寫論文先讓AI搭好完整框架，解數(shù)學題直接要AI的分步答案，甚至思考一個社會議題，先讓AI給出正反兩方的完整論述……如今，“遇事先問AI”早已從新鮮事變成了多數(shù)人的日常習慣。

AI用流暢、看似無懈可擊的答案，幫我們跳過了絞盡腦汁的思考過程，帶來了前所未有的效率，也讓很多人隱隱不安：我們的獨立思考能力，正在被AI一點點消解嗎？

2025年12月，德國波恩大學的Christian R. Klein與Reinhard Klein團隊，在國際期刊《人工智能前沿》上發(fā)表的一項研究，為這份焦慮提供了系統(tǒng)的科學解釋。

團隊提出了“空心思維”的核心概念，揭示了生成式AI帶來的認知悖論：它本應是人類認知的“延伸器”，卻可能在無形中成為我們深度思考能力的“消融劑”。

而這場認知危機的根源，恰恰藏在AI最吸引人的特質(zhì)里——無需費力的“無摩擦答案”。

和計算器、搜索引擎這些過往的認知工具不同，生成式AI帶來了一場本質(zhì)性的認知革命。

計算器只是幫我們外包了機械計算，搜索引擎只是幫我們縮短了信息檢索的路徑，它們都沒有觸碰學習的核心環(huán)節(jié)——整合推理。

而今天的大語言模型，能直接完成信息梳理、邏輯構(gòu)建、觀點提煉甚至創(chuàng)造性合成，把人類學習中最需要耗費心力的深度思考環(huán)節(jié)，直接用現(xiàn)成答案替代了。

從認知科學的視角來看，這恰恰擊中了人類學習的底層邏輯。

諾貝爾獎得主卡尼曼提出的雙過程理論早已證實，人的思維分為兩套系統(tǒng)：依賴直覺、快速省力的系統(tǒng)1，和負責邏輯分析、緩慢費力的系統(tǒng)2。

真正的深度學習，從來都離不開系統(tǒng)2的全力參與——只有經(jīng)過主動的思考、試錯、沖突解決，我們才能把零散的信息內(nèi)化成穩(wěn)定的知識體系，在大腦中構(gòu)建起可遷移、可復用的思維“腳手架”。

認知負荷理論進一步指出，學習的核心，是需要大腦付出“相關(guān)認知負荷”——也就是為了理解、內(nèi)化知識而主動付出的腦力勞動。

而AI的即時答案，讓我們輕易進入了“認知旁路”狀態(tài)：我們跳過了所有需要費力的思考環(huán)節(jié)，直接拿到了最終結(jié)果，看似完成了任務，實則完全繞過了知識內(nèi)化的必經(jīng)之路。

研究團隊把這個過程中形成的心理閉環(huán)，命名為“主權(quán)陷阱”。

人類天生就有“認知吝嗇鬼”的本能，會下意識選擇最省力的思考路徑，而AI的高權(quán)威性、高流暢度的輸出，恰好給了我們一個完美的“省力出口”。

面對AI給出的完整答案，我們會在不知不覺中放棄自己的“認知主權(quán)”——也就是獨立判斷、審視、質(zhì)疑、決策的核心能力，把本該由自己完成的思考，全權(quán)委托給了AI。

這種認知外包，帶來的傷害不只是“想不出來了”，更會在神經(jīng)層面造成不可逆的影響。

神經(jīng)科學研究發(fā)現(xiàn)，我們大腦的前扣帶皮層，負責檢測認知中的矛盾和沖突，是觸發(fā)我們停下來、重新思考的“警報器”；而外側(cè)前額葉皮層，則負責完成批判性分析、錯誤修正的深度思考。

當AI的答案過于流暢、看似毫無破綻時，前扣帶皮層的沖突警報信號會被大幅削弱，我們也就失去了激活前額葉皮層進行深度思考的動力。

更值得警惕的是神經(jīng)可塑性的“用進廢退”原則：長期不被激活的神經(jīng)回路，工作效率會持續(xù)下降。

如果我們長期依賴AI完成深度推理，負責批判性思維的前額葉網(wǎng)絡，就會因為長期缺乏刺激而出現(xiàn)功能退化。

這一點對青少年尤為危險——人類負責高級認知、執(zhí)行控制的前額葉皮層，要到20歲左右才能發(fā)育成熟，青春期正是這個腦區(qū)發(fā)育的關(guān)鍵窗口期。

如果未成年人在認知發(fā)展的核心階段，就習慣了用AI替代自己的思考，其認知能力的底層發(fā)育，可能會受到不可逆的影響。

很多人會說：“既然AI什么都知道，我為什么還要費力去學？”。

但過往數(shù)十年的認知研究早已證實，這種想法背后，藏著一個致命的認知誤區(qū)。

2011年的“谷歌效應”研究發(fā)現(xiàn)，當人們知道信息可以隨時從外部獲取時，大腦會放棄記憶信息本身，只記住“去哪里找這個信息”，這就是所謂的“數(shù)字失憶癥”。

就像長期依賴GPS導航的人，大腦海馬體的空間記憶功能會持續(xù)弱化，再也無法在腦海中構(gòu)建出完整的認知地圖。

而生成式AI帶來的，是比搜索引擎、GPS更深刻的認知空心化。

研究團隊指出，過度依賴AI形成的“空心思維”，不是簡單的“記不住東西”，而是失去了獨立構(gòu)建邏輯、形成觀點、驗證真?zhèn)蔚暮诵哪芰Α?/p>

這種狀態(tài)最殘酷的現(xiàn)實集中體現(xiàn)在研究中發(fā)現(xiàn)的“專業(yè)知識二元性”上：AI對人的影響，完全取決于使用者本身已有的知識儲備。

對于領域內(nèi)的專家來說，AI是能力的“放大器”。

專家的大腦中，已經(jīng)構(gòu)建起了完整的領域知識體系，他們能精準判斷AI答案的對錯、漏洞與局限性，把AI當成“新皮層合作伙伴”——用AI完成重復性的基礎工作，自己則專注于更有創(chuàng)造性的深度思考，最終實現(xiàn)1+1>2的效果。

但對于知識儲備不足的新手來說，AI只是一個虛假的“均衡器”。

它能讓一個新手快速拿出看似專業(yè)的成果，卻無法幫他構(gòu)建起支撐這個成果的知識體系。

此時的AI，更像是一個“外部海馬體”，在新手還沒來得及把信息內(nèi)化成自己的知識時，就直接給出了最終的成品，就像一個學生直接抄了AI的論文，哪怕論文邏輯再嚴謹，他也無法解釋其中的推理鏈條，更無法把其中的方法遷移到下一個問題中。

更可怕的是，這種“看似會了”的能力錯覺，會進一步強化他對AI的依賴，形成“越依賴，越不會思考；越不會思考，越依賴”的惡性循環(huán)。

這種二元性，最終會帶來一個令人不安的結(jié)果：AI不僅不會抹平認知差距，反而會讓強者愈強、弱者愈弱。

專家用AI放大自己的創(chuàng)造力，而新手則在AI的溫柔包裹中慢慢陷入“空心思維”的陷阱，失去獨立思考的底層能力。

更值得警惕的是，這種認知外包，還會瓦解我們構(gòu)建穩(wěn)定信念體系的能力。

普林斯頓大學Rose E. Guingrich團隊的研究指出，人類的知識和信念，是在主動的思考、驗證、修正中，和大腦中已有的其他知識深度綁定形成的，我們清楚“自己為什么相信這件事”，也能在出現(xiàn)反證時重新審視。

但從AI那里獲得的觀點，往往缺少了這個深度綁定的過程，我們很難說清“這個結(jié)論是怎么來的”，更無法對其進行有效的驗證和修正。

長此以往，我們的信念體系會變得越來越模糊，最終甚至會放棄獨立形成觀點的能力，把“判斷對錯、選擇相信什么”的權(quán)力，也一并交給AI。

難道我們只能拒絕AI，才能避免陷入“空心思維”嗎？

研究團隊給出的答案是否定的，AI本身不是洪水猛獸，問題的核心在于我們?nèi)绾沃貥?gòu)和AI的互動模式，以及AI系統(tǒng)本身的設計邏輯。

對抗“空心思維”的核心，是培養(yǎng)論文中提出的“強化思維”——一套由扎實的領域基礎知識、成熟的元認知能力，和主動進行深度思考的習慣構(gòu)成的認知體系。

這不是讓我們死記硬背零散的知識點，而是要構(gòu)建起一個領域的核心思維框架，這是我們能獨立判斷AI輸出、駕馭AI工具，而不是被AI牽著走的根本前提。

對個人而言，守住自己的“認知主權(quán)”，關(guān)鍵在于改變和AI的互動方式：不要把AI當成直接要答案的“抄作業(yè)工具”，而是把它當成輔助思考的“腳手架”。

面對一個問題，先自己完成思考、搭建框架、形成初步的想法，再用AI去補充細節(jié)、驗證邏輯、指出漏洞，而不是反過來，讓AI替你完成從0到1的核心思考。

哪怕只是拿到AI的答案后，強迫自己用自己的話重新解釋一遍邏輯，也能有效激活大腦的深度加工過程，避免陷入認知旁路。

而對AI系統(tǒng)的設計者來說，研究團隊提出了一個核心的設計方向：把AI從“答案引擎”，改造成“認知訓練環(huán)境”。

未來的教育AI，不應該追求“無摩擦的即時答案”，反而應該主動制造“必要的困難”——比如不直接給出結(jié)果，而是通過引導式提問，推著用戶自己一步步找到答案；根據(jù)用戶的能力水平，逐步減少輔助，讓用戶的思考能力在這個過程中得到鍛煉，而不是被替代。

在AI無處不在的今天，我們終于意識到，人類最核心的競爭力，從來不是記住多少信息、算得多快、寫得多流暢。

而是獨立思考、批判性判斷、主動構(gòu)建知識體系的能力。

AI能幫我們省去思考的辛苦，卻無法替我們獲得思考帶來的成長。

所謂“認知主權(quán)”，從來不是拒絕使用AI，而是我們永遠要做那個思考的主體、決策的最終掌控者。畢竟，能駕馭工具的人，永遠是那些先懂得獨立思考的人。