学校里出现了非常危险的现象：越来越多的孩子可能已经脑腐了？

2026年秋季学期，一个值得警惕的变化正在重新考验学校教育：孩子获得答案的速度越来越快，但独立思考的过程，却可能越来越短。过去，学生遇到难题，至少需要翻阅课本、整理条件、尝试推导。

现在，智能工具几秒钟就能生成完整答案，连解题步骤和作文框架都可以一次提供。技术当然进步了，但有一种能力不能跟着省掉，那就是孩子亲自理解问题、组织知识和判断对错的能力。

真正值得担心的，不是学生会不会使用人工智能，而是一些孩子可能逐渐习惯于只接受结果，不再愿意经历思考过程。这样的变化，在课堂上可能表现为注意力难以持续、遇到复杂问题就想放弃，或者过度依赖现成答案。

有教师反映，部分学生能够快速接受简短信息，却不愿意耐心完成长篇阅读；能够记住某道题的答案，却难以解释答案为什么成立。这并不意味着孩子的智力下降了，更不能把学习困难直接归咎于手机。

睡眠、心理压力、家庭环境和教学方式，都可能影响学习表现。但碎片化信息的长期使用习惯，确实值得学校和家长共同关注。

短视频提供的是持续变化的内容和快速反馈，而系统学习往往需要等待、练习和反复修正。当学生越来越习惯即时获得结果，面对需要长时间投入的任务时，就可能更容易产生挫败感。

更隐蔽的问题出现在情绪管理上。一些孩子面对难题缺乏耐心，对批评格外敏感，甚至将学习中的暂时失败理解为自己能力不足。

这些表现不能简单归因于网络娱乐，也不能全部解释为青春期叛逆。真正有效的教育，需要帮助孩子重新建立面对困难、延迟满足和自主解决问题的能力。

这也意味着，教师不能只关注答案是否正确，还要观察学生是否理解了推理过程；家长不能只检查作业是否完成，还应关心孩子完成任务时有没有真正参与思考。尤其需要避免一种误区：学校限制电子产品，家庭却完全放任；课堂要求深度阅读，课外却被持续刷屏占据。

教育需要学校与家庭共同建立边界，而不是让教师独自承担全部责任。课堂可以减少不必要的机械重复，增加讨论、探究和独立表达的机会。

家庭则应合理安排屏幕使用时间，为阅读、运动、睡眠及面对面交流留下稳定空间。说到底，今天最需要保护的，不是孩子远离所有数字技术的权利，而是他们在数字环境中仍然能够自主学习和独立判断的能力。

人工智能正在改变人们获取知识、处理信息和完成工作的方式，但技术便利也带来了一个值得警惕的问题：当越来越多的思考活动可以交给机器完成，人类是否还会主动训练自己的认知能力？

2024年，牛津大学出版社将“脑腐”（Brain Rot）评为年度词汇，用来描述过度接触琐碎、低质量网络内容所引发的精神或智力状态退化现象。

这一概念反映了数字媒介发展中的一种隐忧：信息获取效率不断提高，并不必然意味着理解能力、注意力和判断能力同步增强。

搜索引擎已经能够帮助学生快速找到作业答案，智能手机又将这种能力从固定电脑扩展到几乎所有生活场景。随着人工智能加入，学生不仅可以通过拍照识别题目，还能立即获得解答，甚至完整的推导过程。

知识获取的门槛显著下降，但独立完成思考和练习的必要性也更容易被忽视。这种变化对基础教育的影响尤其值得关注。

美国全国教育进步评估（NAEP）的相关数据显示，2024年八年级学生中，阅读水平低于基础标准的比例达到33%，四年级学生的对应比例达到40%。这意味着相当一部分学生在提取文本信息、理解作者意图以及梳理事件逻辑关系方面存在明显困难。

数学成绩也呈现出分化趋势。四年级数学成绩处于较高水平的学生，表现已接近疫情前的水平，而其他学生的恢复程度相对有限。

八年级学生在代数学习准备程度方面同样面临挑战。不同学习水平群体之间的差异，说明教育恢复不能只看平均成绩，更需要关注基础薄弱学生的学习状况。

有关美国教育政策的研究将智能手机和社交媒体列为可能影响学习表现的重要因素之一。短视频等内容占据了原本可能用于持续阅读的时间，而频繁切换的信息刺激也可能干扰长时间专注的习惯。

不过，学生成绩变化还受到多方面因素影响，不能仅凭这些现象便认定手机或人工智能直接造成了学业能力下降。阅读与计算能力并非完全依靠自然成熟便能获得。

阅读尤其需要后天学习，通过反复接触文字、理解语义、组织信息和推断逻辑，逐步形成稳定的认知技能。如果长期缺少相应训练，相关能力便可能受到影响。

这与个人智力高低不能简单画等号，教育机会、成长环境和训练条件同样重要。技术进步的一个重要方向，是不断将原本由人完成的劳动转移给工具。

计算器减少了手工计算的需求，导航软件降低了记忆路线的负担，自动化设备替代部分家务劳动。这类分工能够节省时间、降低消耗，使人们得以处理更多任务。

人工智能则进一步将劳动替代扩展至阅读、写作、信息整理和问题分析等认知领域。过去，人们使用工具更多是为了减少重复操作；如今，一些工具已经能够直接给出结论，甚至代替使用者完成形成结论的过程。

由此产生的关键区别，在于究竟是将重复性劳动交给技术，还是将理解问题、形成判断的能力也一并交出去。阅读一本书，既包括获取作者最终观点，也包括理解论证过程、比较不同证据、发现逻辑漏洞，并在阅读过程中形成自己的认识。

如果只接受人工智能生成的内容摘要，虽然能够迅速掌握部分信息，却未必经历完整的理解和判断过程。类似问题还可能延伸到日常生活中的实际决策。

人工智能能够帮助识别条款、概括双方权责，但使用者仍然需要具备一定的阅读和数学能力，才能理解相关条件，并判断工具生成的解释是否可靠。人工智能可能出现错误、遗漏或模糊表达。

如果使用者完全缺少基本知识，就很难发现这些问题。技术辅助决策的前提，仍然是人有能力辨别信息，并对自己的选择承担责任。

这种能力差异也可能放大人们使用技术的效果。基础知识扎实、善于分析问题的人，可以借助人工智能拓展信息来源，提高处理复杂任务的效率；而习惯直接索取答案的人，虽然能够更快完成任务，却可能缺少独立检验结果的能力。

因此，人工智能时代的教育重点，不应仅仅是增加知识储备，还应关注理解能力、逻辑推理、注意力管理、语言表达以及自主决策能力。认知能力的发展也不是在儿童早期便全部完成的。

大脑成熟是持续多年的过程，部分与高级认知有关的功能会延续至成年早期甚至更晚。儿童和成年人都可以通过学习、训练及生活经验，继续发展相关能力。

遗传与环境共同影响认知发展。双胞胎研究为分析两者的作用提供了重要方法，一些研究发现，一般认知能力的个体差异与遗传因素具有较强关联，而且相关遗传影响可能随年龄增长而变化。

对于婴幼儿早期语言发展，共同成长环境同样具有重要作用。不过，遗传影响的统计比例不能理解为某个人的智力有固定百分比由基因决定，更不能据此把能力发展的上限和下限简单划给遗传或环境。

儿童成长环境的重要性不仅体现在知识学习上，还体现在情绪和社会能力的发展中。稳定的照料关系、充分的语言交流、适当的感官与运动体验，以及面对失败时得到的支持，都与儿童的发展过程密切相关。

在教育实践中，大脑发展不能被狭隘地理解为不断增加课程和技能训练。语言、运动、情绪调节、社会交往和问题解决能力之间存在相互联系，单纯增加学习项目，并不意味着能够自动获得更好的综合发展。

儿童需要通过交流理解语言，通过运动探索环境，也需要在表达情绪、经历挫折和解决问题的过程中逐渐建立自主性。允许孩子尝试、犯错并获得适当支持，与知识训练同样值得重视。

面对困难的心理韧性，也不等于长期忍受压力或被迫接受苦难。更重要的是，个体在遭遇失败时，仍然能够保持对自身价值的基本认识，并相信可以重新尝试。

对于成年人，认知能力的使用还涉及注意力和决策负担。日常工作并非只有实际完成的任务会产生消耗，频繁切换任务、处理社交关系以及不断作出即时判断，同样会让人感到疲惫。

不同任务消耗的认知资源并不相同。阅读可能主要依赖持续注意和信息理解，而需要实时表达、应对变化的工作，则同时要求快速组织语言、判断情境并作出决策。

在人工智能辅助学习方面，麻省理工学院研究人员开展的一项写作实验提供了值得讨论的观察。参与者被安排使用不同方式完成文章写作，包括借助ChatGPT、使用传统搜索引擎，以及不依靠相关工具独立写作。

研究人员通过脑电活动监测等方法，比较不同条件下的表现。实验观察发现，在相关写作任务中，使用人工智能的参与者表现出较低的部分脑活动连接指标。

研究还考察了他们对刚完成文章的记忆情况，发现人工智能辅助组中有较高比例的参与者难以准确复述自己写下的句子，而独立写作组的表现相对更好。

随后，研究人员调整部分参与者的工具使用条件。先独立完成写作、之后再使用人工智能的人，在相关脑活动指标上表现较强；先依赖人工智能、随后改为独立写作的人，则没有达到前一组的表现水平。

这些观察提示，工具介入学习任务的时机，可能影响使用者的认知参与程度。不过，这类实验结果仍需结合样本规模、研究条件和后续验证理解，不能直接推导出人工智能会永久损伤大脑，或者所有人工智能辅助学习都会降低认知能力。

从学习方式来看，先独立思考、再利用人工智能补充和修改，是一种值得尝试的使用策略。学习者可以先提出问题、形成初步判断，完成基本的分析框架，然后让人工智能协助查找资料、解释概念、检查遗漏或优化表达。

这种方式既能利用技术提高效率，又能保留主动分析问题的过程。它与数学学习中先理解公式和运算原理、再使用计算器处理计算任务具有相似之处：工具负责提高执行效率，而基础能力仍需通过练习建立。

人工智能的使用效果也与提问者自身的表达能力有关。清楚了解任务目标、能够准确描述问题、识别重点并划定边界的人，通常更容易提出有效指令，获得符合需求的结果。

这并不只是掌握某种提示词技巧的问题，还涉及语言组织、信息筛选和任务分解能力。使用者需要知道哪些条件必须明确，哪些信息需要补充，哪些结论需要核查。

从这个角度看，人工智能既能放大已有的思考能力，也可能强化对现成答案的依赖。一个人是否具备清晰的问题意识和判断标准，将越来越直接地影响工具带来的实际价值。

人工智能在职场中的推广还存在另一类问题，即技术使用与工作效率之间未必始终一致。有职场从业者反映，部分企业要求员工在日常任务中全面使用人工智能，即使某些工作由员工直接完成更加快捷，也必须通过人工智能处理。

这种管理方式可能使员工花费额外时间编写指令、反复纠正输出，原本可以迅速完成的简单任务反而变得复杂。对于企业而言，推广新技术可能有不同的组织目标，但不能仅凭是否使用人工智能来衡量实际生产效率。

如果技术应用逐渐成为形式化要求，而工作质量、完成时间和资源消耗反而退居次要位置，就有可能出现工具服务于流程，而不是流程服务于实际工作的现象。与此同时，人工智能对职业结构的影响也值得关注。

部分以代码编写、设计和内容生产为代表的知识型工作，已经出现借助人工智能完成部分任务的趋势。技术既可能提高从业者的生产效率，也可能改变岗位分工、技能需求和工作方式。

面对这种变化，个人能力建设需要兼顾数字工具使用能力和不依赖工具的基本能力。身体素质、动手能力、语言表达、逻辑组织和持续学习能力，仍然具有不可忽视的价值。

表达能力尤其能够体现持续训练的意义。文字写作需要组织信息、建立结构和选择语言，而脱离完整讲稿的口头表达，则进一步要求在有限时间内调用知识、调整措辞并保持逻辑连贯。

这类能力无法仅靠阅读他人的表达成果来获得，还需要通过亲自写作、反复讲述和不断修正逐步发展。如果将全部表达过程交给人工智能，虽然能够减少劳动，却也可能失去原本可以用于练习的机会。

技术替代劳动与个人能力成长之间，并不存在必然一致的方向。有些任务值得交给机器，因为重复完成它们所创造的训练价值有限；有些任务则即使能够自动化，也依然值得亲自实践，因为完成过程本身就是学习的一部分。

人工智能时代真正需要建立的，是对不同任务价值的主动区分。对于重复、机械且不涉及关键判断的工作，可以充分利用工具减轻负担；对于能够训练理解、推理、决策和表达的活动，则有必要保留一定程度的独立参与。

技术的价值在于拓展人的能力，而不是让人逐渐失去使用自身能力的机会。随着人工智能承担越来越多的信息处理任务，人们仍然需要保持阅读、思考、表达和判断的习惯，并在实践中持续发展这些能力。

决定个人自主性的，不只是能够多快获得一个答案，更是面对答案时，是否仍然具备理解、质疑、验证和作出选择的能力。