AI 与认知风险：如何保持思考能力

## 使用 AI 工作时的阻力：如何不丧失认知技能

AI 通过消除认知阻力来简化任务，从而带来批判性思维、创造力和专注力减弱的风险。作者分享了观察和在 LLM 时代保持主动性的策略。

过度依赖 AI 的风险

研究显示，频繁使用 AI 与认知能力下降存在相关性。批判性思维减弱：人们由于自动化偏差而忽略算法推荐中的不一致性。决策技能受损，因为将任务委托给 AI 会减少分析练习。

创造力下降——向 GPT 要 10 个变体比自己生成想法更容易。记忆力因将记忆外包给机器而退化，尽管互联网早已削弱了它。专注力被打碎：AI 的简短回答制造出理解的错觉，就像 TikTok 对于知识一样。

历史类比证实了这一模式。计算器削弱了心算技能，GPS 减少了海马体激活，互联网改变了我们处理事实的方式。将心智负担外包给技术提升了效率，但导致技能萎缩。Paul Graham 警告：过度依赖工具会摧毁写作能力。

然而，AI 可以补充而非取代人类，通过将认知负担重新分配到新技能上。

AI 的关键局限：缺乏阻力

ChatGPT 说对了：AI 消除了成长所需的阻力。在复杂任务中，努力表述想法会激活深度思考。在音乐中搜寻词汇能磨练品味，在会议中阅读非语言线索能培养同理心。

写一篇文章需要观察、阅读、讨论——这个过程会激发洞见和满足感。没有阻力，主动性就会溜走。

危险的 AI 使用场景：

• 取代思考：写出文本却不真正理解它们。
• 忽略语境：AI 错过非语言信号（不到 10% 的信息是语言的）。
• 回避困难：用摘要代替深入研究。
• 丧失乐趣：自动化爱好会扼杀创作的喜悦。

保留认知主动性的策略

主要规则：在咨询 AI 前独立思考。表述问题会启动你的思考，即使最终的提示简化了。提示工程正在演进——现在它更多在训练人类，而非仅训练模型。

实用建议：

• 独立分析：在查询前收集语境并制定假设。
• 用 AI 验证：在得出自己的结论后，用模型精炼。
• 训练阻力：手写草稿、开会不使用 AI 提示。
• 监控技能：追踪 AI 在哪里取代了练习。
• 平衡负担：委托例行任务，但保留创造力和分析给自己。

这会转移技能：从例行计算转向战略思考和解读。

关键要点

• 自动化偏差 会破坏批判性分析——始终验证 AI 推荐。
• 阻力对深度思考和同理心至关重要。
• 先自己思考：这能保留主动性。
• AI 重新分配技能而非让你变笨——要有意识地适应。
• 历史技术证明：没有练习，技能就会萎缩。

— Editorial Team