AI 助手正变得越来越"会回答"——但这个被优化的能力,可能恰好是它在偷走你另一项能力的原因。UC Berkeley、CMU、MIT、Oxford 与 UCLA 联合团队在 10 月初的 Conference on Language Modeling 上发表了一项经过同行评审的研究,核心结论相当刺眼:仅仅借助 ChatGPT 十分钟,人在 AI 被撤走后就几乎无法继续坚持完成一道难题。
这项研究最早以预印本形式在 4 月出现在 arXiv 上(论文编号 2604.04721,标题 "AI Assistance Reduces Persistence and Hurts Independent Performance"),作者包括 Grace Liu、Brian Christian、Tsvetomira Dumbalska、Michiel A. Bakker 与 Rachit Dubey。论文给出的总样本量是 N=1,222,全部通过在线随机对照试验完成,这在 AI 与人类认知交互的研究里属于比较扎实的规模。
三组实验的同一结论
为了排除单次任务的偶然性,研究团队用三个不同的任务重复了同一逻辑,每一组都让"AI 组"和"无 AI 组"在解题前 12 题上各自得到 ChatGPT 辅助或纯人工,再在 12 题之后撤走 AI,观察两组人坚持做下去的比例。
第一组 354 名参与者面对 15 道基础分数题。一开始 AI 组的准确率明显更高,这是符合直觉的——毕竟模型几乎总能给出正确答案。可一旦第 12 题之后 AI 工具被撤走,AI 组在剩下的题目上几乎瞬间失准,解决问题速率断崖式下跌,跳过的题目比例则同步飙升。
第二组把样本放大到 667 人,任务结构完全复刻。结果同样干净:失去 AI 协助的人要么答错、要么直接放弃,而一开始就没用过 AI 的对照组反而能稳住节奏,坚持到底的人更多。
第三组 201 人,任务换成 SAT 阅读理解题。这一次不再是数学题,而是更偏语言和推理能力的题目,结论依旧成立:AI 工具被撤走的那一刻,坚持度和准确率都同步下挫。
如果只看一组实验,你还能把它解释为受试者对 ChatGPT 的"答案风格"产生了依赖,毕竟基础分数题是有标准答案的;但 SAT 阅读题没有固定答案,坚持度照样塌掉,说明这个效应并不只是依赖某种具体答案,而是更底层的东西在变化。
论文的核心解释:被"即时反馈"条件化
研究团队没有把锅甩给"AI 太聪明"或者"用户变懒"这种情绪化描述,而是给出了一个更结构化的解释。他们在论文摘要里写得很直接:当下的 AI 系统本质上是"短视的合作者",优化目标就是即时、完整、从不拒绝(除非安全原因),而人类在合作中的理想搭档其实是导师式的人物——会搭脚手架、会追踪进度、会主动说"这道题你先别看答案"。
当一个被训练成"秒给答案"的系统介入十分钟,人对"等一会儿才出结果"这件事的耐受度就会变。Brian Christian 在 UC Berkeley 的官方报道里把这个机制讲得更通俗:用 AI 几秒就拿到答案,人就习惯了这个速度,任何慢一点的解题过程都显得低效。研究里专门用了一个词——"productive struggle",有成效的挣扎。他们认为正是这种挣扎,把人推向真正的兴趣和长板;AI 把它抹掉,等于在帮你的同时,也在剥夺你"靠自己走出来"的机会。
这一点其实在更大范围里也成立。论文引用了 Anthropic 自己发表的一份研究,显示前沿厂商已经意识到,把任务完全外包给聊天机器人会降低一个人对某领域的基础理解和掌握度。Anthropic 在那份研究里用了"baseline mastery"这个词——把任务甩给 AI 的频率越高,人的基线掌握度就越往下走。Christian 因此提出一种新的 AI 默认设计:不要默认给"最短路径的答案",而要默认给"教学式"的回答,哪怕效率上慢一点。
不止于分数题:研究者的更大担忧
研究在数字上克制,但 Brian Christian 在 Berkeley 的访谈里把意义说得很开。他说这不是关于分数题或 SAT 题目的小故事,而是关于人类知识结构从上到下、从小学到顶尖专家都在发生的事。他最担心的场景是科研:过去 10 个人头脑风暴、把数据吃透、再写出突破性论文的流程,正在被"2 个研究员 + 1 个聊天机器人"取代;短期看效率飙升,长期看可能是整个学科肌肉的萎缩。
NYT 在 9 月底做过一篇相关报道,把这种担忧总结成"AI 正在压缩我们学习的时间窗口"。WIRED 和 Psychology Today 在春季预印本阶段就覆盖过这项研究,说明 AI 工具对认知的影响已经从学术话题变成了主流讨论。
研究还指出一个不那么显眼、但相当重要的细节:坚持度(persistence)是技能习得里最强的长期预测变量之一,比短期准确率更接近一个人最终能不能学会某件事。这意味着"AI 帮你十分钟答对 12 题"这种短期收益,可能完全无法对冲"之后遇到难题你更容易放弃"的长期损失。
业内已经在试探的反向设计
把论文读厚一点,你会发现它实际上在给一个特定的产品方向背书:AI 助手要主动保留"教学法"。这跟当下把"Answer accuracy"和"User satisfaction"作为核心 KPI 的方向是有冲突的,但已经有团队在试。
Anthropic 在 Coding Skills 报告里把这一点讲到了操作层面:他们内部开始衡量"任务完成后用户自己能不能再独立写出来",而不是单纯看任务交付率。OpenAI 此前被报道在研究"教学风格"模式,思路类似——让模型在合适的时候反问、在合适的时候留白。Google 的 LearnLM 系列也是同一思路,只是包装更偏教育产品。
如果把这些信号连起来看,论文实际上点出了下一代 AI 助手最关键的产品问题:你给用户"答案"的速度,正在成为你偷走用户"成长"的速度。
研究还没有否定 AI 的价值——实验里 AI 组前 12 题准确率确实更高,说明 AI 作为工具仍然是有效的;但它第一次用足够大的样本和对照实验,给出了"短时收益换长期坚持度"这件事的因果证据。当一个工具宣称在"帮你"的时候,衡量它有没有真的帮你,可能不能只看答案对不对,还要看你离开它之后还能不能把题做下去。
研究人员现在还在追踪这些 1,222 人后续的认知表现。如果"AI 后遗效应"在撤走 AI 之后还能持续数天甚至数周,那它对教育、编程训练、临床技能培养这些强依赖"痛苦练习"的领域,影响就远不止分数题这么简单了。