一項近千名高中生參與的研究給出了一個讓人清醒的結果：有 AI 助手時，練習成績提高了 48%。助手被拿走之後，這組人的考試成績比從來沒用過助手的學生還要差——差 17%。所以問題不是 AI 對學習是好是壞，而是：當機器什麼都答得出來，還有什麼東西仍然屬於你的腦子？
2025 年，一個研究團隊在《美國國家科學院院刊》（PNAS）上發表了一項實驗結果，參與者是土耳其近一千名高中生。他們被分成幾組：一組在練習數學時有一個基於 GPT-4 的助手，一組用的是加了防護的版本——給提示而不給答案，還有一組什麼都沒有。
在工具還在手上的時候，AI 組的表現明顯更好：普通助手組提升了 48%，加防護的那組提升了 127%。
然後工具被收走，他們獨自參加考試。用過無防護助手的那一組，成績比從未拿到過助手的學生還差 17%。
不是比他們自己用工具時差。是比從來沒用過的人還差。
而加了防護的那一組——給提示，不給解答——基本躲過了這份損害。這個細節比那個搶眼的數字更要緊，因為它告訴你真正起作用的是什麼。
只看標題，你會得到兩個相反的故事：AI 正在革新教育，或者 AI 正在毀掉我們思考的能力。證據落在中間——但不是那種和稀泥的「雙方都有道理」。它有形狀。
目前的後設分析總體上是正面的：一項綜合了 35 項實驗研究、四千多名參與者的分析發現，AI 對學習結果有中等程度的正面效應。個人化的 AI 輔導確實相當管用。
但另一項研究更能說明問題。范（Fan）等人讓 117 名大學生在四種條件下寫一篇論文：用 ChatGPT、有人類專家指導、用寫作分析工具，或者無輔助。ChatGPT 組的論文分數提升最多。然而當研究者測量知識增長和向新任務的遷移時，各組之間沒有顯著差異。
把兩項發現放在一起，可以得到一句銳利的總結：AI 可靠地改善作品，卻不可靠地改善作者。
論文更好了。練習做對了。寫作的人沒有變好。
機制並不神祕。它是一組早已確立的學習原理，而 AI 恰好按在了每一條的軟肋上。
它拿掉了「你自己產出答案」的那一步。羅迪格與卡皮克（Roediger & Karpicke）在 2006 年證明，提取一個答案對記憶的強化，遠大於重讀它。這是這個領域最穩健的發現之一。而使用 AI 的預設模式是：你問，它答，你讀。價值最高的那一步被跳過了。
它抹平了有益的困難。比約克夫婦證明，學習過程中某些障礙能提升長期保持：必須回憶，必須等待，必須自己想出來。而 AI 的設計目標就是清除障礙——包括那些有用的障礙。
而且它放大了「已經懂了」的錯覺。這是危險的部分。費雪、戈杜與凱爾（Fisher, Goddu & Keil, 2015）發現，僅僅是上網搜尋這個動作，就會抬高人們對自己腦中知識的估計——甚至在與所搜內容無關的話題上也是如此。「我知道這個」和「我搆得著這個」之間的界線被模糊了。
AI 寫出的解釋通常連貫、結構清晰、讀起來順暢。而「流暢」恰恰是我們的自我評估會錯誤信任的那個線索。你讀完，覺得很清楚，然後把清楚誤當成了理解。
研究者給這個結果起了名字：後設認知懶惰（metacognitive laziness）——學習者交出去的不只是任務本身，還有對自己學習過程的監控與評估。
公平地說：人類把記憶外包出去，已經有很長時間了。
丹尼爾·韋格納（Daniel Wegner）在 1980 年代描述過交互記憶：在一個家庭或一個工作團隊裡，每個人持有一部分知識，而所有人都知道該去問誰。你不記得兄弟姊妹的電話號碼，因為你的手機記得。你不記得食譜，因為食譜書記得。
2011 年，斯帕羅、劉與韋格納（Sparrow, Liu & Wegner）針對網際網路測量了這一點：當人們相信資訊會一直可得時，他們對內容的記憶變差——而對去哪裡找它的記憶變好。記憶沒有消失，它從內容轉向了索引。
那麼 AI 新在哪裡？兩件事。以前你仍然必須讀懂並綜合你找到的東西，現在不必了。以前搜尋返回的是碎片，需要你自己拼裝；現在它抵達時已經是成品——連貫、可信，包括它出錯的時候。
這才是真正的問題，而答案既不是「全部」也不是「沒有」。有幾類知識之所以無法外包，是出於結構上的原因，不是道德上的原因。
第一：任何必須即時運行的東西。一場對話每一輪只有幾百毫秒。你沒法在句子說到一半時去查一個詞。當對方問完話、正看著你等回答時，沒有任何應用能幫上忙。對語言學習者來說，這是最清楚的一條答案：詞彙、語音和文法反射必須在你腦子裡，因為根本沒有時間從別處取。
第二：任何用來評估答案的東西。語言模型可以既自信又流暢地說錯。唯一能抓住這一點的人，是那個對該主題已經懂得足夠多的人。沒有背景知識，你沒法核查機器——你只能信任它，而那就把學習變成了外包。
第三：任何讓你能提出問題的東西。你沒法搜尋一個你不知道其存在的東西。是你腦中的知識告訴你哪些問題值得問。一個懂部首的人，看到陌生的字會問左邊那個偏旁是什麼意思；一個不懂的人，只看見一團筆畫。
第四：任何理解所依賴的東西。雷赫特與萊斯利（Recht & Leslie, 1988）有一項經典研究：閱讀能力弱但懂棒球的孩子，在讀一段關於棒球的文字時，理解和記憶都勝過閱讀能力強卻不懂棒球的孩子。理解不是一項與內容無關的通用技能，它取決於你已經知道什麼。這一點直接適用於 AI——你能理解它的解釋到什麼程度，取決於你的背景知識允許到什麼程度。
第五：任何構成你基模的東西。在認知負荷理論裡，專家的工作記憶並不比新手更寬；他們是在長期記憶裡有大塊預先組織好的組塊，因此每一塊只占一個格子。這是繞過那條窄通道的唯一辦法。把知識外包出去並不能拓寬通道——只是讓它空著。
誠實要往兩邊說。有些東西已經不值得在你腦子裡占位置。
一輩子只用到幾次、而且完全來得及去查的參考性事實。精確的數字、日期、表格。你很少碰的工具的詳細語法。順序無所謂的長清單。
它們的共同點是：用得少，從不緊急，而且不構成理解別的東西的基礎。這就是三條檢驗標準。
語言學習也許是答案最銳利的領域，因為它的內容有極大一部分屬於「無法外包」的那一類。
你可以讓 AI 翻譯一段文字，但你不能讓它在別人對你說話時替你聽。你可以查一個單字，但當一頁上有三百個詞、其中三十個你不認識時，逐個去查就已經不叫閱讀了。你可以問一個詞怎麼唸，但沒有人能代替你訓練你的嘴。
這裡有一個值得點明的真實反諷：AI 讓看懂一門語言變得幾乎免費，而使用一門語言的代價一分錢沒少。這兩者之間的落差，正是學習真正發生的地方。
開頭那項研究給出了關鍵線索：只拿到提示的那一組躲過了損害。要緊的不是你用不用 AI，而是重活是誰在幹。
讓它考你，而不是教你。「就這段內容出十道題考我，然後批改」的學習價值，遠大於「給我講講這個」。這是把提取效應放回去的辦法。
先產出，後提交。先寫你的句子，再問它有什麼問題。先自己翻譯，再去對照。先根據部首猜這個字，再去查。這個順序保住了「自己生成」這一步，而反過來的順序會摧毀它。
要提示，不要答案。一句簡單的「別給我答案，只告訴我下一步該往哪想」，就重建了保護那批學生的那道防護欄。
不要相信輕鬆的感覺。一段讓你立刻點頭的解釋，並不能證明你理解了它。證據是：明天關掉螢幕，你還能不能把它重新講出來。經常測這個。
還有，把它用在它真正出色的地方：回饋。一個永遠願意批改你的句子、指出你的文法、給出更自然說法的工具，在過去只有私人教師才能提供。這是實打實的價值，而它存在於「你產出、機器點評」這個方向上——不是反過來。
「當機器什麼都答得出來，還有什麼值得記住」這個問題，預設了學習就是答案的累積。如果真是那樣，學習確實已經過時了。
但它從來不是。長期記憶裡的知識不是網路斷線時的備份儲存。它是你用來思考的材料。它決定了你能跟上一段解釋到什麼程度，能多可靠地發現一個錯誤，腦子裡會浮現出哪些問題，以及當有人等著你回答時，你能說出什麼。
機器非常擅長回答問題。它們造不出那個能提出問題的人。那一部分，仍然必須一塊一塊地，在你自己的腦子裡建起來。
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。
如果機器什麼都答得出來，那還有什麼值得記住？
這個問題預設了：學習就是答案的累積。它從來都不是。
它拿掉了「你自己把答案生出來」的那一步。從記憶裡把東西調出來，比重讀一遍更能加固它——這是本領域最扎實的發現之一。而使用 AI 的預設方式是：你問、它答、你讀。最有價值的那一步被跳過去了。
它抹掉了那些有用的困難。學習中的某些障礙——必須想起來、必須等一等、必須自己琢磨——會提高你留下的東西。而 AI 的設計目標就是清除障礙，包括這些。
而且它會把「我懂了」這種感覺吹大。危險就在這裡。僅僅是上網搜尋，就會抬高人們對自己腦子裡知識量的估計——甚至在與所搜內容無關的題目上也如此。「我知道這個」和「我能查到這個」之間的界線，糊掉了。
AI 寫的解釋通常條理清楚、結構良好、讀起來輕鬆。而「輕鬆」恰恰是我們的自我評估會錯信的那個信號。你讀完，覺得很清楚，於是清楚被誤當成了理解。
說句公道話：人類幹這件事已經很久了。在一個家庭或一個團隊裡，每個人握著一部分知識，而所有人都知道該問誰。你不記得兄弟姊妹的電話號碼，因為手機記得。
而且當人們相信資訊會一直在那兒時，他們對內容記得更差——對去哪兒找它記得更好。記憶沒有消失，它從內容挪到了索引。
那什麼是新的？兩件事。以前你仍然得把找到的東西讀一遍、拼起來；現在不必了。以前搜尋給你的是碎片；現在答案是成品送到，條理分明、聽著可信——包括它錯了的時候。
既不是全部，也不是沒有。有些知識沒法外包，原因是結構性的，不是道德性的。
第一：任何必須即時運行的東西。一場對話每一輪以幾百毫秒推進。你沒法在句子中間查一個詞。當對方問完話、正看著你時，沒有哪個應用幫得上忙。
對語言學習者，這是最清楚的一個答案：詞彙、聲音和文法反射必須在你自己的腦子裡，因為沒有時間去別處取。
第二：任何你用來判斷那個答案的東西。機器可以自信而流暢地說錯。能抓住這一點的，只有本來就懂得夠多的人。沒有背景知識，你就無法核查它——你只能信它，而那會把學習變成外包。
第三：任何你用來「提出問題」所需要的東西。你查不了你不知道其存在的東西。懂部首的人看到一個生字，會問左邊那部分是什麼意思。不懂的人，不會問。
長期記憶裡的知識，不是網路斷線時的備份。它是你用來思考的材料。它決定你能跟上一段解釋的多少、你多可靠地看出一個錯誤、你腦子裡會不會冒出某個問題，以及當有人等著你回答時你說得出什麼。
機器非常擅長回答問題。它們造不出那個能提出問題的人。
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...