AI时代-你以为是你的思考，可能只是你以为而已。

本文中的任何结论都不要信，因为使用了AI，如果放弃AI，让我从头到尾完整输出，不一定行，所以不确是我的结论，还是AI的结论。本文是在一边使用AI，一边思考下出来的，就跟标题一样，可能这个思考只是我以为的而已。本文没有配图

ChatGPT刚出来的时候，大家大概都是这种体验——

打开AI，输了一句话，几秒钟后，AI马上出来一篇结构清晰、逻辑工整、语气专业的文章。或者你们问一下问题，AI立马给你一个逻辑严谨、用词准确的解答（当然不排除一开始AI回答某些简单的问题也会抽风，在后面不停的更新迭代之后，回答越来越全面。）

当时的第一反应基本上都是：哇，这也太牛BAI了。不乏还有AI是否已有自主思考自我意识的讨论。

然后这样的内容，你保存了它，或者交流给别人，或者贴进了文档里，一开始我们还只是认为产出一个文章，或者解决一个问题，变得如此简单，但是在后面这个场景迭代之后：我们会不会对产出的结果认为是我们自己思考出来的结果？

同样都是听了一堂课，一个是直接听解题思路，一个是绞尽脑汁之后焕然大悟，对于课上知识的所有权一样不（后面有AI相关的试验）

那我们一步一步来

第一阶段：一句话，出来了

刚始头描述的场景，最开始用AI写东西，方式很粗放。一句提示词进去，洋洋洒洒一篇出来。

满足感是真实的。原来卡壳的地方，现在滑得飞快。原来需要半天的事，现在十分钟搞定。或者写代码遇到一个问题，直接把错误提示复制过去，可以得到关联的错误解决方案，这个阶段，我们的判断是不是：AI帮了我大忙，效率提升了好几倍。虽然有时候会抽风，或者不太准确，然后开始研究了一些提示词的输出方法。

第二阶段：多轮调整，"更像我了"

用了一段时间之后，随着模型的发展，上下文的关联越来越好，我们对于内容的产出准确性要求越来越高，无论第一版的提示词写得多好，又或是模型输出的内容本来就是概率性的问题，同样的提示词大部分不会出现完全一样的结果；又发现AI生成的东西，读起来有距离感，太官方标准了，或者AI味太浓了。

于是我们开始习惯多轮交互——"再优化一下"、"这段改得更口语一点"、"把这个观点放到前面去"。反复几轮下来，文章越来越符合预期。心理感受是：这下像是我想要的了，我用AI处理了一个我想要的内容。

自我认同感进一步加强。

第三阶段：去AI味，"这是我的风格"

每个人写文章都会有自己的风格，比如鲁迅、古龙等这些标签特别明显的，那每个人思考的问题的方式也会不同。我们开始主动修改AI的输出，把规整的格式打散，换上自己习惯的语气词，或者文档叙事结构，调整段落节奏，加入自己的例子，比如我之前很多都是这么干的。强化了我的地位，把AI变得更工具化一点。

目标只有一个：让这篇文章看起来完全是自己写的，AI只是跟搜索工具一样。

这个阶段有一种更深的认同——我对内容做了这么多处理，观点是我选的，语气是我调的，里面的内容我借助AI整理了很多次，AI只是我的工具，我使用的很好，我借助Ai处理了很好的内容。

第四阶段：完整审核，"确认没有问题"

对于文章内容（或思考结果），在发布前我还需要特认真的阅读审核几遍，逐段确认，确保每一句话都跟自己的理解一致，修正有问题的地方，当然中间还会让AI帮我审核查找问题。

做完这一步，感觉是：这篇文章我完全负责，我理解它，我认同它，我拥有它。

这里的文章可以更换为其它任何内容，文字、图片、视频。如果产出的是一个思想呢？

那，这时候这个结果是"你的"了吗？

我们先来一个第三方的视角。

你把文章发出去了，内容质量不错，收到了正向反馈。然后一个认真的第三方来了，读完，开始问问题。

不是"这段什么意思"的表面问题，而是会挖到深层的那种：

"你这里提到这个机制，换一种场景，它还成立吗？"

"你这两个观点之间有一个假设，你是基于什么得出的？"

"你里面提到了一个概念，关于这个概念在这里面如何发生作用的，怎么理解？"

你的反应是什么？

如果那个逻辑是你自己推导出来的，你会很自然地接上去——因为推导过程就在脑子里，问哪一层，你能打开哪一层。

程序开发人员经常会有一种情况，自己埋头排查了半天的代码，结果换一个人一下子就找到了，顿时焕然大悟，而且非常相信自己在其它人代码的时候，这个BUG也会很轻易的看出来。或者就是我们日常拿着钥匙找钥匙的时候，因为这段代码是我推导出来的，思维会本能的按照原有的推导过程来检查它，那自然是没有问题，小学的时候老师就教我们，检验数学卷子计算的时候，需要从结果开始反着来。

回到这里，那个文章或者逻辑本质上是AI组织的，你只是"审核通过"了它，情况就不一样了：你能答出你真正"看懂"的部分，但涉及到那些没有真正推导过的逻辑链，你会开始模糊——要么（自我服务偏好起作用）自我辩解，“这个不重要”“不要纠结于这个细节，我们从宏观讲”，用一个听起来可以理解的说辞绕开，但其实是回避了问题的方式带过去。要么（面对自己）承认自己的缺失，重新回头去审核产出内容的思考过程，从底层上再次理解里面的每一层意义，再次接受第三方视角的讨论。

但自我服务偏好是人的常态，我们还能这个结果是我的了吗？

内容还好，终究可以修正，但是与其一起产生的价值和认知呢？

把我们对AI的主流认知摆出来

当前环境对于AI的呼声口号太多了，让我们对AI工具的第一反应是：它让我们效率更高、对不同岗位的技术门槛更低了，在agent出来之后一人公司的概念铺天盖地。

所以我们普遍认可AI带来的三类核心价值：

• 提高效率：AI能快速完成写邮件、生成大纲、整理文档等重复性或结构化任务，让人将注意力移向更高层次的工作。
• 降低门槛：初学者可借助AI写各种语言的脚本，可润色文章，非设计师可生成视觉稿——跨界成本大幅降低。
• 外脑功能：AI能"记住"偏好、历史内容、任务清单，减轻人脑的记忆负担，理论上让大脑专注于抽象与战略层面。

这些好处是真实的，也是合理的。但这个主流认知本身，和认知卸载症状完全匹配。

什么是认知卸载

引用其它地方的解释

认知卸载指人类通过外部工具减少内部信息处理负荷的行为，表现为将记忆或思考任务委托给智能设备，可能导致自身记忆力和逻辑推理能力退化。

“认知卸载”本质是人类借助外部工具或系统来减少完成任务所需的脑力劳动（mental effort），从古代的结绳记事到今天的搜索引擎无不如此。人类一直擅长利用工具来扩展能力边界，让大脑从繁重的机械性任务中解放出来，释放出更多空间用于创造性思维与复杂问题的解决。

这个现象不是AI时代才有的，当然这也不是绝对的好与坏：

• 纸笔：将记忆和逻辑推导外包给纸张
• 地图/GPS：将空间感知和路径规划外包给设备
• 搜索引擎：将信息检索和记忆保存外包给服务器。2011年的研究发现，当人们知道可以通过搜索引擎找到某信息时，主动记忆的可能性会显著降低，这被称为"谷歌效应"
• 生成式AI：将写作、分析、推理、结构化组织，全面外包给模型

差别在于卸载的深度和范围。

纸笔只接管了书写动作，推理仍在大脑里进行。GPS只接管了导航计算，你还在走路。搜索引擎帮你找到了信息，但你还要读、理解、判断。

生成式AI不一样。它可以一次性接管：问题怎么拆解、信息怎么组织、论点怎么建立、语言怎么表达——这几乎覆盖了知识生产的全部核心环节。

语音输入让我们打字变得卡顿，电脑打字让我们变得提笔忘字，导航让我们的空间想像能力变得弱化，所以工具发挥得越好的地方，会让我们对应的能力更多的“卸载”，AI的能力是什么，回到前面，我们基于AI的能力还讨论着自我意识，那是不是跟脑力相关的都可以或多或少的卸载？

卸载 vs 外包

当代AI使用最危险的地方，正在于人们不知不觉从"卸载"滑向"外包"，而全程的感受是良好的。

AI是怎么把我们认知卸载的

这部分内容大家自行判断，有相关的出处。

当 AI 替我们思考时，人类大脑的活跃度会降低 | IBM

麻省理工学院的EEG实验

麻省理工学院媒体实验室研究员Nataliya Kosmyna领导的团队，招募了54名大学生，为每个人佩戴脑电图（EEG）头盔，在三种条件下监测他们的大脑神经连接性：使用ChatGPT写作、使用简化版谷歌搜索写作、完全不使用工具独立写作。

注意，研究团队重点测量的不是论文质量，而是神经连接性——大脑不同区域在执行任务时的信息交流程度。这是衡量主动认知投入的关键指标，跟你最终写出来的东西好不好看无关。

结果怎样？

使用ChatGPT的学生，大脑中与主动思考和记忆相关的关键区域间，神经连接性显著降低。不使用任何工具的学生，大脑各区域的信息交流最为活跃。

用AI的顺序，会决定之后大脑的状态

实验还设计了一个更细节的对比：先用ChatGPT、后独立写作的学生，神经投入度显著低于先独立写作、后使用AI的学生。

Kosmyna说了一句很关键的话：

"一开始就使用ChatGPT，之后再独立写作时，其神经投入度会低于那些先独立完成、后续才使用AI工具的学生。"

这说明：在认知建立的早期阶段引入AI，可能中断原本随时间逐步形成的认知进程——而且这种影响有惯性，脱离了AI工具之后还会持续一段时间。

你记不住自己"写"的东西

实验还测了记忆留存：研究者要求学生事后仅凭记忆，重现自己写作的内容。

结果：一开始就依赖AI写作的学生，在回忆"自己写了什么"时，明显更困难。对论点的记忆清晰度低，对内容的主体认同感也更弱。

Kosmyna的追问非常直接：

"如果你借助工具生成内容，你是否还能真正认同这是自己的成果？又是否会以同样的方式记住这些内容？"

这个问题，和我们前面说的那个场景是一回事——你拿着AI生成的文章，被第三方追问深层逻辑时，你回避了，因为那些逻辑从来没有真正经过你的脑。

类比一下：GPS和海马体

伦敦大学学院研究发现，长期过度依赖GPS会导致大脑海马体——负责空间记忆和导航的区域——体积缩小。用进废退，这是大脑的运作规律。

AI写作对推理、语言和记忆区域的影响，大概率遵循同样的逻辑。只是你看不到，感受不到，因为产出端一切看起来都很好。

认知卸载的现实影响

职场：核心技能在悄悄被掏空

长期依赖AI生成初稿，员工逐渐失去从零到一搭建框架、优化算法、原创写作的能力——表面上效率很高，实际上专业深度在缓慢被掏空，它很隐蔽，因为短期内产出变快了，没有人会报警。当AI负责"第一稿思考"时，人更容易直接接受建议而非质疑，问题拆解和风险识别能力随之削弱。把AI建议视为无误指令，在复杂伦理判断、模糊数据场景中，可能导致严重误判。

组织往往很晚才发现：面对真正需要原创策略、突破性创新、复杂危机应对的时刻，团队已经拿不出手。

这跟引子里的场景完全一致——你的产出看起来很好，但面对深层追问，露馅了。

医疗：感知自己身体的能力，也在被替代

患者开始用AI查症状、看报告、理解检查结果——这在降低信息门槛这件事上是真实有效的，原来看不懂的术语，AI几句话能说清楚。但问题在另一面：当人习惯了把"我身体哪里不对"这个问题直接输入AI，得到一个看起来条理清晰的分析之后，“奥，原来不是什么大事，很正常的一个情况。”就会慢慢跳过一个关键环节——自己对身体信号的感知、描述和初步判断能力。

这个能力看起来不重要，但它是医患沟通的基础。医生诊断依赖的不只是检查数据，还有你对症状的第一手描述：什么时候开始的、什么情况下加重、和什么动作或饮食有关联。这些描述需要你真正观察过自己的身体，而不是把症状输进AI、拿着AI的总结去门诊复述。

短期内一切感觉更顺了，但真正需要独立判断的时刻，能力已经不在了。

"我是不是我"

延伸心智论：也许AI真的是"我的一部分"

哲学家安迪·克拉克（Andy Clark）与大卫·查尔默斯（David Chalmers）在1998年提出了延伸心智假说：心智并非完全存在于大脑内部，而是延伸到外部工具与环境中。

他们用了一个叫"奥托与英嘉"的思想实验，非常好理解——

奥托患有记忆障碍，出门前会把要去的地址写在笔记本上，每次需要的时候翻出来看。英嘉记忆正常，出门前在脑子里回忆一下地址就走了。

两个人都"知道"去哪里，都能顺利出门，区别只是一个用大脑存，一个用笔记本存。

克拉克和查尔默斯说：这两种情况在认知功能上没有本质区别。笔记本，就是奥托心智的延伸。

按照这个框架，AI和人类构成的是一个"耦合认知系统"——你提问、AI生成、你判断采纳，整个过程可以被理解为"我的思考借助了外部工具完成"，跟奥托用笔记本没什么两样。

这听起来好像给AI参与做了背书：用AI也没关系，它只是我的延伸。

但奥托的笔记本跟AI有一个关键的不同

奥托的笔记本里写的是他自己写进去的内容。那个地址，是他当年亲自走过、亲自记录下来的。笔记本只是外部存储，知识本身来自奥托。

AI不是这样。AI给你的框架、逻辑、论点，不是你写进去的，是它生成的。

所以问题的关键就在这里：

当你看到AI生成的内容，觉得"对，就是这个意思"的时候——

你是真的理解了它，在用自己的判断力确认它是对的？

还是AI先建立了一个框架，然后你在这个框架里面觉得它说得有道理？

这两件事从感受上几乎一模一样，但本质完全不同。

前者是你在主导，AI是工具；后者是AI在主导，你只是在它划定的范围内点了头。

一个检验方法：把AI的回答盖掉，尝试自己重新把这个问题的逻辑从头组织一遍。如果你能独立搭出一个框架，说明你真的理解了，AI只是帮你表达得更完整。如果你发现自己完全依赖刚才看到的那个结构，说明你接受的是AI的框架，不是你自己的理解。

引用一个值得警惕的细节

中国社科院的学者指出，在思考初期就引入大量的外部声音，会扰乱思想主体酝酿生成新思想的过程。这个判断切中核心——**AI不只是在帮你完成表达，它在参与构建你对问题的初始认知框架。**而这个框架一旦被接受，往往很难被意识到并加以质疑。

研究也表明，当人类对AI生成内容缺乏充分审视时，认知主体性就会被稀释；保持认真验证——核查信息、审查来源、质疑异常——才能真正保留认知的自主权。

张颖天 戴宁馨：人工智能时代的哲学思考 - 全国哲学社会科学工作办公室

那怎么判断并守住"我的思考"

从五个维度检验：

当上述条件大多不满足时，那个"看起来更全面的思考产出"，本质上是AI的思考用你的名义呈现。

科学研究给出的最关键操作建议是：先建立自己的认知基础，再引入AI辅助。

顺序不一样，结果就不一样，前面的实验数据已经说明了这一点。

用AI之前：

• 先用自己的话把问题写下来，哪怕不完整、不系统，重要的是让大脑经历自己的推导过程
• 对问题先形成初步判断，再用AI验证或扩展——而不是以AI的判断替代自己的判断

用AI过程中：

• 持续问自己："如果没有AI，我能大致完成这个任务的框架吗？"
• 保留元认知能力：随时追问"我为什么接受这个答案？""AI可能遗漏了什么？"
• 把AI的输出当作"刺激材料"而非"最终答案"——让AI提出多个视角，自己来批判、分析、选择

用完AI之后：

• 合上对话，尝试独立用自己的话把核心论证说一遍。能说清楚的，是内化了的，是你的；说不清楚的，只是经手了
• 在核心专业和核心判断的领域，定期保留完全不使用AI的思考练习，维持思维能力的锻炼

把东西合上，用自己的话说一遍。能说出来的才是你的。

最后

麻省理工学院研究者Kosmyna说过一句话：

"如果AI终将成为我们思考方式的一部分，那么在它改变我们之前，我们必须先弄清楚它正在改变什么。"

认知卸载不等于变笨，用AI也没有什么问题。

但有一件事值得时刻保持清醒：我们在不知不觉中，可能已经失去了对"哪部分是我、哪部分是工具"的感知，并开始把这种混合产出当作纯粹自我思考的证明。

"AI提升了效率、降低了门槛"——这个认知没有错，但它只捕捉到了产出侧的变化，完全遮蔽了认知过程侧发生的重构。而恰恰是这个盲点，构成了AI时代最隐蔽也最深刻的认知陷阱。

你以为是你的思考，可能真的不是你的思考。

更准确地说：你以为是你的思考，只是你以为而已。