生成式 AI 会削弱批判性思维吗？证据并不简单

8 月 15 日，Google News 推送了颇具挑衅意味的话题标签 #DeeperStupidAI，将一场关于认知能力下降的争论包装成又一场可被即时消费的冲突。

这篇 Saturday Hashtag 评论文章 经由聚合平台呈现，其直白的暗示是：生成式 AI 不只是会给出不可靠的答案，它还会鼓励人们进行更浅层的思考。

这种担忧并非毫无根据，但标题的推进速度快于研究本身。一些研究发现，在部分 AI 辅助任务中，人们报告的认知投入有所降低。研究人员还在一项受控写作实验中观察到，参与者的记忆表现较弱，神经参与度也有所下降。

这两项发现都无法证明 AI 会让人永久变得不那么聪明。最有力的研究支持的是一个更有限的结论：当系统在人们形成自身判断前就提供流畅的答案时，人们往往会放弃本应由自己完成的重要思维工作。

这一区别至关重要，因为 Google 正在改变数百万人接触信息的环境。搜索过去会呈现按排名排列的来源，并要求用户自行选择。AI Overviews 和对话式搜索则越来越多地在用户访问来源前就先对其进行综合。

因此，核心冲突并非人与机器的对立，而是便捷综合与主动探究之间的较量。

Google 表示，其 AI 搜索功能帮助人们提出更复杂的问题，并找到有价值的网站。独立行为数据则显示，摘要也可能减少用户点击外部来源。认知研究表明，过度信任生成式答案会降低核查意愿。

#DeeperStupidAI 这个标签很吸睛，但它也可能把复杂问题简单化。更有价值的问题是：AI 系统是否保留了构建理解所需的行动——比较、提取、解释、怀疑与修正。

Google News 将一场争论变成了一起事件

眼前的事件是媒体信号，而非新的科学发现。

这篇 WhoWhatWhy 文章作为关于 AI 与认知的评论进入 Google News。它没有发布产品、披露临床发现，也没有呈现一项刚完成的实验。

这使其不同于常规科技报道。这里没有需要追踪的发布日期、需要复现的基准测试，或需要检验的公司声明。它的重要性来自其观点出现的时机及传播范围。

数字工具会削弱思考能力的观点并不新鲜。搜索引擎、计算器、GPS 导航、拼写检查工具和社交平台都曾引发类似担忧。每种工具都会将一部分思维任务从人身上转移到外部系统中。

心理学家将此称为认知卸载。这个术语指利用外部资源，减少记忆、计算、决策或导航所需的思维工作。

卸载并不必然有害。笔记本能保存一个人原本可能遗忘的细节。计算器可以让人将注意力投入更大型的数学问题。地图能帮助人们抵达目的地，而不必记住每一个转弯。

权衡取决于被委托出去的是什么。当用户理解底层运算时，外包算术工作可以支持更高层次的推理。外包论点的形成过程，则可能直接移除了推理练习本身。

生成式 AI 扩大了这种权衡，因为它不只是检索一个事实。它可以挑选证据、组织论点、生成过渡、模仿自信，并交付一个完整结论。

这种能力改变了用户的角色。传统搜索结果会引导用户经历一连串选择：打开来源、评估其相关性、识别分歧，并构建答案。

AI 摘要可以将这一过程压缩成一段文字。用户得到表面上经过推理的产物，却看不到塑造它的每一次选择。

Google News 又增加了一层影响。它决定哪些出版商的标题进入个性化信息流，并将其与其他报道并列呈现。因此，一个挑衅性的标签可能在读者弄清它代表的是证据、评论还是讽刺之前就触达读者。

这并不意味着聚合本身必然具有误导性，而是说明界面承载着解释性分量。版位和呈现方式会影响哪些观点显得重要、及时和可信。

#DeeperStupidAI 这则故事最有价值的地方，在于它提醒人们关注这种界面。关于被动信息消费的主张，是通过一个旨在加速信息消费的系统传播而来的。

这正是文章真正的反转之处：其传播机制恰好展示了它所批评的行为。

读者不应将这个标签视为科学诊断，而应将其视作一个提示，促使自己审视现代信息发现系统如何重组注意力。

Google News 的 AI 摘要改变了读者的工作

AI 搜索将精力从寻找信息转移到判断综合答案是否值得信任。

Google 持续在 Search 中扩展生成式功能。2025 年 5 月，该公司表示，AI Overviews 已覆盖 200 多个国家和地区，并支持 40 多种语言。

Google 还称，AI Overviews 在美国和印度使符合条件的查询类型使用量提升了 10% 以上。这个数字反映的是用户与 Google 的互动，而不是理解程度或准确性。

该公司表示，其目标是帮助用户提出更难的问题、获得有用背景，并通过可见链接继续探索。其后续更新加入了行内引用、来源预览、首选出版物以及更清晰的原始材料访问路径。

这些变化承认了一个基本问题：当生成式回复成为页面上的主要对象时，来源可能沦为陪衬。

独立浏览数据说明了这一影响。一项 Pew 分析 考察了 2025 年 3 月 900 名同意参与的美国成年人使用 Google 的活动。

当 AI 摘要出现时，用户在 8% 的访问中点击了传统搜索结果；没有 AI 摘要时，这一比例为 15%。在包含摘要的访问中，只有 1% 导致用户点击摘要内引用的来源。

这些数据并不能证明读者学得更少。一个摘要可能准确回答简单问题并节省时间。

然而，当问题需要背景时，点击行为就很重要。离开搜索结果页能让读者接触到方法、限定条件、相互竞争的解释，以及无法容纳在简短综合内容中的证据。

这种变化也影响出版商。原创报道需要采访、文件审阅、专业知识和编辑问责。当摘要满足即时查询时，完成这些工作的机构可能既得不到访问量，也无法与读者建立联系。

Google 对“引荐流量全面崩塌”的最广泛说法提出异议。该公司表示，汇总点击数据常常测量不当，而 AI 搜索结果带来的访问可能具有更高参与度。

该公司还推出更多旨在呈现原创来源的功能。2026 年，Google 增加了首选来源标签和 “Highly Cited” 指示器，帮助用户识别具有影响力的报道。

这些改进有助于信息发现，但未能完全解决认知问题。如果用户从不打开引用，显眼的引用也无济于事。即使摘要正确，它仍可能抑制形成持久理解所需的比较过程。

压力落在三类群体身上。

读者必须判断何时摘要已足够。出版商必须创作在事实被压缩后仍具价值的内容。Google 必须在即时回答与依赖来源访问的信息市场之间取得平衡。

同样的压力也延伸至教育工作者和雇主。两类群体都越来越多地收到精致的产出，却无法清楚看到其背后的推理过程。

过去的搜索技能是找到有用的页面。正在形成的 AI 搜索技能，则是识别一个看似有用的答案何时消除了必要的不确定性。

批判性思维研究实际发现了什么

当前证据支持人们担忧认知投入减少，但并不支持 AI 必然让用户变笨的说法。

最有力的同行评审研究之一来自 Microsoft Research 和 Carnegie Mellon University。研究人员针对 319 名知识工作者，收集了 936 个使用生成式 AI 的案例。

这项 批判性思维研究 在 2025 年 CHI Conference on Human Factors in Computing Systems 上发表。

研究发现，对生成式 AI 的信心越高，与较少的批判性思维相关；对自身能力的信心越高，则与更多的批判性思维相关。

这种关系比“AI 削弱所有人的思考能力”这一口号更具信息量。问题不在于能否使用模型，而在于用户相较于自身，对模型赋予了多高的信任。

参与者并未报告完全放弃批判性思维。相反，他们的努力转移到了不同活动中：检查 AI 输出、将回复整合进现有工作，以及监督任务完成情况。

这种转变可以富有成效。一名经验丰富的分析师可能使用 AI 生成初稿，然后花更多时间检验假设和比较证据。

但它也可能形成浅层审查循环：用户索取答案，扫一眼是否存在明显问题，调整措辞，然后将编辑整理误认为验证。

流畅性使这种失败更难察觉。大语言模型会生成可能出现的词语序列，因此能够给出连贯解释，却无法确保每一项主张都真实无误。

因此，用户必须完成界面使其变得可选的工作。他们必须识别来源、审查其相关性、确认引语是否确实存在，并寻找缺失的反证。

经验在这里尤为重要。专家往往能识别不合理的结果，因为它与既有知识相冲突。新手可能缺乏发现同类错误所需的参照点。

这为 AI 辅助学习带来一个悖论：获得最大即时收益的人，也可能最缺乏评估它的能力。

研究并未表示新手应避免使用 AI。它表明，工具需要保留让用户形成并检验自身推理的机会。

系统可以要求用户在揭示答案前先作出预测。它可以展示相互冲突的来源，而不是过早将其压缩整合。它还可以将直接证据与模型解释区分开来。

用户也可以自行施加类似结构。他们可以在提示前先写出立场，要求提供反驳观点，打开一手来源，并用自己的语言重构最终推理。

个人知识系统也可以保留来源和不断演变的解读。这种方法能让综合分析始终与用户可以回看的材料保持关联。

这项由 Microsoft 主导的研究存在重要局限。它依赖员工对自身投入程度的自我报告，未衡量智力、记忆力或职业表现的长期变化。

其样本也只涵盖了特定的知识工作案例。写作、研究、分析和沟通任务的结果，并不能自动套用于所有 AI 使用场景。

不过，该研究指出了一种可信的机制：对系统的信任，可能会降低用户审视其输出内容的意愿。

这一机制比 #DeeperStupidAI 中暗含的冒犯意味更值得关注。它指出了产品设计和用户行为可以介入的方向。

这项脑科学研究被赋予了超出数据所能支持的结论

被引用最多的实验发现，使用不同工具撰写文章时存在显著差异，但其设计无法证明认知能力会永久衰退。

争论在 2025 年 6 月加速升温，当时与 MIT Media Lab 有关联的研究人员发布了《Your Brain on ChatGPT》。

MIT 研究页面介绍了一项实验：54 名参与者完成了前三轮实验，其中 18 人完成了第四轮。

研究人员将参与者分为三种条件。一组使用大语言模型，另一组使用搜索引擎，第三组则在不使用任何工具的情况下写作。

团队使用脑电图（EEG）测量从头皮记录到的脑电活动模式，同时还借助自然语言处理、人类教师和 AI 评审来评估文章。

与使用搜索和不借助工具的两组相比，LLM 组在任务期间表现出更低的神经连接性。使用模型的参与者也更难回忆起自己文章中的段落，并表示对作品的归属感更弱。

这些结果值得重视。写作不仅仅是展示一个已经完成的想法。遣词造句、提取知识、组织证据和化解矛盾，本身都是思考的一部分。

如果模型完成了这些操作，用户参与相同认知过程的理由就会减少。因此，较低的任务投入度是合理的推断。

问题在于，“这项实验中的投入度较低”被转换成了“ChatGPT 会损害大脑”。这是两种不同的主张。

该论文以预印本形式发布，这意味着它在发表时尚未完成传统同行评审。其样本规模较小，且地域范围有限。关键的交叉实验环节仅包括 18 名参与者。

实验还只研究了特定条件下的文章写作。它没有测量所有形式的 AI 使用、专业协作、长期记忆或一般智力的变化。

后来的方法学批评对样本量、可重复性、EEG 分析、报告一致性和程序透明度提出了担忧。

批评并不会抹去原始发现，而是界定了这些发现能够支持哪些结论。

EEG 数据需要谨慎解读。连接性差异并不直接等同于智力高低的排序。较低的激活水平可能意味着参与度下降，但效率、熟悉程度、策略和任务设计同样会影响神经测量结果。

“债务”一词带来了另一项挑战。它暗示减少的努力会不断累积，并在日后产生代价。该实验初步支持了 AI 辅助写作后回忆能力和归属感减弱的判断，但无法建立一份贯穿一生的认知收支表。

最站得住脚的解读要更狭窄一些：当人们让 LLM 生成一篇文章时，他们可能会较少地投入材料本身，也较难回忆起最终文本。

这是一个严肃的教育问题。但它并不能证明每一项 AI 辅助任务都等同于照抄生成的文章。

设想两位用户。

第一位让模型写一份报告，做些表面修改后提交。这个工作流把主题选择、结构、证据和语言都委托给了 AI。

第二位先写出论点、收集来源、完成草稿，然后请模型识别其中缺乏支持的跳跃推理。这个工作流将 AI 用作对抗性审稿人。

两位用户在技术上都使用了生成式 AI，但他们的认知活动并不可比。

这也是为什么简单地比较“AI 用户”和“非用户”将越来越没有意义。未来研究必须描述交互模式、用户专业程度、任务类型以及获得协助的时机。

研究还应测试延迟回忆、向新问题的迁移，以及工具消失后的表现。这些测量将揭示 AI 支持究竟是在培养判断力，还是只是在租用判断力。

#DeeperStupidAI 的框架跳过了这些区别。它把设计与行为问题变成了关于用户身份的论断。

这或许适合作为评论，但不能替代科学解读。

真正的冲突是辅助与替代之间的冲突

当 AI 替代判断力的形成，而不是为其提供支持时，它就会带来认知风险。

行业通常将生成式 AI 描述为一层生产力工具。用户提出目标，系统消除摩擦，工作便能更快完成。

速度容易衡量，判断力却不然。

团队可以追踪完成报告数量、回复消息数量、关闭工单数量或生成摘要数量。但要衡量员工是否理解这些输出中蕴含的决策，就困难得多。

这种差异会鼓励替代。即使隐藏成本会在日后以审查薄弱、上下文丢失或依赖性增强的形式出现，组织仍会在 AI 明显节省时间的地方部署它。

在高后果工作中，风险最为清晰。一份医疗摘要可能遗漏限定性细节。一份法律综合分析可能引用不相关的裁决。一份财务说明可能把不兼容时期的数据混在一起。

流畅的回答可能通过快速检查，因为其语言看起来像是胜任的工作。审阅者必须具备足够知识，才能检验其内容实质。

这并非生成式 AI 独有的缺陷。人们一直都很容易过度信任精致的文件、知名机构和自信的同事。

AI 放大了这种规模。它可以生成数千份看似合理的输出，却不会感到不确定、承担责任或产生尴尬。

搜索产品设计强化了这一规模。Google 报告称，在主要市场中，AI Overviews 出现的查询类型带来了超过 10% 的额外使用量。该公司将这种增长解读为其有用性的证据。

更多查询可能意味着富有成效的探索，也可能意味着用户在一个平台内展开更长的对话，而不再访问多元化的信息来源。

Google 的AI Overview 扩展承诺提供醒目的链接和更便捷的探索方式。后续更新加入了更多直接引用、文章建议和来源控制功能。

这些功能为用户提供了回到开放网络的路径，但并不强迫任何人走上这些路径。

因此，产品挑战本质上是行为问题：界面如何让核验成为答案的一部分，而不是获得答案后额外要做的工作？

一种方法是披露不确定性。系统可以区分已确立事实、有争议的解读和缺乏支持的推断。

另一种方法是来源溯证，即展示具体主张来自何处，以及来源对这些主张的支持程度。列出一串松散相关的链接并不够。

第三种方法是有益摩擦。面对复杂或高风险问题，界面可以鼓励比较，而不是给出一个压缩后的单一结论。

“有益摩擦”听起来效率不高，但许多有价值的认知活动本就并不高效。修改一段文字、核对一项计算、向他人解释一个想法，都需要耗费时间。

它们也会暴露理解中的缺口。

在产品设计跟上之前，用户也需要自己的操作规则。

面对事实性问题，打开引用页面。进行分析前，先写下初步观点，再要求综合分析。做决策时，要求提供最有力的反方论据，并独立核验。

学习时，使用工具后应在没有协助的情况下回忆这一概念。如果聊天窗口关闭后，解释就随之消失，用户借来的只是答案，而非构建了知识。

组织评估 AI 工作流时，不应只看完成时间。它们可以测试错误发现能力、延迟回忆、来源准确性，以及自动化不可用时的表现。

它们还应保留可追责的所有权。必须有人理解并能够为输出辩护，而不只是批准其格式。

同样的规则也适用于新闻消费。阅读摘要可以帮助读者建立初步认知，但当底层议题仍有争议时，不应就此结束调查。

Google News 可以介绍一项主张，但无法决定这项主张应获得多少证据支持。

什么会证实或削弱 #DeeperStupidAI 的论点

三个信号将表明，认知卸载正成为长期问题，还是 AI 辅助工作中可控的一项特征。

第一个信号是采用更大、更多样化样本的重复研究。

未来研究需要覆盖不同年龄、职业、教育水平和学科专业程度的参与者。研究应比较多种交互方式，而不是将所有 LLM 使用归为同一类别。

研究人员还应测量数周或数月后会发生什么。即时任务活动固然重要，但延迟回忆和技能迁移更能揭示用户是否保留了理解。

如果以更大群体、预注册方法和独立审查重复 MIT 的发现，将增强认知债务的论点。若结果主要随提示方式而变化，则会削弱这一宽泛主张，并将注意力集中到工作流设计上。

第二个信号是 AI 搜索中的产品行为。

Google 如今已具备足够规模，可以考察引用是否真正促使用户探索来源。该公司可以披露点击行为、更正、查询改写，以及用户面对相互冲突证据时的反应。

Google 已加入来源预览、订阅标签和首选出版物功能。2026 年 5 月，该公司表示，用户选择首选来源后，访问该来源的可能性提高了一倍。

这是一个令人鼓舞的设计信号，但它针对的是用户主动选择的出版商，而非普遍意义上的核验。读者仍需要明确证据，证明生成的主张与引用材料相符。

如果 Google News 和 Search 让主张级来源标注更容易，辅助模式就更具说服力。如果摘要变得更加自足，而外部点击持续下降，替代的担忧就会更强。

第三个信号是协助消失后的表现。

学校和雇主可以测试用户能否在不重新打开模型的情况下，解释、复现或调整 AI 辅助完成的工作。这并不需要禁止这项技术。

使用 AI 起草代码的开发者，仍应能解释其失效模式。分析师应能重建一项建议背后的推理过程。学生应能将同一概念应用到不同问题中。

强劲的无辅助表现将表明 AI 可以支持学习。薄弱的表现则会暴露被精致输出掩盖的依赖性。

这些信号比又一个病毒式标签更有价值。它们将情绪化的论证转化为可检验的问题。

如果更大规模的研究发现，不同任务和人群中存在持续性损失，#DeeperStupidAI 的论点将得到加强。如果随着 AI 答案变得更加突出，核验行为也随之下降，它同样会获得支持。

如果结构化使用 AI 能提升迁移能力、错误识别能力和独立表现，这一论点就会被削弱。若界面能够成功引导用户接触多样化的一手来源，它将进一步被削弱。

目前，现有证据支持保持谨慎，而非恐慌。

生成式 AI 可能会减少那些通常有助于建立理解的任务中的投入。过度轻信它，与较少进行批判性审视有关。AI 生成的搜索摘要也可能减少用户访问外部来源的次数。

这些证据并未证明会出现永久性的智力衰退。它们也未表明每一种 AI 工作流都会产生相同影响，更不能据此将较低的任务投入误认为智力受损。

Google News 为 #DeeperStupidAI 提供了传播渠道。读者必须补上缺失的判断。

下一次 AI 系统给出完整答案时，在接受它的框架之前先停一下。打开来源，找出摘要遗漏了什么，并用自己的话陈述结论。

然后关闭工具，再问自己最后一个问题：你是否仍能解释这个答案为什么正确？