核心观点

• 过度依赖AI，尤其是对于前额叶皮层仍在发育的青少年，会削弱其独立思考与批判性思维能力。
• 当前以“服从”为导向的教育体系（重结果、轻过程）是学生选择AI“捷径”的理性原因。
• 解决问题的关键在于转向“能力本位”的教育模式，让认知过程中的挣扎与努力变得有意义。

一个警示性案例

一位AP经济学老师布置了一篇关于供需的三页PDF阅读。次日课堂讨论令人不安：所有学生观点雷同、使用相同例子、语言近乎一致。老师虽无法证实，但模式明确指向学生使用ChatGPT总结了阅读材料，并将AI生成的观点当作自己的思考。

最令人担忧的并非“走捷径”本身，而是意识到：每一个将思考外包的学生，在功能上都变得可以被机器替代。

研究揭示的模式

• Gerlich (2025) 的研究发现：

  • AI工具使用频率与批判性思维能力呈显著负相关。
  • 年轻参与者表现出最强的依赖性和最低的批判性思维分数。
  • 这种关系是非线性的：适度使用影响甚微，但过度依赖会导致可测量的能力下降。

• León-Domínguez (2024) 提出的“认知假体”概念：

  • AI不仅辅助思考，而是完全代劳。与需要人类整合的计算机或搜索引擎不同，AI提供从起点到终点的完整解决方案。
  • 这被称为“认知卸载的对数放大器”，其作为认知替代品的规模和完整性是史无前例的。

为何“捷径”显得合乎逻辑

学生并非天生懒惰，他们只是在一个不合理的系统中做出了理性选择。

• 教育体系本质是“服从系统”：当前教育大多围绕“完成任务→获得分数→进入大学→找到工作”的链条。内容交付优先于技能培养。
• 评估聚焦于最终产品：如同只评判饼干是否美味，而不考察烘焙技能的学习过程。只要评估标准是产品而非过程，学习本身就缺乏内在动机。
• AI能产出更优的初始结果：在青少年本就容易陷入虚无主义的年龄，“如果AI做得更好，我努力的意义何在？”成了一个合理的问题。卸载思考本身或许感觉不好，但高效达到要求以便继续其他有趣的活动，这种感觉是积极的。

学生正在失去什么

过度依赖AI导致的能力退化体现在四个方面：

1. 丧失解释推理过程的能力：能产出熟练的作品，却无法阐明为何选择特定证据、最初有何困惑、或如何处理相互矛盾的解释。被提问时只能重复结论，无法重构得出该结论的思维路径。
2. 面对困难时产生焦虑：无法在没有外部输入或求助的情况下，独自与一个难题搏斗哪怕10分钟。
3. 丧失进行长链条推理的能力：需要多步骤（1至4步）才能理解第5步的复杂论证变得不可能。需要持续推理的复杂问题会导致思维崩溃，这与近期研究中AI系统自身的崩溃模式相似。
4. 无法察觉自身的困惑或知识缺口：会提交自己无法辩护的作业；当被指出逻辑漏洞时会感到惊讶；常常不记得最初为何困惑。对学习过程的自我监控能力开始完全萎缩。

解决方案并非禁止

简单地禁止AI或加强检测无济于事。如果教育体系本身将思考视为障碍而非目标，学生总会找到变通之法。

能力本位学习提供了一个具体的替代方案：

• 评估应聚焦于可展示的技能掌握，而非内容交付。这样，学习中的挣扎就变得有意义。
• 技能重于内容：学生可以通过几乎任何内容（如研究遗传学、太阳能工程、用AI编程、制作新闻广播、比较反乌托邦小说）来培养分析性思维。内容本身不如所锻炼的技能重要。
• 建立努力与结果之间的真实联系：在追求结果（即使不完美）的过程中，挣扎、失败和成功同等重要。认知卸载不会带来多巴胺的愉悦，但克服障碍和体验成功会。

根本问题是教育设计

教育面临的不是技术问题，而是一个设计问题，AI只是将其暴露出来。学生只是在理性地回应一个从未优先考虑思考的激励体系。

当认知挣扎变得有价值时，学生才能开始理解何以为人不可替代。当我们自己的思考（尽管可能有缺陷）变得重要，尤其是在人云亦云的环境中。