训练是否能对抗AI使用的负面认知外包影响？

最近，Unite.ai 发表了一篇文章：’ChatGPT 可能正在耗尽你的大脑：AI 时代的认知债务‘。在这篇文章中，Alex McFarland 提到了麻省理工学院的一项研究的发现，该研究显示了过度使用 AI 对批判性思维技能和判断力的令人担忧的下降趋势。有许多其他研究支持这些发现，但现在需要回答的问题是：我们可以做什么来解决这个问题？

尽管过度依赖 AI 的负面影响似乎正在发生，但事实是它不太可能很快消失。我们需要找到方法来利用 AI，使企业能够享受其带来的好处，而不会耗尽员工的大脑。

在这篇文章中，我将探讨过度依赖 AI 的认知风险、这些风险对企业和员工的意义，以及我们可以采取的训练和防护措施，以便让工人通过 AI 的力量获得最大效率，而不会导致精神能力的下降。

AI 使用的认知外包的新兴危险

如 Alex 的文章所讨论的，麻省理工学院媒体实验室的一组研究人员最近使用 EEG 头戴设备连接了 54 名志愿者，并要求他们在三个条件下写 SAT 风格的文章：ChatGPT、搜索引擎或没有工具。仅使用大脑的作家表现出最丰富的执行控制区域的连接性。ChatGPT 用户表现出最弱的参与度，当机器人被移除后，他们的成绩直线下降，作者认为这是“认知债务”的证据。

依赖大型语言模型（LLM）的参与者难以回忆他们仅几天前“创作”的工作，因为这些信息从未通过努力检索编码。麻省理工学院的一位受试者无法引用 48 小时前写的草稿中的一个句子。

批判性思维的侵蚀

一项同行评审研究对 666 名英国成年人进行了调查，发现频繁使用 AI 工具和批判性思维评估（Halpern 批判性思维评估）成绩之间存在显著的负相关性。这种影响在 17 至 25 岁的人群中最为明显，并受到认知外包行为（如要求聊天机器人总结阅读材料而不是直接参与）的调节。

同质化的创造力

一项关于AI 对创新影响的研究要求团队使用有限的组件发明新的玩具，其中一些团队可以使用 ChatGPT 来集思广益。使用 ChatGPT 的团队每分钟产生的想法更多，但产生的独特概念却少了 40%。一些团队甚至选择了相同的产品名称，这表明大型语言模型将多样化的思想家引向其训练数据的狭窄中心。

虚假的确定性和减少的警惕性

批判性思维和判断力的下降尤其令人担忧，因为AI 仍然容易出现幻觉。最近的一项调查显示，尽管对完全自治代理的信任从 43% 下降到 27%，但仍有 64% 的员工将未经验证的模型文本粘贴到面向客户的文档中“以节省时间”。

社会的减速

这些影响不仅仅局限于人们在工作中的运作。有人认为，历史上的“弗林效应”（20 世纪智商得分的稳步上升）已经停滞，甚至可能正在逆转，专家指出，普遍的数字外包是主要原因之一。

对企业和员工的长期影响

慢性 AI 依赖类似于技术债务：每次员工在没有批判性审查的情况下接受机器人的草稿时，他们都会将一小笔本金推迟到未来。当模型出现幻觉或监管机构要求来源时，这种隐藏的责任就会浮现出来，很少有人记得如何从头开始重建计算。

我们应该担心这种自我怀疑会削弱继任管道，留下一批独立思考者，当代理系统需要更敏锐的监督时。

创新拖累和“模板思维”

沃顿玩具实验暗示了一个未来，每个头脑风暴会议都从相同的自动补全建议开始。早期投资者在研究中表示，商业计划现在以令人毛骨悚然地相似的散文到达，使真正的新颖性更难被发现。

监管风险

7 月，英国标准机构宣布了世界上第一个国际 AI 审计标准，这是针对一波出现幻觉的案例法污染了法律文件之后采取的措施。无法证明经过人工审查的公司可能面临罚款和声誉损害。

动力减弱

许多大学已经恢复了手写蓝皮书考试，这是因为调查表明 89% 的学生使用 ChatGPT 完成作业。教授们说，模拟切换立即提高了参与度，并揭示了学生在没有机器人帮助的情况下理解的薄弱。

适当的训练是否可以减轻外包效应？

防护措施的影响

一项沃顿领导的实地实验将 990 名高中数学学生分为三个组：不受限制的 GPT-4、GPT 辅导（仅提示）和无 AI（对照组）。虽然不受限制的用户解决了 48% 更多的练习问题，但他们在两天后的一场闭卷考试中成绩却差了 17%。

GPT 辅导组实际上在练习问题中比具有完全 AI 访问的组表现更好，但只与对照组相匹配，表明防护措施至少可以在某种程度上防止下降（即使 AI 不会对教育产生真正的改善）。

教育作为缓冲

对 666 名英国成年人的研究发现，具有高级学位的参与者更有可能在接受 AI 答案之前核实答案。访谈记录证实了这一模式：具有研究生学历的受访者“始终”以大约两倍的速度验证信息，这一差异被作者描述为“统计学上强大的”。

研究人员得出结论，高等教育通过灌输批判性探究的习惯来缓解认知外包的影响。

在监督下的积极证据

2025 年 7 月的一项元分析汇总了 31 项课堂实验，显示 AI 在配备结构化指导时最有效。教师主导的、成就测试场景带来了最大的学习收益，而无指导的知识测试条件几乎没有带来任何益处。作者指出，“指导式交互显著优于仅 AI 和无 AI 对照组”，强调了反思提示和教师支架的价值。

预防认知衰退的训练策略

教授以怀疑为基础的 AI 文字能力

经理应该指导团队将大型语言模型（LLM）视为讨好型的熟人。成功的试点将提示工程技术与心理检查表结合：来源是什么？日期是什么？相反的说法是否可能为真？

安排故意的“上载”

有一种数字戒断区的趋势正在增长，这些区域在办公室中禁止使用笔记本电脑和手机，以便员工可以“重置、充电和找到平衡”，然后再回到 AI 辅助任务中。

一些公司将这一理念扩展到“无科技星期五”，禁止星期五下午的视频通话和聊天应用程序，并在早上以模拟白板冲刺开始。团队然后在午餐后重新聚集，以验证他们的想法与 LLM。经理报告说，这种仪式提高了想法的多样性，并在八周内将每周学习日志条目提高了近 25%。

将元认知融入工作流

沃顿数学实验表明，在 AI 接口中插入反思提示（“什么证据支持这一说法？”）可以提高保留率。GPT 辅导自动执行此操作，拒绝在学生阐述自己的推理并将其与模型的提示进行比较之前显示任何答案。

设计为有摩擦，而不是无摩擦

企业 IT 团队可以更多地考虑人类使用和从 AI 中获得的好处，并配置聊天助手以显示置信度、引用原始数据或呈现排名的替代方案，而不是单个段落，从而鼓励用户暂停并评估，而不是复制和粘贴。这些速度减慢的感觉很小，但可以恢复用户和机器之间的基本认知握手。

结论

认知外包是更强大工具的必然阴影，但认知下降不必然会发生。愿意将 AI 与周密的防护措施、元认知提示和故意的上载文化相结合的组织可以享受更快的工作流程和更敏锐的思维。

忽视这些防护措施，债务就会到期：迟钝的创造力，脆弱的问题解决能力，以及当提示窗口失败时就会冻结的工作力。今年公司最明智的投资可能不是另一项 AI 许可，而是一个严格的计划，保持人类认知牢牢地坐在驾驶座上。