一项近千名高中生参与的研究给出了一个让人清醒的结果：有 AI 助手时，练习成绩提高了 48%。助手被拿走之后，这组人的考试成绩比从来没用过助手的学生还要差——差 17%。所以问题不是 AI 对学习是好是坏，而是：当机器什么都答得出来，还有什么东西仍然属于你的脑子？
2025 年，一个研究团队在《美国国家科学院院刊》（PNAS）上发表了一项实验结果，参与者是土耳其近一千名高中生。他们被分成几组：一组在练习数学时有一个基于 GPT-4 的助手，一组用的是加了防护的版本——给提示而不给答案，还有一组什么都没有。
在工具还在手上的时候，AI 组的表现明显更好：普通助手组提升了 48%，加防护的那组提升了 127%。
然后工具被收走，他们独自参加考试。用过无防护助手的那一组，成绩比从未拿到过助手的学生还差 17%。
不是比他们自己用工具时差。是比从来没用过的人还差。
而加了防护的那一组——给提示，不给解答——基本躲过了这份损害。这个细节比那个抢眼的数字更要紧，因为它告诉你真正起作用的是什么。
只看标题，你会得到两个相反的故事：AI 正在革新教育，或者 AI 正在毁掉我们思考的能力。证据落在中间——但不是那种和稀泥的「双方都有道理」。它有形状。
目前的元分析总体上是正面的：一项综合了 35 项实验研究、四千多名参与者的分析发现，AI 对学习结果有中等程度的正面效应。个性化的 AI 辅导确实相当管用。
但另一项研究更能说明问题。范（Fan）等人让 117 名大学生在四种条件下写一篇论文：用 ChatGPT、有人类专家指导、用写作分析工具，或者无辅助。ChatGPT 组的论文分数提升最多。然而当研究者测量知识增长和向新任务的迁移时，各组之间没有显著差异。
把两项发现放在一起，可以得到一句锋利的总结：AI 可靠地改善作品，却不可靠地改善作者。
论文更好了。练习做对了。写作的人没有变好。
机制并不神秘。它是一组早已确立的学习原理，而 AI 恰好按在了每一条的软肋上。
它拿掉了「你自己产出答案」的那一步。罗迪格与卡皮克（Roediger & Karpicke）在 2006 年证明，提取一个答案对记忆的强化，远大于重读它。这是这个领域最稳健的发现之一。而使用 AI 的默认模式是：你问，它答，你读。价值最高的那一步被跳过了。
它抹平了有益的困难。比约克夫妇证明，学习过程中某些障碍能提升长期保持：必须回忆，必须等待，必须自己想出来。而 AI 的设计目标就是清除障碍——包括那些有用的障碍。
而且它放大了「已经懂了」的错觉。这是危险的部分。费舍尔、戈杜与凯尔（Fisher, Goddu & Keil, 2015）发现，仅仅是上网搜索这个动作，就会抬高人们对自己脑中知识的估计——甚至在与所搜内容无关的话题上也是如此。「我知道这个」和「我够得着这个」之间的界线被模糊了。
AI 写出的解释通常连贯、结构清晰、读起来顺畅。而「流畅」恰恰是我们的自我评估会错误信任的那个线索。你读完，觉得很清楚，然后把清楚误当成了理解。
研究者给这个结果起了名字：元认知懒惰（metacognitive laziness）——学习者交出去的不只是任务本身，还有对自己学习过程的监控与评估。
公平地说：人类把记忆外包出去，已经有很长时间了。
丹尼尔·韦格纳（Daniel Wegner）在 1980 年代描述过交互记忆：在一个家庭或一个工作团队里，每个人持有一部分知识，而所有人都知道该去问谁。你不记得兄弟姐妹的电话号码，因为你的手机记得。你不记得食谱，因为菜谱记得。
2011 年，斯帕罗、刘与韦格纳（Sparrow, Liu & Wegner）针对互联网测量了这一点：当人们相信信息会一直可得时，他们对内容的记忆变差——而对去哪里找它的记忆变好。记忆没有消失，它从内容转向了索引。
那么 AI 新在哪里？两件事。以前你仍然必须读懂并综合你找到的东西，现在不必了。以前搜索返回的是碎片，需要你自己拼装；现在它抵达时已经是成品——连贯、可信，包括它出错的时候。
这才是真正的问题，而答案既不是「全部」也不是「没有」。有几类知识之所以无法外包，是出于结构上的原因，不是道德上的原因。
第一：任何必须实时运行的东西。一场对话每一轮只有几百毫秒。你没法在句子说到一半时去查一个词。当对方问完话、正看着你等回答时，没有任何应用能帮上忙。对语言学习者来说，这是最清楚的一条答案：词汇、语音和语法反射必须在你脑子里，因为根本没有时间从别处取。
第二：任何用来评估答案的东西。语言模型可以既自信又流畅地说错。唯一能抓住这一点的人，是那个对该主题已经懂得足够多的人。没有背景知识，你没法核查机器——你只能信任它，而那就把学习变成了外包。
第三：任何让你能提出问题的东西。你没法搜索一个你不知道其存在的东西。是你脑中的知识告诉你哪些问题值得问。一个懂部首的人，看到陌生的字会问左边那个偏旁是什么意思；一个不懂的人，只看见一团笔画。
第四：任何理解所依赖的东西。雷赫特与莱斯利（Recht & Leslie, 1988）有一项经典研究：阅读能力弱但懂棒球的孩子，在读一段关于棒球的文字时，理解和记忆都胜过阅读能力强却不懂棒球的孩子。理解不是一项与内容无关的通用技能，它取决于你已经知道什么。这一点直接适用于 AI——你能理解它的解释到什么程度，取决于你的背景知识允许到什么程度。
第五：任何构成你图式的东西。在认知负荷理论里，专家的工作记忆并不比新手更宽；他们是在长时记忆里有大块预先组织好的组块，因此每一块只占一个格子。这是绕过那条窄通道的唯一办法。把知识外包出去并不能拓宽通道——只是让它空着。
诚实要往两边说。有些东西已经不值得在你脑子里占位置。
一辈子只用到几次、而且完全来得及去查的参考性事实。精确的数字、日期、表格。你很少碰的工具的详细语法。顺序无所谓的长清单。
它们的共同点是：用得少，从不紧急，而且不构成理解别的东西的基础。这就是三条检验标准。
语言学习也许是答案最锋利的领域，因为它的内容有极大一部分属于「无法外包」的那一类。
你可以让 AI 翻译一段文字，但你不能让它在别人对你说话时替你听。你可以查一个单词，但当一页上有三百个词、其中三十个你不认识时，逐个去查就已经不叫阅读了。你可以问一个词怎么读，但没有人能代替你训练你的嘴。
这里有一个值得点明的真实反讽：AI 让看懂一门语言变得几乎免费，而使用一门语言的代价一分钱没少。这两者之间的落差，正是学习真正发生的地方。
开头那项研究给出了关键线索：只拿到提示的那一组躲过了损害。要紧的不是你用不用 AI，而是重活是谁在干。
让它考你，而不是教你。「就这段内容出十道题考我，然后批改」的学习价值，远大于「给我讲讲这个」。这是把提取效应放回去的办法。
先产出，后提交。先写你的句子，再问它有什么问题。先自己翻译，再去对照。先根据部首猜这个字，再去查。这个顺序保住了「自己生成」这一步，而反过来的顺序会摧毁它。
要提示，不要答案。一句简单的「别给我答案，只告诉我下一步该往哪想」，就重建了保护那批学生的那道防护栏。
不要相信轻松的感觉。一段让你立刻点头的解释，并不能证明你理解了它。证据是：明天关掉屏幕，你还能不能把它重新讲出来。经常测这个。
还有，把它用在它真正出色的地方：反馈。一个永远愿意批改你的句子、指出你的语法、给出更自然说法的工具，在过去只有私人教师才能提供。这是实打实的价值，而它存在于「你产出、机器点评」这个方向上——不是反过来。
「当机器什么都答得出来，还有什么值得记住」这个问题，预设了学习就是答案的累积。如果真是那样，学习确实已经过时了。
但它从来不是。长时记忆里的知识不是网络断线时的备份存储。它是你用来思考的材料。它决定了你能跟上一段解释到什么程度，能多可靠地发现一个错误，脑子里会浮现出哪些问题，以及当有人等着你回答时，你能说出什么。
机器非常擅长回答问题。它们造不出那个能提出问题的人。那一部分，仍然必须一块一块地，在你自己的脑子里建起来。
同样的内容，用浅白的话再讲一遍——写给年纪小的读者，也写给想快点抓住要点的人。
如果机器什么都答得出来，那还有什么值得记住？
这个问题预设了：学习就是答案的积累。它从来都不是。
它拿掉了「你自己把答案生出来」的那一步。从记忆里把东西调出来，比重读一遍更能加固它——这是本领域最扎实的发现之一。而使用 AI 的默认方式是：你问、它答、你读。最有价值的那一步被跳过去了。
它抹掉了那些有用的困难。学习中的某些障碍——必须想起来、必须等一等、必须自己琢磨——会提高你留下的东西。而 AI 的设计目标就是清除障碍，包括这些。
而且它会把「我懂了」这种感觉吹大。危险就在这里。仅仅是上网搜索，就会抬高人们对自己脑子里知识量的估计——甚至在与所搜内容无关的题目上也如此。「我知道这个」和「我能查到这个」之间的界线，糊掉了。
AI 写的解释通常条理清楚、结构良好、读起来轻松。而「轻松」恰恰是我们的自我评估会错信的那个信号。你读完，觉得很清楚，于是清楚被误当成了理解。
说句公道话：人类干这件事已经很久了。在一个家庭或一个团队里，每个人握着一部分知识，而所有人都知道该问谁。你不记得兄弟姐妹的电话号码，因为手机记得。
而且当人们相信信息会一直在那儿时，他们对内容记得更差——对去哪儿找它记得更好。记忆没有消失，它从内容挪到了索引。
那什么是新的？两件事。以前你仍然得把找到的东西读一遍、拼起来；现在不必了。以前搜索给你的是碎片；现在答案是成品送到，条理分明、听着可信——包括它错了的时候。
既不是全部，也不是没有。有些知识没法外包，原因是结构性的，不是道德性的。
第一：任何必须实时运行的东西。一场对话每一轮以几百毫秒推进。你没法在句子中间查一个词。当对方问完话、正看着你时，没有哪个应用帮得上忙。
对语言学习者，这是最清楚的一个答案：词汇、声音和语法反射必须在你自己的脑子里，因为没有时间去别处取。
第二：任何你用来判断那个答案的东西。机器可以自信而流畅地说错。能抓住这一点的，只有本来就懂得够多的人。没有背景知识，你就无法核查它——你只能信它，而那会把学习变成外包。
第三：任何你用来「提出问题」所需要的东西。你查不了你不知道其存在的东西。懂部首的人看到一个生字，会问左边那部分是什么意思。不懂的人，不会问。
长期记忆里的知识，不是网络断线时的备份。它是你用来思考的材料。它决定你能跟上一段解释的多少、你多可靠地看出一个错误、你脑子里会不会冒出某个问题，以及当有人等着你回答时你说得出什么。
机器非常擅长回答问题。它们造不出那个能提出问题的人。
这些文章综合了学习科学与语言学中公认的研究成果。主要来源与延伸阅读：
这个问题预设了专注是一块练了会变大的肌肉。最扎实的证据说，练出来的部分几乎搬不走，而真正变好的一份来自减法——从那个你感觉...
没时间、没天分、年纪大了——这些是解释，不是原因。真正量得出来的要乏味得多：一句带时间、带地点、带第一个动作的话，而还没有...
不是一件事，而是四件，跑在相差十亿倍的钟上：400毫秒处的一个波、一夜之间被锁住的一个词、几个月里收窄的激活范围、几年里改...