AI 如何製造流利的錯覺
和 AI 上的那一小時很順。你全看懂了,被溫和地糾正,闔上電腦覺得這堂課不錯。然後面對真人,僵住了。「在學」的感覺本來是個相當誠實的信號,AI 剛剛把它變得不誠實。
和 AI 上的那一小時很順。你全看懂了,被溫和地糾正,闔上電腦覺得這堂課不錯。然後面對真人,僵住了。「在學」的感覺本來是個相當誠實的信號,AI 剛剛把它變得不誠實。
你和一個 AI 老師坐了一小時。對話很順。它寫的你全看得懂,你寫的它也全看得懂,錯的地方它溫和地改過來。闔上電腦,你覺得這是一堂像樣的課。
下一週你見到一個真人,僵住了。
剛才發生的事有一個名字,而這個名字不是 AI 發明的。只是 AI 讓它發生得更快、更順、也波及了更多人。

認知心理學從1990年代就知道:人會把輕鬆誤讀成掌握。Adam Alter 與 Daniel Oppenheimer 把這叫作加工流暢性。Asher Koriat 與 Robert Bjork 指出更糟的一點:正在學的那一刻,人對自己將來能記住什麼的預測是系統性錯誤的——因為答案就擺在眼前,「想起來」輕鬆得足以騙人。
這正是本欄目在講測驗效應那篇裡說過的劃線與重讀的陷阱。新的不是錯覺。新的是一件被設計成盡可能順滑的工具。
Boning Lyu、Chun Lai 與 Jianing Guo 的統合分析發現,聊天機器人對第二語言學習成效有中等偏大的效應,在口語流利度、寫作品質與學習動機上最強——儘管研究之間差異很大。而且它做到了一件人不容易做到的事:降低開口的焦慮。
所以這篇文章不是說 AI 沒用。它說的是更讓人不舒服的一件事:同一件工具確實在幫你,同時又誇大了你對「它幫了多少」的感覺。
它拿走了提取。問,是想起來的反面。Jeffrey Karpicke 與 Henry Roediger 證明,提取這個動作本身就是學習事件。每一次你不去硬想而向 AI 要那個詞,你得到了詞,跳過了學習。
它拿走了必要的難,也拿走了自己產出。按 Elizabeth 與 Robert Bjork 的說法,讓你在練習當下表現更差的條件,往往讓你長期學得更多——而 AI 被造出來就是為了讓你在練習當下表現順暢。再按 Norman Slamecka 與 Peter Graf 在1978年測過的產出效應:讀一句 AI 寫得完美的話,點頭說「對,我就是這個意思」,感覺和自己寫出來一模一樣。不一樣。你只是認出了它。
它拿走了溝通的失敗。這一處最鋒利。真人聽不懂你,你就被迫換個說法再講一遍——Merrill Swain 稱之為被推動的產出。而 AI 能完美理解你支離破碎的輸入;它被設計成對你的錯誤足夠健壯。於是你從來不會被推。而正如本欄目講化石化那篇所說:不妨礙溝通的錯誤,就是沒有人會糾正的錯誤,然後它硬化下來。
它拿走了那隻鐘。流利是即時壓力下的自動化——這是 Robert DeKeyser 彙集的那一脈練習研究的論點。對著 AI 打字根本沒有鐘:你可以想三十秒,發出一句完美的話,看上去依然流利。真實對話給你大約一秒。
Evan Risko 與 Sam Gilbert 描述了認知卸載:一旦有可靠的外部工具,大腦就理性地不再自己儲存。Betsy Sparrow、Jenny Liu 與 Daniel Wegner 用搜尋引擎測到了這一點——人們記住的是去哪裡找,而不是內容本身。

當翻譯器只隔著一次點擊,你的大腦非常正確地判斷:這個詞不值得存。這道算術對人生中幾乎所有事都成立。它只對一件事致命:學外語,而學外語的全部目標正是存到裡面去。
AI 寫的東西很流暢,所以讀起來輕鬆——而輕鬆會被讀成懂了。你確實看懂了,而看懂和會了非常像。而最危險的一點是:沒有失敗信號。在一場普通的學習裡,磕絆就是儀表板。AI 把磕絆清走了,也把儀表板一起清走了。
2026年,Sachin Kumar、Anna Mikayelyan 與 Olga Vorfolomeyeva 的一篇綜述收攏了2022年至2026年初關於課堂中 ChatGPT 的41項研究,並給這個現象起了名字:流利錯覺。他們的結論值得原樣抄下來:效率、信心和「覺得懂了」都在上升;而關於持久學習與遷移的證據仍然莫衷一是。
誠實的測試只有一個:把分頁關掉。二十四小時後,什麼都不打開,什麼都不查,把昨天你「說得出來」的那句話再說一遍。留下來的是你的。蒸發掉的,昨天也不是你的——那是 AI 的,你只是站在旁邊看著。
先自己產出,再去核對。這是最重要的一條,也是最常被做反的一條。用你現有的本事把句子寫出來,寫得差也行,然後才拿給 AI 看。反過來做,你就只是在讀別人的作業。還有,讓它考你,別讓它答你:「用這二十個詞考我,不要顯示答案。」同一件工具,角色一換,你腦子裡發生的事就完全不同了。
給口語加上一隻鐘——幾秒內作答,不修改;沒有時間壓力,那是寫作練習。閱讀時把劃詞翻譯關掉,先猜,再查。並且把 AI 強過人的那部分交給它:無限的耐心、無窮的例句,以及一個不會讓你丟臉的開口場所。把機器沒有的那部分交給人:不可預測,以及溝通的失敗。
上面的那些機制——提取、必要的難、產出效應、被推動的產出、自動化——背後都有幾十年的研究,站得很穩。而專門關於 AI 的那部分只有兩三年,研究之間分歧很大,多數測的是短期,還有一些測的是覺得自己進步了而不是進步。請照它本來的樣子讀:一個有初步證據支持的機制論證,不是一個已經關上的結論。
這裡的錯覺不是「AI 沒用」。它要微妙得多:AI 讓正在學習的感覺唾手可得,卻不附帶學習——而在此之前的很長時間裡,那種感覺是個相當誠實的信號。磕絆曾是我們的儀表板,現在它被拆掉了。那就別再憑感覺衡量:關掉分頁,等一天,在沒有任何人托著你的情況下試著說出來。
同樣的內容,用淺白的話再講一遍——寫給年紀小的讀者,也寫給想快點抓住要點的人。
你和 AI 老師坐了一小時。很順利。它說的你都懂,你說的它也都懂,錯了它會好好幫你改。闔上電腦,感覺不錯。
下一週你和真人說話,一個字也出不來。
那哪裡出錯了?其實哪裡都沒錯。那一小時是真的。只是它沒有做你以為它在做的那件事。
心理學家三十年前就知道這件事:只要讀起來輕鬆、跟得上,大腦就悄悄判定你已經學會了。
所以在書上劃線感覺很爽,卻幾乎什麼都沒教給你。字看著眼熟起來,而眼熟讓人以為已經會了。兩件事並不一樣。
這個陷阱不是 AI 發明的。AI 只是把「讓事情變輕鬆」這件事做得厲害得可怕。
研究者把很多研究放到一起,發現 AI 聊天機器人確實幫得上忙,尤其是口語和寫作。而且它做到了一件人做不好的事:它從不讓你難堪。對一個怕開口的人來說,一個永遠不評判你的機器,是真正的禮物。
所以這不是「AI 不好」。事情更奇怪:同一件工具幫了你一些,又讓你覺得它幫了很多。
還有一件事,而且不怪你。當一個工具永遠都在,大腦就懶得去記了。科學家在搜尋引擎上驗證過:人記住的是去哪裡找,而不是答案本身。
翻譯器只隔一次點擊時,你的大腦判定:這個詞不值得留。這對人生中幾乎所有事都是聰明的判斷。它只對一件事致命:學外語,而「留住」正是學外語的全部目的。
平常沒學進去的時候,你是知道的。你會磕絆,會卡住。那份吃力就是你的警示燈。
AI 把吃力拿掉了,也把警示燈一起拿走了。一切都很順,所以沒有任何東西告訴你它沒起作用。
關掉分頁。等一天。然後什麼都不打開、什麼都不查,試著把昨天那句話再說一遍。
說得出來的是你的。蒸發掉的,昨天也不是你的——那是 AI 的,你只是站在旁邊看著。
關於「想起來」和「吃力」的那些想法,已經被檢驗了幾十年,很扎實。而專門關於 AI 的部分只有兩三年,研究之間也不一致,大多只看短期。
所以這是一個好的解釋,不是一個已經完成的答案。如果將來更好的研究顯示問題比我們以為的小,那是好消息。
在那之前:學習的感覺曾經是個相當誠實的信號,現在不是了。所以別再憑感覺衡量。關掉分頁,等一天,看看還剩下什麼。
這些文章綜合了學習科學與語言學中公認的研究成果。主要來源與延伸閱讀:
這個問題預設了專注是一塊練了會變大的肌肉。最扎實的證據說,練出來的部分幾乎搬不走,而真正變好的一份來自減法——從那個你感覺...
沒時間、沒天分、年紀大了——這些是解釋,不是原因。真正量得出來的要乏味得多:一句帶時間、帶地點、帶第一個動作的話,而還沒有...
不是一件事,而是四件,跑在相差十億倍的鐘上:400毫秒處的一個波、一夜之間被鎖住的一個詞、幾個月裡收窄的活化範圍、幾年裡改...