在AI辅助结肠镜检查三个月之后，19名资深医生不用AI时的腺瘤检出率下降了21%。这是对四十年证据的一次审计。
证据给出的答案相当明确，而且比眼下的争论更为久远。把认知任务交给机器，一旦机器接管了人本应自行完成的提取或生成环节，底层能力就会受损；若机器只是消除某个仍由人完成的环节周边的摩擦，该能力则不受影响，有时反而提升◈ 有力证据 [12]。波兰的结肠镜研究是迄今就前一种情形发表的最干净的自然实验。19名内镜医师各自已完成2,000例以上操作，他们在参与癌症预防试验的四家中心接受了为期三个月的AI辅助检出；此后，无辅助状态下的检出率下降了六个百分点✓ 已证实 [1]。
把这场实验做在自己身上的人群，如今已覆盖大半代人。针对英国本科生的第三次年度调查于2026年3月发布，样本为1,054份全日制学生答卷。结果显示，95%以某种方式使用生成式AI，94%将其用于计入成绩的作业✓ 已证实 [20]。把AI生成文本直接粘贴进提交作业的比例升至12%，2025年为8%，2024年仅为3%✓ 已证实 [20]。同样两年间，院校供给增至三倍以上：2024年称学校提供工具的学生占9%，2026年为38%✓ 已证实 [20]。普及已不再是需要看管的学生行为，而是被采购的基础设施。
大规模行为数据显示了这笔采购改变了什么。自适应数学平台ALEKS十年间320万次交互构成的面板，把易于转写为对话式提问的知识点，与依赖图形、难以转写的知识点作了对照。ChatGPT问世后，易受AI替代的知识点上，大学生学习时长每季度下降2.8%，十一个季度累计下降26.9%；高中生为31.3%，小学五年级则未见可测变化◈ 有力证据 [21]。在随机分配、有人监考的保持性测题上，答对概率累计下降25%◈ 有力证据 [21]。完成更快，知识更不牢固——测的是同一批学生、同一套课程。
在这一切之前，各项汇总技能指标已在下滑。经济合作与发展组织（OECD）的成人技能调查覆盖31个国家、约16万名16至65岁人口，于2024年12月发布。过去十年间，读写能力仅在芬兰和丹麦两国改善，其余国家或持平或下降✓ 已证实 [18]。计算能力表现稍好，有八国取得进步✓ 已证实 [18]。降幅在受教育程度最低的群体中最大，从而拉大了各国内部差距✓ 已证实 [19]。学龄段数据指向相同方向：2018年至2022年间，OECD数学平均分下降约15分，阅读约下降10分✓ 已证实 [34]。
然而这些都不构成关于人工智能的证据，把它们当作证据是最容易犯的第一个错误。成人技能下滑比ChatGPT早了整整十年；在约39.4万名美国成年人身上测得的弗林效应逆转发生于2006年至2018年，即大语言模型出现以前，而且并未波及所有领域——言语推理、矩阵推理以及字母与数字序列下降，三维旋转反而上升✓ 已证实 [22][33]。这些序列确立的是基线，不是原因。它们描绘的，是一群在通用卸载装置到来之时认知测评已在漂移的人。
本报告按证据产生的顺序展开。第二节说明人为何会外包思考，以及支配这种外包的判断为何在结构上不可靠。第三节讨论导航，那是结构性代价被直接成像的唯一领域。第四节回到关于计算器与笔记的对照研究，这些研究早已回答了一般性问题。第五、六节审视大语言模型文献与职业技能流失记录。第七节比较五个国家的实际做法。第八节说明证据能够支撑什么、不能支撑什么。
整理这一领域的框架由埃文·里斯科(Evan Risko)与萨姆·吉尔伯特(Sam Gilbert)于2016年在《认知科学趋势》(Trends in Cognitive Sciences)提出，共有三个活动部件。卸载倾向既取决于任务本应施加的内部认知负荷，也取决于对自身能力的元认知评估；卸载行为随后又反过来作用于这一评估；而卸载还直接影响认知能力本身◈ 有力证据 [12]。麻烦出在中间一环。凡是稳定把任务交出去的人，就不再收到有关自身水平的反馈，而正是这种反馈才能告诉他，交出去是否仍然合理。
被引用最多的实证支点，同时也是受损最重的一个。2011年，贝齐·斯帕罗(Betsy Sparrow)、刘珍妮(Jenny Liu)与丹尼尔·韦格纳(Daniel Wegner)发表了四项研究，表明当人预期日后仍可获取某条信息时，对信息本身的回忆会变差，对信息所在位置的记忆则变好✓ 已证实 [11]。这一发现以谷歌效应或数字失忆之名进入公众话语，也一并进入了可重复性危机：高统计效力的重复实验未能复现其被引最多的成分，即斯特鲁普启动实验；后续综述表明，总体效应确实存在，但比原文暗示的更小，也更依赖情境⚖ 有争议 [11]。
这一修正的分量，通常被低估。所谓搜索引擎掏空了语义记忆的强主张并未成立，本报告也不作此论。站得住脚的说法更窄也更古老：记忆本就是交互式的。人类历来把所知之事分散寄存于他人，互联网不过是把一套既有机制扩展到非人类伙伴身上✓ 已证实 [11]。只要伙伴可用且准确，交互式系统就一直高效。它的失效方式不是遗忘，而是无从察觉伙伴已经出错。
他们将不再操练记忆，因为他们依赖写下来的东西，不再从自己内部唤起事物，而是借助外在的记号。
——苏格拉底，见于柏拉图《斐德罗篇》，约公元前370年有人反驳说，这套论证已有2,400年历史，而且每次都错。这个反驳值得认真对待，因为它对了一半。文字确实把记忆外置了，苏格拉底说中了机制，却说错了结果✓ 已证实 [32]。识字社会并未因此变弱，而是获得了不同且更大的能力，因为文字与其说从思考中抽走了一个环节，不如说为思考添加了一层持久的底座。因此历史记录既不支持恐慌，也不支持自满。它支持的是一个问题：某件工具究竟抽走了哪一个环节。
这个问题可以落到实处。计算器抽走的是执行环节，而选择哪套算法，学生已经学会。卫星导航抽走的不只是空间表征的执行，还有它的建构。拼写检查抽走的是词已选定之后对字形的提取。而当人向大语言模型索要一篇文章时，被抽走的是论点的选择、证据的提取、主张的排序与句子的生成——除了写提示与判断产出，几乎无一幸免。这些并非同一类干预，也没有理由指望它们产生相同结果。
让这一差别从内部难以察觉的，正是元认知那一层。微软研究院与卡内基梅隆大学针对319名知识工作者、涵盖936个真实使用场景的调查，于2025年人机交互领域会议上发表，结论是：对AI系统的信任越高，对其输出的批判性审视越弱；而对自身技能的信心越高，审视反而越强✓ 已证实 [6]。在辅助之下，能力与对能力的感知发生脱钩。最应当察觉技能退化的人，恰恰是正用退化了的技能去察觉的那个人。
伦敦出租车司机的执照考试(The Knowledge)要求记住约2.5万条街道，并能在无外援情况下构建任意两点之间的路线。2000年，埃莉诺·马奎尔(Eleanor Maguire)等人在美国国家科学院院刊上报告：持照伦敦出租车司机的海马后部显著大于对照组，且体积与驾龄相关——后部为正相关，前部为负相关✓ 已证实 [9]。结构随使用而变，发生在成年人身上，且发生在一个长期被认为发育完成后即固定不变的脑区。
真正撑起论证的是后续工作。增大既不永久，也非免费。出租车司机文献的综述记载：退休后因不再使用，海马后部的优势会回退；而仍在开车的年长司机相比已停止者保有优势◈ 有力证据 [10]。代价同样有据可查：这些司机在若干需要习得新视空间信息的任务上不及对照组◈ 有力证据 [10]。此类专长是租来的，不是买断的，租金以持续提取来支付。
提取一旦停止会发生什么，这个显而易见的当代问题由路易莎·达赫马尼(Louisa Dahmani)与韦罗妮克·博博(Véronique Bohbot)在2020年4月的《科学报告》(Scientific Reports)中作答。两位研究者评估了50名常驾者一生的卫星导航使用经历，并测量了空间记忆的多个侧面：策略运用、认知制图与地标编码。一生使用越多，自主导航时，也就是设备不可用时的空间记忆越差✓ 已证实 [8]。单凭横断结果仍属含混，作者对此心知肚明。
该效应并不限于实验室任务。在超过3.7万名参与者身上评估的地标导航策略，会随人的一生而衰减，而地标策略与地图策略之间的平衡，恰恰是逐路口语音提示所抽走的东西✓ 已证实 [10]。跟着语音指令行驶的司机是在执行一串步骤，而非维持一份表征。从车外看，行为完全一样。在车内，塑造了出租车司机海马的两项操作中，已有一项不再进行。
此处需要两点保留。卫星导航样本偏小——横断50人，纵向13人——十三个人的三年随访是信号，不是判决⚖ 有争议 [8]。此外，尚无研究证明空间记忆下降会让这一人群在日常生活中承受任何功能性损害，因为日常生活如今已包含那台设备。结论是内部能力萎缩，而不是这个人认路变差。两者是不同的主张，后者尚未得到证明。
导航为一般论证贡献的，是一套带有可测量基质的机制。凡是替代内部表征建构的工具，都伴随该表征及其承载组织的衰退；衰退随替代量而变；而当表征被重新建立，进程又会反向✓ 已证实 [9][10]。这一主张远强于卸载研究的一般文献目前所能支撑的任何说法，而它只在一个领域可得。本报告余下部分讨论它能推广到多远。
1986年，雷·亨布里(Ray Hembree)与唐纳德·德萨特(Donald Dessart)为《数学教育研究学刊》整合了79份关于手持计算器的研究报告。除小学四年级外，计算器配合常规教学，在练习与解题两方面都提升了中等学生的纸笔技能✓ 已证实 [13]。数学态度与数学自我概念在所有年级、所有能力层次均有改善✓ 已证实 [13]。后来关于图形计算器的研究得出相容结论：当设备被嵌入教学、用于探究与概念性工作，而非发下去做机械练习和对答案时，效果最为明显◈ 有力证据 [14]。
小学四年级是那个界定规则的例外。在这一年级持续使用计算器，似乎会妨碍中等学生基本技能的养成✓ 已证实 [13]。四年级正是多位数笔算程序趋于稳固之时，提取与执行本身就是学习对象，而非围绕学习的附带负担。若在程序自动化之前投入工具，工具便占据了本该形成自动化的那个位置；若在其后投入，则腾出余力供下一阶段使用。同一台设备，符号相反，变量是学习者所处的发展位置。
关于课堂笔记的文献展示了相反的失败方式，也构成对本报告自身论点的告诫。2014年那项被广泛引用的结论——在概念性问题上手写笔记胜过键盘输入，因为较慢的媒介迫使人进行生成性加工——未能经受直接重复。凯拉·莫尔黑德(Kayla Morehead)、约翰·邓洛斯基(John Dunlosky)与凯瑟琳·罗森(Katherine Rawson)在手写、笔记本电脑、电子写字板之间，乃至与完全不记笔记的一组之间，都未发现稳定差异⚖ 有争议 [15]。《心理科学》(Psychological Science)上一项大规模直接重复得出同样结论，微元分析仅显示有利于手写的微小且不显著的效应⚖ 有争议 [16]。
两个零结果加一个强正结果并非矛盾，而是限定条件。计算器结论与笔记结论的共同之处在于：在未造成损害的场合，两种工具都没有抽走生成环节。笔算程序自动化之后才发到手中的计算器，把选择程序这件事留给了学生。用来记笔记的笔记本电脑，仍要求学生判断什么值得写下。而工具确实造成损害的场合，即四年级算术，它占据的恰是课程设立起来要装配的那项操作。
学习科学文献直接点出了缺失的变量。罗伯特与伊丽莎白·比约克(Robert Bjork)提出的合意困难框架主张：那些在学习过程中压低表现的条件——分散练习、交错练习、自我生成、提取练习——会提升长期保持与迁移◈ 有力证据 [17]。就对日后可及性的影响而言，提取信息这一动作比重读它更为有力◈ 有力证据 [17]。因而任何替代提取的工具，无论对当天表现做了什么，都抽走了构筑持久知识的那项操作。
整个卸载文献中最有用的一个数字，是一份四十年前元分析里的例外。计算器在所有年级都有帮助，唯独在被自动化的程序本身正是学习对象的那个年级不然✓ 已证实 [13]。这不是关于计算器的事实，而是一条工具部署规则：对已经内化的操作，辅助无害；对尚未内化的操作，辅助具有腐蚀性。当下正在起草的每一份校园AI政策，无论自觉与否，都是在赌每个学生处在这条线的哪一侧。
合意困难框架同样带有自身限度，诚实要求把它讲明。效应并不普适：当工作记忆已被元素交互性高的材料占满时，效应会减弱甚至反转⚖ 有争议 [17]。困难只有在学习者有余力应对时才是合意的。这一保留在两个方向上都有切割力。它削弱了摩擦有益这一笼统主张，也强化了那个更窄的主张：工具的价值完全取决于它抽走了哪一环节、又是从谁那里抽走。
传播最广的那一项，作为证据最弱，作为演示最有用。麻省理工学院媒体实验室的团队把来自波士顿地区五所高校的54名参与者分为三组：一组用大语言模型写文章，一组用常规搜索引擎，一组不借助任何工具。全程以32个电极、每秒500次采样记录脑活动✓ 已证实 [3]。参与者有20分钟时间，题目取自标准化入学考试中的哲学类命题。无工具组表现出最强、分布最广的神经连接，搜索组居中，模型组最弱✓ 已证实 [3]。
这项研究真正要紧的不是连接指标，该指标难以解读，发布时也尚未经过同行评议⚖ 有争议 [4]。要紧的是行为层面留下的痕迹。用模型写作的参与者对自己文章的回忆更差，也报告对文章的归属感更弱✓ 已证实 [3]。研究者把这一模式命名为认知负债：产出当下编码浅表，缺口只有在需要复述或为文章辩护时才浮现。这恰恰是合意困难文献对一件抽走生成环节的工具所作的预测◈ 有力证据 [17]。
调查类证据更广也更粗。迈克尔·格利希(Michael Gerlich)针对666名参与者的混合方法研究于2025年1月发表在《社会》上，发现频繁使用AI工具与批判性思维得分之间存在显著负相关，统计中介为认知卸载✓ 已证实 [5]。年纪越轻，依赖越高，得分越低；受教育程度越高，这种关联越弱✓ 已证实 [5]。该设计属相关研究，依赖自我选择与自我报告，无法排除反向可能：批判性思维本就较弱的人更倾向于采用这些工具⚖ 有争议 [5]。这是一个附有666个数据点的假设，而非证明。
真正分离出变量的是受控学习实验。范一舟(Yizhou Fan)等人2025年在《英国教育技术学刊》上，比较了由ChatGPT支持、由人类专家支持、由写作分析工具支持以及完全无支持的四组学习者。ChatGPT组的文章分数提升最大，但其知识获得与知识迁移并不显著优于其他各组✓ 已证实 [7]。研究者把这一机制称为元认知懒惰：学习者按模型反馈高效完成任务，而不去从事那些能产生可迁移理解的评估与自我监控◈ 有力证据 [7]。
学生真正外包出去的，正是课程最看重的那一部分。Anthropic对18天内574,740次学术对话的分析，按布卢姆分类归类后显示：最高层级“创造”占39.8%，“分析”占30.2%，而“应用”为10.9%，“理解”为10.0%✓ 已证实 [23]。外包方向与通常设想恰好相反：常规工作留在手里，高阶工作被送了出去。样本明显偏向早期采用者与计算机专业，后者占用户的38.6%，而在美国学生总体中仅占5.4%⚖ 有争议 [23]。
各院校应对生成式AI的方式是重新设计考核，65%的英国学生表示考核已发生显著变化✓ 已证实 [20]。这些改造几乎全部指向检测或阻止AI生成文本。证据却把风险放在别处：工具改善交付的作业，不改善留存的知识✓ 已证实 [7][21]。一所成功核验了作者身份、却继续为交付成果打分的院校，等于解决了诚信问题，而把学习问题原封不动地留在原处。
商业曲线决定了任何政策回应的时间表。教育领域人工智能市场2026年估计约为106亿美元，2025年约为75亿美元，预计到2030年将接近425亿美元◈ 有力证据 [35]。院校向英国学生提供此类工具的比例两年内从9%升至38%✓ 已证实 [20]。采购比评估文献早跑了好几年，这在教育技术中是熟悉的模式，而此前从未有过好结局⚖ 有争议 [26]。
波兰那项研究值得重述，恰恰因为它的设计毫不花哨。它是观察性的，没有随机化。四家中心的19名内镜医师，每人此前已完成2,000例以上结肠镜检查，在2021年9月至2022年3月期间，其所在机构引入AI辅助检出的过程受到追踪✓ 已证实 [1]。无辅助操作中的腺瘤检出从28.4%降至22.4%；辅助操作为25.3%✓ 已证实 [2]。比较发生在同一操作者、同一中心内部，从而排除了通常足以吞掉这种量级结果的多数替代解释。
被提出的机制更多与注意有关，而非记忆。当操作者与一台标示可疑病灶的系统并肩工作时，视觉搜索会逐步从穷尽式扫查转向对系统输出的确认。退化的不是关于腺瘤长什么样的知识，而是那种持续的、自主发起的搜索，正是它能找到无人指出的病灶。航空领域文献自1990年代起描述的正是同一种结构变化：从操作者转为监视者，以及随之而来的特有警觉成本◈ 有力证据 [31]。
鉴于人工智能在医学中的采用正在迅速扩散，我们的结果令人担忧。我们迫切需要更多研究。
——马尔钦·罗曼奇克，西里西亚学院，见《柳叶刀·胃肠病学与肝病学》，2025年8月航空提供了现有最长的自然实验。若无相对频繁的练习，手动操纵技能会退化到可接受表现的边缘，而空速保持是最先松动的能力之一◈ 有力证据 [31]。美国联邦航空管理局的立场是在一系列失控事件调查之后形成的：自动化要求更多训练而非更少，手动操纵能力对安全始终至关重要，飞行员应在条件合适时以人工方式飞完营运航班的相当一部分✓ 已证实 [31]。这里出现的是监管机构要求专业人员刻意拒绝一件现成工具，以保住这件工具所替代的能力。
| 风险敞口 | 严重程度 | 评估 |
|---|---|---|
| 无辅助状态下专家表现的侵蚀 | 已在唯一逐例审计自身的行业中得到验证：在每人经验超过2,000例的操作者中，接触三个月后，无辅助腺瘤检出率下降六个百分点✓ 已证实 [1]。凡是辅助持续存在、无辅助表现不被单独测量、且技能依赖持续自主搜索之处，敞口最大◈ 有力证据 [31]。 | |
| 自动化系统中手动能力的丧失 | 手动飞行若无频繁练习会迅速退化，手动经验不足已在多起失控调查中被列为促成因素◈ 有力证据 [31]。监管上的补救办法，即在正常运行中刻意人工飞行，正是明确承认：要让能力留存，就必须定期拒绝这件工具✓ 已证实 [31]。 | |
| 从未获得基线的从业者 | 迄今所有技能流失结果，涉及的都是先前已具备技能的专家。至今无人测量过一批从一开始就在持续辅助下受训的人⚖ 有争议 [1]。最接近的类比是四年级那个例外，而它指向不利方向：程序形成期间持续给予辅助，反而妨碍了该程序✓ 已证实 [13]。 | |
| 与能力脱钩的自信 | 对AI系统的信任越高，对其输出的批判性审视越少；对自身技能的信心越高，审视反而越多✓ 已证实 [6]。由于卸载还会削弱人用以判断自身水平的元认知信号，最难察觉缺口的那批人，恰恰敞口最大◈ 有力证据 [12]。 | |
| 机构层面的测量盲区 | 辅助一旦部署，几乎没有机构再去测量无辅助表现。波兰的结果之所以存在，只是因为在一项试验框架内，无辅助结肠镜检查仍在继续实施并被记录✓ 已证实 [1]。凡是反事实未被采集之处，退化就不只是未被发现，而是无从发现◈ 有力证据 [21]。 |
推广有一道硬边界，在有人把它拉长之前应当说明。迄今获得的所有技能流失结果，涉及的都是在工具到来之前就已习得技能的从业者。任何行业中，都还没有关于一批自始便在持续辅助下受训的人的公开测量⚖ 有争议 [1]。这样一批人有可能发展出另一种同样有效、围绕工具组织起来的能力；也有可能始终不曾获得那条基线，而正是靠那条基线才能识别工具的错误。两者都是假设。二者均未受检验，而真正要紧的是后者。
值得在证据之前先行监管的理由，在于后果并不对称。在教育中，退化的能力造就的是有工具尚可、没工具就不行的毕业生，而世界通常会提供工具。在医学与航空中，工具失灵与人的备份能力退化是相关事件：人被叫来的时刻，恰恰是系统停止工作的时刻◈ 有力证据 [31]。一种按闲置程度成比例衰减的冗余，不是冗余，而是被推迟的单点故障。
波兰这一发现之所以可见，只因为一份研究方案要求在辅助可用的情况下继续实施无辅助结肠镜检查✓ 已证实 [1]。试验之外，几乎没有哪种部署会保留这一对照。医院不会为审计无辅助表现而定期撤下诊断支持；学校不会为衡量设备究竟撑住了什么而在无设备条件下考核；企业不会拿员工与其部署之前的自身产出作比较。在上述每一种场景中，最廉价的干预都是继续测量无辅助情形◈ 有力证据 [21]。
医学与航空贡献的是职业规模上的原理验证。当维持技能的那项操作改由他物执行，技能便会衰退；这种衰退以月而非以十年计；并且发生在专长毫无疑问的人群之中✓ 已证实 [1][31]。两个领域都没有得出应当弃用工具的结论——辅助下的结肠镜检查比无辅助时发现更多腺瘤，这正是它被采用的原因✓ 已证实 [2]。两者得出的结论是：人的能力必须单独地、刻意地维持，逆着工具带来的便利而行。
中国教育部于2025年5月发布两份指导文件，把AI教学变为强制性的基础设施。课程自六岁起步，设定每年不少于八小时、与年龄相称的内容下限，四年级进入数据与编程，五年级抵达算法与智能体，初中则触及机器学习逻辑与虚假信息识别✓ 已证实 [27]。北京市已把该科目列为全体中小学生的必修✓ 已证实 [27]。同样这两份文件禁止小学阶段儿童独立使用生成式系统，也禁止教师以其替代核心教学✓ 已证实 [27]。
这一组合，是迄今任何国家所采取的政策中内部最为自洽的一种。它把技术当作学习对象而非学习的替代品，并把禁令恰好放在四年级计算器证据所指示的位置——被自动化的程序正在形成之时◈ 有力证据 [13]。八小时下限是否具有实质意义，禁令在与1.9亿名中小学生接触后能否守住，则是另外的问题，两者都未经评估。值得注意的是，政策结构与证据结构相互吻合，看来出自推理而非偶然。
爱沙尼亚以同等的决心下了相反的赌注。2025年9月1日启动的AI Leap计划，为2万名十年级和十一年级学生及3,000名教师提供领先AI应用的免费使用权与相应技能培训，第二批计划再增加3.8万名学生和2,000名教师✓ 已证实 [28]。该计划由政府与前沿模型开发方直接谈判达成，并明确自称是三十年前把计算机送进爱沙尼亚学校的“虎跃”(Tiger Leap)计划的后继者✓ 已证实 [28]。它瞄准的年龄段，距离四年级的危险区已相当遥远。
韩国提供了警示案例，而它更像采购失败而非教学失败。AI数字教科书于2025年上半学期试点，用于小学三、四年级的英语和数学，以及中学的英语、数学与信息科学✓ 已证实 [26]。面对教师与家长的持续反对，教育部从全国性强制转为逐校自愿采用；2025年8月4日，国会把教科书的法定定义收窄为纸质书与电子书，将使用智能信息技术的学习支持软件排除在外✓ 已证实 [26]。采用率在一个学期内从37%跌至19%✓ 已证实 [26]。
设备限制的浪潮是另一项政策，针对的是另一种机制，其证据基础虽薄却非空白。目前106个国家和美国39个州已实行限制✓ 已证实 [36]。在荷兰，全国禁令之后对317所中学的调查显示，四分之三报告注意力改善，近三分之二称校内氛围变好，三分之一报告学业成绩提升◈ 有力证据 [25]。2025年一项研究发现，教师收缴手机之处成绩更高，收益在成绩较弱的一年级学生和非理工方向学生中最大◈ 有力证据 [25]。联合国教科文组织的判断依然是：结果参差不齐，限制并不能替代教学生如何在数字环境中行走⚖ 有争议 [24]。
五种做法共同的失败是评估层面的，而非意识形态层面的。这些计划没有一项是带着预注册设计启动的，而只有那样的设计才能捕捉真正重要的效应——无辅助能力，在若干年里对照可比人群加以测量。经合组织下一轮国际学生评估的结果预计于2026年9月发布，覆盖91个国家逾76万名学生，并将首次纳入关于学生如何在学业中使用AI的证据◈ 有力证据 [34]。这是目前唯一对准该问题的大型仪器，而它是观察性的。
卸载具有适应性这一主张，依托的是本领域最坚实的一类证据：警报被历史反复证伪。文字并未败坏文明✓ 已证实 [32]。计算器在除一个年级之外的所有年级提升了数学成绩，并在所有年级改善了态度✓ 已证实 [13]。笔与键盘的结论被当作数字媒介损害编码的证据用了十年，却两度未能通过直接重复⚖ 有争议 [15][16]。谷歌效应中被引最多的实验也未能复现⚖ 有争议 [11]。一个有如此夸大记录的领域，理应为其最新主张招致怀疑。
卸载具有腐蚀性这一主张，依托的证据体量更小，识别却更清楚。卫星导航的结论带有纵向成分，也有一项经过检验的替代解释◈ 有力证据 [8]。结肠镜的结论成立于同一操作者、同一中心之内，涉及的是专家✓ 已证实 [1]。航空领域的立场是监管机构在事故调查之后得出的结论，而非实验室发现✓ 已证实 [31]。范一舟的实验在受控条件下把交付质量与知识迁移分了开来✓ 已证实 [7]。这些研究没有一项是关于自身思维的自我报告式调查，而当前令人警觉的AI文献大多正是由此构成。
调和之道，是把四年级规则加以推广。把辅助施加于使用者已经自动化的操作，代价近乎为零，甚至优于零，因为它腾出了余力用于任务的下一层级✓ 已证实 [13][14]。把辅助施加于使用者尚未自动化的操作，辅助就占据了本该形成自动化的位置✓ 已证实 [13]。把辅助持续施加于多年前已自动化的操作，就任由那份自动化消散✓ 已证实 [1][8]。同一件工具，三类人群，三种符号。
支持卸载具有适应性的论据
支持卸载具有腐蚀性的论据
当前流传的三个说法缺乏依据，应予撤回。其一，生成式AI正在可测量地降低智力：在人口层面下滑的认知序列，早在这项技术出现之前就已开始下滑✓ 已证实 [22][18]。其二，搜索引擎掏空了记忆：谷歌效应的强版本未能经受重复检验⚖ 有争议 [11]。其三，摩擦在学习中本身即有价值：当工作记忆已被占满时，合意困难的效应会减弱甚至反转⚖ 有争议 [17]。每一条都是把真实发现拉伸到其设计所能承受的范围之外。
由此得出的实务结论既窄又不起眼。在被自动化的程序尚在形成之时暂缓提供辅助，计算器文献中唯一清晰的负面结果正落在那里✓ 已证实 [13]。凡是由人充当后备的场合，都要刻意维持无辅助状态下的表现，这正是航空监管机构的结论，也是结肠镜发现所隐含的要求✓ 已证实 [31][1]。而最重要的是，继续测量无辅助情形，因为那是使效应可见的唯一观测，也是每一次部署最先停止采集的观测◈ 有力证据 [21]。
认知卸载并非只有单一效应的单一现象，这正是四十年研究看起来彼此矛盾的原因◈ 有力证据 [12]。使它们得以调和的变量，不是工具的先进程度，而是被抽走的环节相对于使用者既有能力所处的位置。抽走使用者已经自动化的环节，你腾出了余力✓ 已证实 [13]。抽走他正在自动化的环节，你阻断了自动化✓ 已证实 [13]。持续抽走多年前已自动化的环节，你任由它消散✓ 已证实 [1][8]。大语言模型是首件被广泛部署、能在同一个人身上、同一个下午同时占据这三个位置的工具。
未来五年可测量的问题已经确定。一批从一开始就在持续辅助下受训的人，究竟能否获得那条基线能力，至今没有研究考察过⚖ 有争议 [1]。数学面板中显现的保持性下滑，能否经受住并非准实验的设计⚖ 有争议 [21]。定于2026年9月发布的国际学生评估，能否在第一批带着这些日常工具应试的学生身上察觉到任何变化◈ 有力证据 [34]。以及是否会有哪一家机构，在任何地方，在不再被要求之后仍选择继续采集无辅助测量。以当前证据看，最后这一条才是真正的约束。