好莱坞正在失去编剧。那是一个劳动市场的故事。它会把一个产业重排一次,然后产业活下来。请把这个故事,和同一时间、安静发生在教室里的另一个故事放在一起看:一代学生,正在把教育本来要在他们身上建起来的那样东西, 不用别人帮忙也能自己想问题的能力, 悄悄外包给 AI。两件事看起来像同一件事。它们不是。前者是一个行业在重组。后者是一代人在被掏空。
2025 年六月,MIT Media Lab 的研究者给 54 名大学生戴上 EEG 脑电帽,让他们在四个月里,用三种方式写作文:用 ChatGPT 的、用搜索引擎的、什么都不用的。扫描到的结果,把一件事说得很清楚。
一个用来帮学生校准的信号,正在悄悄失声。
数据来源:哈佛大学教务数据,经 NPR 2025 年 11 月报道整理。
ChatGPT 组的学生,在负责记忆、注意力、执行功能的脑网络上,连接最弱。他们最想不起自己刚刚写了什么。更关键的是:当他们之后试着不借 AI 自己写,那种「脑子没在用」的状态,并没有马上掉回来。研究者给这个状态起了个名字: cognitive debt,认知负债。
「负债」这两个字,是整个研究里最诚实的词。债的意思是:账单不是现在,是以后。
2026 年七月,《Frontiers in Psychology》上一篇由 Cui 与 Jalal 做的研究,在那层认知负债底下,找到了一个心理机制。那些依赖 AI 产出的学生,慢慢开始相信:这些成绩不是自己做出来的,是工具做出来的。研究者把这种状态命名为 能力错觉 (illusion of competence)。他们建模发现,这种错觉,是另一个更老的心理现象的「上游」: 学习性无助 (learned helplessness)。
学习性无助这个词,心理学从 1967 年开始研究。Seligman 当年用的是一组狗:当它们学会「不管我做什么,电击都停不下来」之后,后来即使有路可以逃,它们也不逃了。AI 教室里的机制比电击柔软得多,结构却是一样的。如果一个学生不觉得「这件事是我做成的」,他慢慢就不再去试了。Luminis 想加一句在这里:能力错觉,比低分要危险得多。低分是一个信号, 学生读得懂,知道去求助。能力错觉是一张沉默的信用卡,账单往往要到工作第一次面试、第一次面对一个没有标准答案的问题时,才送到。
AI 依赖通过「学习性无助」把一个学生的内在动机削掉。AI 素养是一道可以减弱这条路径的调节器, 这正是「先教素养,再给工具」的科学理由。
模型来源:Cui 与 Jalal,《Frontiers in Psychology》,2026 年 7 月。
成绩本身,就是一个信号。而这个信号,正在悄悄失声。哈佛大学现在的 A 档成绩(含 A-),占全部字母成绩的 85%,十二年前是 62%。耶鲁、Emory,以及几乎所有顶尖美国大学,曲线是同一条。放到全美,A 占全部大学成绩的六成以上,比二十年前涨了 25%。重点不是「学校太软了」。重点是:学生过去用来给自己定位的那个信号, 「这篇我拿了 A,说明我真的学到了什么」, 已经和「我实际能做什么」脱钩了。
把这件事和 Cui 与 Jalal 的机制叠在一起,这个圈就闭合了。输出看起来很体面。学生不知道自己真正做了多少。没有东西可以用来对准。
第三条线索,来自 Microsoft Research 与 Carnegie Mellon 2025 年合作的一项调研。他们问了 319 名知识工作者,拿到 936 个真实使用 AI 的场景。研究者发现一件反直觉的事:对 AI 越有信心的人,批判性思考越少。对自己越有信心的人,批判性思考越多。他们观察到的转变是:从「做这件事」变成「监督 AI 做这件事」, 就是教育学里说的 cognitive offloading,认知外包。
问题是,没有做过的监督,是脆的。一个从没自己做过长除法的老师,查不出学生长除法里的错。一个从没亲手调过并发错误的工程师,看不出 AI 写的代码里那种自信满满、但其实是错的答案。监督的能力,是「亲自做过」的能力的下游。如果下游先萎缩,上游在被人发现之前,早已经不可靠了。
再回到好莱坞。那边的冲击是真的。编剧室在缩,视觉特效流水线在变,失业的人是真的失业,他们应该得到真实的支持。但一个被打乱的行业,市场会在十年、二十年里重排。新的形式会在裂缝里长出来。入门门槛会降。另一类讲故事的人,会出现。这件事痛,但不是永久的。
市场却不会去「重排」一代已经被悄悄去技能化的人。这不是一个行业在重组。这是每一个行业同时在重组,围绕着一群在进入职场之前,就已经被偷偷卸载掉学习能力的人。这种损伤是累积的,是跨领域的,是跨越几十年的。不会再有「下一批成年人」能够顶替上来。
Luminis 过去一年,一直在绕着这件事写。Gates 三部曲 讲的是社会要做的结构性选择, 建新的机构、留下一些只给人做的工作、重新平衡劳动和资本的税收。有效挣扎 (productive struggle) 这个概念,正是认知负债的反面。甚至 Fraga 写给家长的那篇关于孩子情绪爆发 的文章,也是同一根骨头:真正的认知工作,必须发生在孩子里面,不能发生在孩子周围。一样工具如果替孩子做完了那段工作,就没有教到他。
所以具体可以做什么。三件事,一个对一个人。
如果你是学生 (或者你是学生的父母):先自己写第一稿,再碰 AI。哪怕慢,哪怕第一稿不如 AI 直接给你的那一稿。MIT 的那个研究里有一个很具体的发现:先自己写、后面才用 AI 的那组学生,在整个实验里保留了最强的脑部参与度。顺序决定一切。AI 做编辑比做捉刀强。
如果你是老师:把过程也当成要给分的东西,和成品一样重要。学生自己交上来的论文,安排一个十分钟的口头跟进, 让他讲一下他是怎么想到那个论点的,中间卡在哪儿,放弃了什么。这是现有最便宜、最诚实的评估方式。真的用 AI 跳过思考的学生,会交出漂亮的文章和空白的脑子。真正做了思考的学生,他会讲得出来。
如果你是学校或教育主管:先教 AI 素养,再给 AI 工具。Cui 与 Jalal 那篇论文里一个关键的调节发现是: AI 素养 会削弱「依赖 → 无助」那条路径。顺序在这里一样关键。一个懂这个工具是干什么的孩子,比一个只用过它来给自己交作业的孩子,安全得多。
问题从来不是「要不要用 AI」。问题是:现在正在上学的这一代人,二十年之后,他们身上还有没有能把 AI 用好的那些认知习惯, 还是说,我们一边把工具递给他们,一边在悄悄收走他们使用工具的能力。后面这一种结果,不是一个行业被打乱,是一整个文明在缓慢地漏气。
值得停下来想想的问题。
一、你最后一次让自己在一件事情上「不舒服地挣扎」够久、而且身边没有 AI 可以帮忙、最后你自己把它做完,是什么时候?那段挣扎留下的东西,和那个「成品」本身,是不是不一样?
二、如果你身边一个孩子,一个月内交回来三篇完美的作文,你会怎么判断这三篇是不是他写的?你会问他什么问题?
三、有一个本领,你希望传给下一代人,而且是 AI 工具永远递不了的, 它是什么?用「慢的方式」把它教出去,会要你付出什么?
本文引用的研究: Kosmyna 等,Your Brain on ChatGPT (MIT Media Lab, 2025);Cui 与 Jalal,AI 依赖与学术动机 (Frontiers in Psychology, 2026);Lee 等,生成式 AI 对批判性思考的影响 (Microsoft Research + CMU, CHI 2025);NPR 关于哈佛成绩数据的报道 (2025 年 11 月)。经典背景:Seligman 与 Maier 关于学习性无助的实验 (宾夕法尼亚大学,1967)。