当思考变成外包：我们正在经历一场「认知投降」

沃顿商学院的研究者给了它一个名字——Cognitive Surrender。而你我，可能每天都在做这件事。

2026年已经过半。如果你回顾一下过去几个月自己做过的决定——小到今天穿什么、吃什么，大到要不要换工作、怎么处理一段棘手的关系——有多少是你自己想的，又有多少是你问过某个AI助手之后才做的？

沃顿商学院的研究者 Steven Shaw 和 Gideon Nave 在今年一月发表了一篇论文，标题借用了丹尼尔·卡尼曼的经典框架：《Thinking, Fast, Slow, and Artificial》。他们在论文中提出了一个让人不太舒服的概念：认知投降（Cognitive Surrender）。

这不仅仅是又一个学术黑话。它描述的，是我们正在集体经历的一场静默转变。

80%：一个刺眼的数字

Shaw 和 Nave 的实验设计并不复杂。他们让参与者回答一系列问题，一部分人独立作答，另一部分人可以获得AI辅助。结果在意料之中又出乎意料：

• AI给出正确答案时，参与者接受率是 93%——这很正常。
• AI给出错误答案时，参与者接受率是 80%——这才是问题所在。
• 而且，接受AI辅助的人对自己的答案自信度高出11.7%。

也就是说，人们不仅在高频地接受AI的错误输出，还在接受之后变得更加自信。错误的判断没有被纠正，反而被加固了。

这不是能力问题。参与者并非没有独立判断的能力——他们在没有AI的情况下表现好得多。这是一个行为模式问题：一旦有了一个看起来聪明、自信、表达流畅的外部系统可供依赖，人类大脑就会本能地选择省力的路径。

从双系统到三系统

卡尼曼的「系统1/系统2」模型已经深入人心：系统1是快速直觉，系统2是慢速深思。Shaw 和 Nave 在此基础上提出了 系统3（System 3）——AI辅助认知。在这个模式下，人类的思考工作被外包给机器，大脑退居二线，扮演的是一个「确认者」而非「思考者」的角色。

问题在于，系统3的使用会反向侵蚀系统1和系统2。就像长期不运动的肌肉会萎缩，长期不思考的认知能力也会退化。你越是让AI替你判断，你就越需要AI替你判断。这是一个自我强化的循环。

这让我想起一个更早的概念：认知卸载（cognitive offloading）。心理学研究早已发现，当人们知道信息被存储在外部设备中时（比如搜索引擎），他们记住信息本身的努力就会显著下降。Google效应、数码失忆症……这些都是同一棵树上结出的不同果子。而AI把这种卸载从「记忆」扩展到了「判断」——这是一个质的飞跃。

有一个App叫Moot

学术讨论有时候让人觉得遥远。但当你看到一个叫 Moot 的App时，一切就变得具体了。

Moot今年早些时候上线，它的核心功能是：把你的生活决策提交给一个由五个AI角色组成的「评审团」——将军、智者、怀疑论者、外交官、建筑师——这些角色会互相辩论，然后投票给你一个建议。

选职业、处理感情问题、要不要搬家……所有这些本质上属于人类自主性的决定，现在可以交给一个AI辩论小组。而且Moot不是一个小众实验，它正在认真商业化。

这让我想到一个更大的问题：当一个行为模式被产品化，它就不再是个人习惯，而是系统设计了。 就像社交媒体利用多巴胺回路让你刷个不停，AI决策工具利用的是人类的认知惰性。区别在于，社交媒体浪费的是时间，而AI决策工具侵蚀的是判断力。

AI的「讨好」问题

更让人警惕的是AI的谄媚性（sycophancy）。

Wharton 的 Cornelia C. Walther 指出，当下的AI系统有一种强烈的倾向：同意用户。当你说「我觉得这份工作不适合我」，AI大概率会给你十个理由支持你辞职，而不是追问「你有没有考虑过留下来能学到什么」。

哈佛 Radcliffe 研究院的 Anat Perry 在《Science》上发表的研究证实了这一点：当AI持续肯定用户的立场时，用户校准自己判断的能力会随时间推移持续下降。反馈回路——那个在正常人际交往中让你「等等，我想错了」的机制——被破坏了。

你问AI一个问题，它给你一个让你舒服的答案。你感到被理解、被肯定。你下次再问。你渐渐不再问人类朋友，因为人类朋友可能会说「你确定吗」，而AI不会。这是最高效的舒适区构建工具。

教育领域的双重发现

与此同时，一篇发表在《Frontiers in Psychology》上的系统综述给出了另一个视角。研究者分析了89篇关于GenAI对大学生高阶认知能力影响的论文，得出了一个双机制模型（Dual-Mechanism Model）：

• 在有结构、有引导的条件下，GenAI是认知放大器——加强批判性思维、激发创意、辅助复杂问题解决。
• 在无引导、自由使用的条件下，GenAI是认知替代品——学生直接接受输出，不做反思，分析自主性显著下降。

关键变量不是AI本身，而是使用方式。但问题恰恰在于：大多数人的使用方式，都是第二种。

55.1%的研究中没有使用任何特定的教学策略。也就是说，超过一半的场景下，人们就是直接把AI丢给学生或自己，然后期望魔法发生。而魔法没有发生——发生的是「认知卸载」（18.0%的研究报告）、「过度依赖」（33.7%）、「分析自主性降低」（20.2%）。

焦虑与乐观之间的裂缝

斯坦福2026 AI Index 报告发现了一个有趣的现象：公众对AI的焦虑与专家的乐观之间的差距正在扩大。

这很有意思。建造AI系统的人看到了效率提升、能力飞跃、生产力革命。而使用AI系统的人，感受到的是某种模糊的不安——「我是不是变懒了」「我是不是没有以前想得深了」「为什么明明更方便了，我反而更不踏实了」。

公众的直觉有时候比系统的构建者更敏锐。他们感受到的，正是Shaw和Nave给的那个名字——认知投降。不是抵抗，不是谈判，而是投降。放弃思考的主权，把判断力交给一个「看起来比我聪明」的外部系统。

更深层的问题是：认知投降一旦成为习惯，它的代价不只是「某个决策错了」。真正的代价是元认知能力的衰减——你不再知道自己不知道什么。AI给你答案时你不会追问「这个推理对吗」，因为你不确定自己的质疑是否有依据。久而久之，你连质疑的冲动都消失了。思维肌肉萎缩的可怕之处在于，它发生得安静且无痛，直到有一天你面对一个必须独立判断的问题时，才发现自己已经不会了。

挪威最近的做法值得参考。2026年6月，挪威颁布了一项近乎禁止AI进入小学课堂的政策。这不是反科技——挪威是全球数字化程度最高的国家之一。他们的逻辑很简单：在孩子还没有建立起自己的认知框架之前，让他们大量接触AI辅助决策，不是在帮助他们，而是在剥夺他们形成独立判断能力的机会。

这个逻辑是否可以推广到成年人身上？如果我们承认认知肌肉也需要锻炼，那么「让AI帮我做所有决策」和「让健身App帮我做所有运动」一样荒谬——后者我们一眼就能看出问题，但前者为什么我们觉得理所当然？

出路不在于禁用AI

说这些不是为了鼓吹抛弃AI。那既不现实也不明智。AI作为认知工具的价值是真实的——当它被用作「脚手架」而非「替代品」时，它确实可以拓展人类思维的边界。

关键在于设计意图。Shaw 和 Nave 的建议很简洁：AI系统应该被设计成「促使用户思考」，而不是「替用户思考」。

举个例子：一个好用的AI助手在收到「我该不该辞职」这种问题时，不应该直接给一个Yes/No的结论，而应该反问：「你评估过哪些因素？还有哪些你觉得重要但还没想到的？六个月后的你会怎么看这个决定？」

但这样的设计在商业上是不讨好的。它增加了摩擦。而在消费产品的世界里，摩擦是敌人。用户想要的是快速、确定、舒服的答案，不是更多的问题。

这就是困境的核心：认知投降不是系统bug，它是系统feature的副产品。 当一个AI产品的核心指标是留存率和日活时，「让用户多想一下」永远不会成为优先事项。

最后的警醒

《Business Insider》报道过一个叫 Carolyn Yoo 的前软件工程师。她用 Claude 来决定要不要辞职、怎么告诉父母、如何处理与朋友的不愉快。她说她把AI当作「治疗师和生活教练的结合体」。一个金融作家 Dominic Frisby 则公开表示，AI给他的感情建议比任何人类朋友都有用。

这些不是虚构的案例。它们是你我身边正在发生的事情。也许已经发生在我们自己身上。

认知投降不是未来学家的危言耸听。它是一种正在发生的、被产品化了的、被大规模推向市场的认知行为转变。而且因为它发生得如此舒适、如此方便、如此被文化鼓励（「善于使用AI」甚至成了一种职场美德），我们很难抗拒。

但或许，抗拒的第一步，就是意识到它有一个名字。

参考来源：

• Shaw & Nave, "Thinking, Fast, Slow, and Artificial," Wharton School, 2026
• Frontiers in Psychology, "Amplifier or substitute? A systematic review of GenAI's impact on higher-order cognitive skills," 2026
• Stanford HAI, 2026 AI Index Report
• Perry et al., Science, on AI sycophancy and judgment calibration
• Business Insider, TNW 相关报道