一句话看懂：MIT 一项 EEG 脑电实验发现，使用大模型辅助写作的人在撤掉工具后表现反而更差，研究者称之为“认知债务”。AI 正在提升效率的同时，可能悄悄削弱人类自身的推理与判断能力。
事件核心：发生了什么
效率数据与脑科学证据出现了明显背离。2025 年一项涉及 6000 名员工的田野实验显示，生成式 AI 让部分用户每周处理邮件的时间减少 25%；另一项针对 4867 名软件开发者的研究则显示，AI 辅助让任务完成量提升了 26.08%。
但 MIT Media Lab 用 EEG 脑电仪监测了受试者在有无聊天机器人辅助下的写作过程。结果发现，使用大模型的受试者虽然草稿产出更快，但写作时的大脑参与度显著降低，且在移除工具后的独立写作测试中，表现不如从未使用过 AI 辅助的同组人员。研究者将这种缓慢积累、在失去辅助后才显现的认知损耗命名为“认知债务”（cognitive debt）。
为什么重要
认知外包并不是新现象，计算器和搜索引擎都承担过类似功能。但大模型与它们有本质区别：它不只是检索信息或计算结果，而是替人完成“推理”环节，直接给出结论而非供大脑加工的原料。长期重复这种替代，可能让使用者形成流畅的提示词操作习惯，但推理、记忆、想象与判断力却得不到相应锻炼。
供职于多家大型跨国银行的研究者 Vishal Kapoor 博士对此提出了“认知侵蚀”的警告。他本人通过脑训练工具观测到，在习惯用 AI 进行推理后，自己的认知评分在 1000 分制中下降了约 40 到 50 分。他强调，AI 能高效放大强判断力，同样也能高效放大弱判断力。当企业只考核“任务完成速度”而忽略人类认知状态时，高生产力可能掩盖核心能力的流失。
对用户/开发者/创作者的影响
对企业用户而言，部署 AI 工具时不应只评估效率指标，还需建立对员工认知状态的观测机制，尤其是在教育、原创研究等领域。教师和研究者若把“提出第一个问题”和“做出最终决策”都外包给模型，训练出来的将是指令熟练但判断力欠缺的“AI 操作者”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对普通创作者来说，Kapoor 提出的“AI 投喂、人类主导”（AI-fed, human-led）原则值得参考：使用 AI 前先形成自己的假设与观察，让模型去查缺补漏或挑战推理，而不是让它从零开始替代思考。对开发者而言，这意味着在设计 AI 产品时，应把“保留用户认知参与度”作为交互设计的一个维度，而非只追求答案的准确性和生成速度。
值得关注的后续
第一，认知债务目前仍缺乏大规模、可重复的量化测量标准，MIT 实验的样本量和长期追踪数据能否支撑更广泛的政策建议，值得持续观察。第二，Kapoor 建议“按任务类型配给 AI 使用”，这种主张是否会进入企业 AI 治理框架或教育机构的工具使用规范，目前公开信息尚未显示具体落地案例。
第三，随着大模型进一步嵌入知识工作流，后续研究是否会从脑电扩展到长期记忆、问题解决能力等维度，并形成可操作的评测工具，将直接影响企业采购 AI 产品时的评估方式。
来源：The Next Web
