当AI成为思考的'外包商'，我们正在失去什么？从MIT的脑电实验到沃顿商学院的千人研究，数据揭示了一个令人不安的真相：AI辅助正在造成'认知债务'的累积。本文深度剖析了'系统0'现象如何重塑我们的思维模式，以及为什么那些被AI抹去的'思考摩擦'才是真正塑造专业能力的核心。作为AI产品设计者，作者更带来了行业视角的反思——效率与认知萎缩之间的微妙平衡，正在成为数字时代最隐秘的困境。

“ganga”两个字，天天打。

现在让你拿笔手写，你还能写对吗？

试一下。先写”gan”——左边那个”九”，右边那个……等等，右边是什么来着？

大概率会卡住。

不是你变笨了。是你的大脑做了一个非常合理的决定：这件事键盘会帮我处理，我不需要记住它。大脑很聪明，它会把有限的资源分配给它认为”值得记住”的事情。你天天打字，它就判断：记住怎么写这个字，没必要。

这叫认知外包。

键盘时代，我们外包了”记住字形”这件事。

但你有没有想过——AI时代，我们在外包什么？

不是写字。是思考本身。

我之所以写这篇文章，是因为我自己最近遇到了一件让我不太舒服的事。

我是做AI产品的，每天大量使用各种大模型。上周有个朋友当面问我对某个行业趋势的看法，我张嘴想说，突然发现——我脑子里冒出来的句子，特别像AI会说的话。什么”这是一个多维度的问题”、”我们需要从几个层面来看”。不是我在模仿AI说话，是我意识到，最近太多判断是AI先给了我一个答案，我觉得”差不多”就接受了。我已经很久没有自己从零开始想通一个问题了。

这个感觉让我警觉。于是我去找了一些研究。找完之后，我觉得事情比我想的要严重。

一、你可能已经有了”系统0″

丹尼尔·卡尼曼在《思考，快与慢》里说，人有两套思维系统。

系统1——快速、本能、自动。看到”2+2=”，答案直接就出来了。 系统2——慢速、刻意、需要消耗注意力。写一篇有论证的文章，做一个重要决策，这些需要系统2。

卡尼曼的理论到这里结束。但我最近开始怀疑，我们正在多出一个东西。

暂且叫它”系统0″。

在你系统1还没反应过来之前，AI已经把答案放在你面前了。你甚至没有意识到自己本来应该思考这件事。

以前你没有答案，你不得不想。现在AI递给你一个看起来很合理的答案，你的大脑就说：行，够用了，不费那个劲了。

心理学上管这叫认知关闭——当一个可接受的答案出现时，大脑会停止搜索更好的答案。

问题是，AI给你的是”可接受的答案”，不一定是”最适合你的答案”。这两者之间的差距，你以前会通过思考来弥补。现在你不补了。甚至AI给你的答案是非常完美的，那我们和这个世界的摩擦是什么呢？

这不是卡尼曼说的。是我自己的感受，也是正在发生的事。

你有没有觉得，用AI越久，越难形成自己的观点？不是能力下降了，是练习的次数在减少。判断力这东西跟肌肉一样，不用就萎缩。

二、正在发生的变化

让我把这件事说得更具体一些。

以前你遇到一个问题，你会怎么做？查资料、问人、自己想、碰壁、再想、慢慢拼出一个答案。这个过程很慢，有时候让人抓狂，但你的大脑全程在工作。

现在呢？你把问题扔给AI，它给你一个答案，你看了觉得不错，复制粘贴，或者改几个字，完成。

两个流程，任务都完成了。但你在第二个流程里消失了——不是消失在结果里，是消失在过程里。

一次两次看不出来。但它在积累。就像你停止手写，慢慢忘了”尴尬”怎么写——你停止思考，也会慢慢忘了怎么想问题。

哈佛大学教育学院的Karen Thornber教授用了一个特别好的类比：导航软件。有了GPS导航之后，你开车不再关注路线，不再记路标和转弯。时间一长，你对城市的空间认知就退化了。AI对你大脑的影响，跟导航对你方向感的影响，是一回事。

三、数据说了什么

我说的这些，不只是感受。有数据。

MIT的脑电实验

2025年6月，MIT媒体实验室发了一篇论文，标题很直接：《你用ChatGPT时的大脑：使用AI写作助手的认知债务累积》。

54个人，分三组：一组用ChatGPT写文章，一组用谷歌搜索，一组什么工具都不用。所有人戴上EEG脑电图头盔，追踪四个月。

第一次写作：进行三组基线测量，AI 辅助组已显示出较低的神经活跃度。

第二次写作：AI 组大脑参与度持续下降，纯脑力组则保持高连接性。

第三次写作：AI 组对复制粘贴的依赖愈发严重，83% 的用户记不住自己刚写的内容。

第四次写作（换组）：原 AI 组切换为纯脑力写作，大脑活跃度无法重新激活；原纯脑力组改用 AI 辅助，脑活动反而提升。

结果：AI组的神经连接强度，比纯脑力组最高低了55%。83%的AI组用户，刚写完文章就说不出自己写了什么。

但最让我在意的是第四次测量——研究者让两组交换。

原来用AI的人，换成纯脑力写作，大脑活跃度拉不回来。而原来靠自己的人，换成用AI，脑活动反而提升了——因为他们有了自己的认知基础，AI变成了一个放大器而不是拐杖。

研究者管这个叫”认知债务”。你省下的每一次思考，都是在借债。短期效率高了，但债在累积。

Wharton的千人实验

如果你觉得MIT那个样本太小，再看一个大的。宾大沃顿商学院2025年在PNAS上发了一项研究，接近1000个高中生参加。

给一半学生用GPT-4辅助学习，另一半不用。用AI的那组，练习成绩提升了48%到127%——效果很明显。

然后把AI收走。

没有AI之后，原来用AI的学生，成绩比从来没用过AI的学生还低17%。

不是回到原点。是比原点更差。

因为他们在用AI的过程中，跳过了那个”自己搞懂”的阶段。任务完成了，但学习没有发生。

四、摩擦才是你值钱的本事

说到这里，我想讲一个可能更好理解的事情。

一个外科医生，是怎么炼成的？

不是背教科书背出来的。书谁都能背，但背完了你不会开刀。是手术台上磨出来的。第一台手术，手会抖，会犯错，会被主任骂，会睡不着觉反复复盘。第一百台，开始有手感了。第一千台，那种对异常的直觉就在那里了——”这里不对劲”，你说不出为什么，但你就是知道。

几千次失败和调整沉淀出来的东西，AI给不了你。

你可以让AI背完所有手术步骤。它能准确告诉你每一刀怎么切。但它开不了刀。它没有手抖过，没有凌晨三点反复回想哪里做错了。

Nicholas Carr——写过《浅薄》那本书的作者——最近专门写了一篇文章叫《自动化学习的神话》。他说了一句话我觉得特别准确：

“写作作业的教育价值，不在于那个最终交上去的文档。价值在于过程本身——批判性地阅读材料、综合证据和想法、形成论点和论证。”

他管跳过这个过程叫”去技能化”（deskilling）。飞行员过度依赖自动驾驶后出现的”技能衰退”（skill fade），现在正在学生和知识工作者身上重演。

那些”卡住”、”想不出”、”绕了弯路”的过程，就是刮痕。

学语言也是这样。死记硬背100个单词，两周后忘掉80个。但你在一个陌生城市迷路了，靠比划和半懂的单词问到了路——那几个词你这辈子都不会忘。

经历过摩擦的知识，长在你身上。AI给你的答案，是别人经历摩擦之后总结出来的。它很准确，但它不是你的刮痕。

而且这里面有一个讽刺的悖论：你要想把AI用好，你得先有足够的知识和判断力来写好的prompt、来判断AI的输出对不对。但如果你一开始就依赖AI，你就永远积累不了这些知识和判断力。Carr说这是一个死循环。我同意。

五、造债的人

写到这里我得说一件有点不好意思的事。

我自己就是这个问题的一部分。

我做AI产品。我每天的工作，就是想办法让AI更好用、更顺滑、让用户更快拿到结果。我们团队开会讨论的核心指标是什么？任务完成率、响应速度、用户留存。翻译成大白话就是：让用户更少思考，更快完成，更频繁地回来。

你发现问题了吗？

我们整个行业在优化的方向，恰好就是”帮用户跳过摩擦”。而前面五节我一直在说，摩擦是有价值的。

我不是第一个想到这件事的人。UT Austin和Georgia Tech的研究者专门写过一篇论文，提出AI工具应该保留”生产性挣扎”（productive struggle）——就是故意不把答案直接给你，而是引导你自己想到。Wharton那个千人实验也验证了：加了”护栏”的AI（不直接给答案，而是一步步引导）不会造成成绩下降。

但现实是，市场不奖励这种设计。

你做一个AI写作工具，”一键生成全文”的版本一定比”引导你自己写大纲”的版本数据好看。用户会觉得第一个更”强大”，第二个更”难用”。产品经理的KPI、投资人的预期、市场竞争的压力，都在推着你往”更快、更直接、更省脑子”的方向走。

这就是一个结构性矛盾：对用户长期好的设计，短期数据不好看；短期数据好看的设计，可能在制造认知债务。

我不知道怎么完美解决这个矛盾。但我觉得至少应该有人把这件事说出来。做AI产品的人，应该比任何人都清楚：你在设计一个工具的”易用性”时，可能同时在设计用户的”依赖性”。这两者之间的边界在哪里，是我们这一代产品经理必须面对的问题。

六、该怎么用

说到这里，我得做一个声明：

我不是要你不用AI。

那是一个蠢结论。AI是目前人类手上最强的工具之一，不用它，就像你有辆车偏要走路去机场。

问题从来不是用不用，是怎么用。

一个我自己在试着执行的原则：先把自己榨干，再让AI来。

具体来说：

• 写东西之前，先自己列个大纲，哪怕很烂。然后让AI优化，对比两个版本，想想它改了什么、为什么改。这个过程里你的大脑是主动参与的。
• 做方案之前，先自己写一版，不完整也没关系。然后跟AI的方案放在一起比较。你不是在接收答案，你是在跟AI对话。
• 学新东西之前，先试着用自己的话解释一遍。解释得很糟也行。然后让AI纠正你。你记住的不是AI给你的那段话，而是你和AI之间那个”差距”。

说实话，我自己也做不到每次都这样。赶进度的时候还是会直接扔给AI。但我至少开始有意识了——知道自己什么时候在借债，什么时候在积累。光是这个意识本身，就已经是一个不小的改变。

Wharton那个研究其实也给了一个正面信号：如果AI工具设计了合适的”护栏”——比如不直接给答案，而是引导你一步步思考——负面效果就能被大幅减弱。所以这不是AI的原罪，是用法的问题。

核心就一句话：AI是你的放大器，不是你的替代品。 它放大的是你已有的判断力。如果你的判断力是零，放大出来的也是零。

七、最后

AI把所有的摩擦都压缩掉了。效率确实高了。你一天能完成过去三天的活，能写出格式完美的报告，能生成逻辑自洽的方案。

这些都是真的。

但有一件事AI做不了——它没办法帮你变成你。

那些你卡住的时候、想不通的时候、绕了很远的路才找到答案的时候，那些时刻你在生长。你的判断力、直觉、思维方式，就是在那些笨拙的时刻里慢慢成形的。

王兴说过一句话：

“人本身才是终极艺术品。可惜无法保存，更不能复制，只能选取片段转换成别的艺术形式。”

AI能复制你的输出，但复制不了你。你写的那些东西、做的那些方案，只是你这件”作品”的片段。真正的作品，是那个经历过所有摩擦、所有弯路、所有凌晨三点的反复琢磨之后，慢慢被塑造出来的你自己。

这件作品，没有快捷方式。

先想，再问。先榨干自己，再让AI来。

那个”想”的过程，才是你在雕刻自己。