仅用10分钟AI工具，人类专注力与坚持性显著下降，研究揭示认知风险

一项发表于语言建模会议（COLM）的同行评审研究引发广泛关注：人类在使用AI工具仅10分钟后，其独立完成困难任务的专注力与坚持性即出现可测量的显著下降。该研究由加州大学伯克利分校、卡内基梅隆大学、麻省理工学院、牛津大学及加州大学洛杉矶分校等机构学者合作完成，共纳入1222名在线参与者，通过三组随机对照实验验证了这一现象。

第一组实验中，354名受试者被分为两组：一组独立解答15道基础分数题；另一组全程开放ChatGPT辅助，可随时提问甚至索要答案。初期，AI组表现更优；但当研究人员在第12题时突然撤除AI工具，该组答题准确率立即下滑，跳题不答比例急剧上升。第二组实验扩大至667人，结果一致：失去AI支持后，原AI用户或答错、或直接放弃；而从未使用AI的一组则持续完成任务，最终整体表现反超。第三组实验采用201人参与的SAT阅读理解题，同样发现AI撤出后，坚持度与准确率同步降低。

这项题为《AI辅助降低坚持性、损害独立表现》的研究，首次以严格实证方式量化了“轻度依赖”对认知能力的即时影响。研究负责人之一、伯克利分校人类兼容AI中心研究员布莱恩·克里斯蒂安指出：“这不是长期退化的问题，而是行为模式的快速切换——人一旦习惯AI的即时反馈，便难以容忍自身思考的延迟与不确定性。”

值得注意的是，该现象并非孤立案例。2011年《科学》杂志刊载的“谷歌效应”实验已揭示：当人们知道信息可随时检索，对内容本身的记忆反而减弱，仅记住“去哪里找”。2014年普林斯顿与UCLA联合研究进一步表明，手写笔记的学生比键盘输入者更能深度理解材料——因前者被迫进行归纳与提炼，后者则倾向于复制粘贴。加州大学洛杉矶分校心理学家罗伯特·比约克提出的“合意困难”理论亦强调：适度的认知阻力是深化学习的关键机制。

研究团队将AI导致的认知弱化归因于两个核心机制：其一，速度驯化——AI几秒内给出答案，使人对“慢思考”产生排斥，视其为低效；其二，生产性挣扎的剥夺——正是在反复试错、卡壳与自我修正过程中，个体才真正构建知识框架并发现自身优势路径。一旦AI代劳解题全过程，这种“挣扎”被截断，学习闭环无法形成。

这一发现也得到产业界印证。多位前沿AI公司工程师私下承认：将完整任务交给聊天机器人，确实会削弱使用者对学科基础的理解。例如，在编程教学中，直接让模型生成代码的学生，往往难以复现逻辑链；而在数学推导中，跳过中间步骤的用户，面对变体题时极易失分。

如何应对？宾夕法尼亚大学沃顿商学院教授伊桑·莫利克在其新书《Co-Existence：AI的下一阶段》中提出系统性路径。作为知名科技专栏作家与AI实践者，莫利克并不反对拥抱AI，而是主张重构人机协作模式：AI不应是“答案提供者”，而应是“思维脚手架”——它需通过提问、提示与分步引导，激发用户自主推理，而非直接交付结论。他将此称为“谨慎的协同”，即在利用AI效率的同时，刻意保留认知摩擦点。

莫利克在书中举例：当学生向AI提问“如何证明勾股定理”时，理想响应不是直接给出欧几里得证法，而是反问“你是否尝试过用面积法？若将直角三角形拼成正方形，边长关系会如何变化？”——这种苏格拉底式对话，能维持用户的思维参与度。

现实层面，已有教育平台开始调整策略。部分高校在AI辅助作业系统中嵌入“强制停顿”机制：用户连续三次请求答案后，系统会暂停响应，并提示“请先写下你的初步思路”。另有编程训练平台引入“半成品模式”，AI仅补全关键函数骨架，其余逻辑仍需用户填充。

值得警惕的是，该风险在科研与高阶决策领域尤为隐蔽。一位神经科学家曾坦言：“我用AI润色论文初稿后，再读自己写的段落竟觉陌生——仿佛思想已被外包。”这种“认知外包”若长期持续，可能导致专业判断力钝化：当模型替代了假设生成、证据权衡与反事实推演，研究者的直觉与批判性思维将逐渐萎缩。

克里斯蒂安本人坚持每日手写笔记的习惯，正是对此的主动防御。“纸笔强迫你组织语言、筛选重点，这个过程本身就在训练大脑。”他在接受采访时说，“我们不必拒绝AI，但必须设立‘认知保护区’——某些环节，必须亲手完成。”

目前，学界正推动将“认知韧性”纳入人机交互设计标准。美国国家科学基金会（NSF）已启动专项资助，支持开发“抗依赖型AI接口”，目标是在提升效率的同时，确保用户维持最低限度的深度参与。与此同时，欧盟《人工智能法案》修订草案中，新增条款要求教育类AI工具提供“思维留白”功能，即在关键步骤前插入反思提示。

技术进步不可逆，但人类认知主权仍可捍卫。正如莫利克所言：“AI不会取代我们，除非我们主动交出思考的权利。”真正的共存，不在于谁主导流程，而在于谁保有最终的判断力与修正权。当工具越强大，我们越需清醒界定：哪些事可以委托，哪些事必须亲历——因为后者，正是人之所以为人的认知锚点。