“认知安全”的。反之,如果关掉AI后脑中一片空白,就需要调整使用方式了。

问:AI时代,什么样的人最不容易“变笨”?

答:具有较强元认知能力的人——他们习惯于观察自己的思考过程,能够识别自己何时在“偷懒”。这类人倾向于把AI当作辩论对手而非答案机器,他们使用AI的目的是挑战和拓展自己的思维边界,而非替代它。

以上内容不代表本平台立场,仅供读者参考