当AI帮你写作业，你真的“学会”了吗？

如果你是一个正在用AI学习或工作的人，这篇文章想跟你聊一个问题：你觉得自己在用AI，还是AI在用你？

今年开学季，北大、复旦、南科大等多所高校的校长在开学典礼上都不约而同地谈到了人工智能。北京大学校长高松提醒新生，“AI可以整合已有的资讯，却无法替代你对一个未知领域发自内心的好奇”，“在智能时代不盲从、不依赖”；复旦大学校长金力则直言，如果使用AI不当，可能削弱学习思考的基本能力。

校长们的担忧不是凭空而来的。光明日报的一项调查显示，在全国400多所高校的近2000名本科生中，99.18%的人都在使用AI工具。遇到问题时，将近四分之一的学生会首先求助AI，这个比例已经快赶上向朋友求助了。

大多数讨论停留在“AI是工具还是威胁”或者“用多还是用少”上。但今天想聊的，是一个更隐蔽、也更值得警惕的问题：AI最危险的效应，不在于取代你的思考，而在于你在认知参与度下降的同时，主观上并未察觉。

三种用AI的方式，你在哪一层？

波士顿咨询公司和哈佛商学院的一项研究，追踪了244名管理顾问和AI的5000次交互，发现了三种典型的协作方式。这三种方式，其实对应着三个不同的“风险区”。

“半人马”模式——安全区。人决定做什么、怎么做，AI只是完成某些具体任务的工具。这种人准确率最高，也最清楚自己到底会什么、不会什么。

“赛博格”模式——灰色区。人和AI来回对话、融合共创。效率高，但人只负责定目标，执行交给AI。你可能产出很好，但说不清自己到底贡献了什么。

“自动人”模式——危险区。把整个活儿全交给AI，人几乎不参与。这种人最后既没学会用AI，也没学到专业知识。

决定你有没有真正学到的，不是用不用AI，而是你怎么用。如果你发现自己已经很难说清“哪些是我做的、哪些是AI做的”，那你可能已经滑进了灰色区甚至危险区。

这三种模式的差异，在学术研究中也找到了对应的证据。2025年，麻省理工学院的团队做了一项脑电研究，专门观察了不同写作方式下大脑的活动状态。

大脑“断电”了，你却觉得自己“满格”

2025年6月，麻省理工学院的团队把54个人分成三组：一组用ChatGPT写文章，一组用搜索引擎，一组纯靠自己大脑写。结果发现，纯靠自己写的那组，大脑连接网络最活跃；用搜索引擎的居中；而用AI的那组，大脑连接最为微弱。

更有意思的是后续。当研究者让AI组的人脱离AI、凭记忆重写一遍时，他们大脑的活跃度明显下降，呈现出一种“欠参与”状态。而且，这些人对自己刚写的内容“所有权感”最低——很难准确说出自己写了什么。但这些人自己察觉到了吗？几乎没有。

2025年10月，另一项发表在《美国国家科学院院刊》上的研究给出了更具体的数字。研究者向三千多人提出关于电影冷门细节的问题——这种问题网上资料极少，AI只能编造答案。结果：没有AI辅助时，44%的人会坦言“不知道”；用了AI之后，这个比例暴跌到3%。更值得警惕的是，答题正确率从27%下滑到9%，但参与者对自己能力的信心评分却从29.6飙升到75.9。研究者把这种现象命名为“epistemia”——意思是，当表面上的合理性替代了事实核验，人就产生了一种“知识错觉”。

一句话总结：AI让你感觉更好了，但你实际上学得更差了，而你自己并不知道。

为什么“感觉良好”反而危险？

这里要讲一个学习科学里的道理：那些让你觉得“有点费劲”的过程，恰恰是学习真正发生的时候。

当你觉得“费劲”的时候，大脑正在建立新的神经连接。那些让你觉得“有点难”的环节，恰恰是理解真正在形成的地方。你写论文时憋半天想不出一个开头，你读文献时反复琢磨一段话的意思——这些“困难”不是障碍，它们就是学习本身。

AI把这个“费劲”的部分拿走了。表面上看，你效率提高了，产出更漂亮了。但你拿走的，恰恰是学习发生的那个环节。

那到底该怎么用？三个可以试试的小办法

如果你发现自己已经滑进了灰色区或危险区，下面三个办法可以帮你回到“半人马”的状态。核心思路只有一个：让你不得不面对自己真实的水平。

第一，先猜后查。

用AI之前，先自己写一个答案，或者先猜一下自己能不能做出来，记下来。用完AI之后，对比一下：我原来想的和AI说的差在哪里？为什么我会想错？

比如你写一篇课程论文，先不看任何AI，自己写一个开头。写完之后用AI生成一个版本，对比一下：AI想到了什么你没想到？你原来的思路有什么问题？这个“对比”的过程，就是在训练你的判断力。

这个办法不只适用于写论文。比如你要做一个工作汇报，先自己列一个提纲，再用AI生成一个版本，对比一下：AI想到了什么你没想到？你原来的思路有什么问题？同样，你要了解一个陌生领域，先写下自己已知的内容，再用AI补充，对比之后你会发现：哪些是你真正知道的，哪些只是“看起来知道”。

如果你发现自己写的不如AI，这恰恰是学习发生的时候——你知道了差距在哪里，也就知道了该往哪个方向努力。最怕的不是“不如AI”，而是“不知道差距在哪里”。

第二，记过程，不只记结果。

不只是交一份最终作业，还要记录自己在每个环节是怎么想的、哪里犹豫了、哪里改了主意。比如你写论文时，记录自己先想了什么、后来改了什么、为什么改。这种记录本身就是一种训练。

第三，关键环节先自己做。

比如构思论文框架、归纳数据、推演论证逻辑——这些环节，先自己独立做一遍，再和AI对比。比如写论文时，先自己列出框架，再用AI补充细节，而不是让AI直接生成框架。看起来“低效”，但恰恰是这些环节在训练你的判断力。

有一个伊利诺伊大学的研究团队，2025年在ACM CHI会议上发表了一种校准训练工具。核心机制很简单：让学生先预测自己的表现，再看到实际结果，反复循环。在一项随机对照试验中，这种训练显著提升了学习效果，那些原本过度自信的学生，改善尤其明显。这说明一个很重要的事：对自己认知状态的判断能力，是可以被训练出来的。

说到底，普通人用AI最简单的原则就是：关键环节先自己来，AI只用来对比和检验。不要把AI当成“替我完成”的工具，把它当成“让我看到差距”的镜子。

但也要说清楚：这不是在否定AI

有人会说，认知摩擦不是越多越好，AI降低摩擦让学习更高效，有什么不对？

这个反驳是对的。AI消除无关摩擦的能力，是真实的进步。AI可以帮你快速了解一个陌生领域，也可以在你卡壳时给你一个起点。问题的关键不在于“用不用”，而在于“怎么用”。

但问题在于：AI消除的究竟是“无益的费劲”还是“有益的费劲”，学习者往往分不清楚。前面那些研究已经证明，当AI输出流畅时，人们会系统性地降低核验意愿。在这种条件下，指望学生自己判断“哪些困难该保留”，太乐观了。

教育部等五部门2026年4月印发的《“人工智能+教育”行动计划》明确提出，到2030年基本形成人工智能与教育深度融合格局，强调“科技教育与人文教育相结合，注重学生的启智、心灵的培养”。清华大学2025年11月发布的《人工智能教育应用指导原则》则提出“审慎思辨”原则，提醒师生警惕AI“幻觉”，应通过多源验证防范因过度依赖导致的思维惰化。

政策方向是清晰的。但有一个前提还没被充分回应：学生有没有能力判断自己什么时候真的学会了、什么时候只是在“流畅地滑过”？

技术本身从来不是问题。在流畅的AI交互中丧失对自身认知状态的判断能力，才是教育必须为学生装备的核心防线。而这条防线，没法靠禁止AI或简单增加难度来建立，只能通过有意的训练和反馈来逐步建构。

需要承认的是，现有研究还不能完全排除一种可能：本身就容易“感觉良好”的人，更可能被AI吸引并深度使用。但把问题从“用多少AI”推进到“如何知道自己是否在用AI时仍然在学习”，本身就是一个值得教育者和学习者共同面对的起点。

如果你发现自己已经很难说清“哪些是我做的、哪些是AI做的”，那最简单的起点就是“先猜后查”。从“自动人”回到“半人马”，不需要禁止AI，只需要在关键环节先自己来。

回到开头的问题：你觉得自己在用AI，还是AI在用你？答案不在AI那边，而在你每次打开AI之前，是否先问了自己一句：“我先试试看，我能做到什么程度？”

AI可以帮你完成作业，但它没法替你学会。

来源：熵鉴