主要观点总结
本文探讨了过度依赖AI工具可能对批判性思维产生的负面影响。研究发现，过于信任生成式工具会减少对自己的批判性思维的使用，关键在于建立不能尽信AI的意识。文章介绍了避免认知退化的方法，如“3R原则”：强制复查、逆向训练和重构输出。
关键观点总结
关键观点1: AI工具的普及导致人们对其产生过度依赖。
研究指出，这种依赖减少了人们在使用AI工具时的批判性思维。
关键观点2: 研究聚焦生成式AI和知识工作者，参与者的研究结果表明任务类型和模型强大程度不是决定批判性思维的主要因素，而是人们对AI的信任程度。
人们过于信任AI工具，容易将其重要事务交给AI处理，不再过问。
关键观点3: 要避免认知退化，需要建立不能尽信AI的意识。
文章提出了“3R原则”：强制复查、逆向训练和重构输出，以帮助读者在日常生活中锻炼批判性思维。
正文
有没有发现，自从 AI 成了你的「智力外挂」，大脑好像开始偷偷摸鱼了？
好用是真好用，但是一昧地迷信 AI 给出的东西，就有点不太对劲了——小心呐，过于依赖 AI，是会让大脑变蠢的。
微软研究院联手剑桥大学，针对 AI 对批判性思维的影响做了一个深入研究，发现过于相信生成式工具，会减少对自己批判性思维的使用。
这一次微软把研究范围聚焦到了生成式 AI 和知识工作者身上，也就是经常用大模型工具做案头工作的一群人。
一共 319 名知识工作者，这些参与者每周至少用到一次 AI 工具，包括 ChatGPT、微软的 Copliot 和 Google 的 Gemini，总用例多达到 936 个。
现在的 GenAI 工具尤其擅长文书类任务，研究人员把这种任务分成了三大类、九小类：
这个分类基本覆盖了大多数场景，从润色邮件、总结内容、提取要点、精准查询……这些就是我用 AI 常做的事啊。
关注 AI 第一新媒体
，率先获取 AI 前沿资讯和洞察
平心而论，用 AI 本来就是为了提高效率，减少花在「脏活儿」上的时间，这无可厚非。比如有一位程序员，会用 Claude 帮忙写代码；一位外汇交易员，用 ChatGPT 生成交易策略；还有一位老师，会用 Dall-E 生成学校洗手教程的图片。
这样一来，用户自己需要做的工作，就从曾经的「零帧起手」，转变成「监督学习」。AI 负责出东西，用户来挑毛病、提意见，一轮两轮 N 轮的修改，直到满意为止。
这些事务型的任务 AI 完成起来又快又好，也就容易让人「掉以轻心」。除非是真的出现了特别离谱的结果，不然很多人都会放心把事情交给 AI。
而正是这种对 AI 的信任、对自己所选中的「虚拟工作伙伴」的认可，会让用户不愿意反思和复盘自己在工具上的使用——也很好理解，谁会轻易质疑自己的经验呢？
于是研究人员提出了这样一个问题：
在与 AI 合作完成任务的过程中，你会调用自己的批判性思维吗
？
这里所谓的「批判性」来源于英文的「critical thinking」，是对可用事实、证据、观察和论据进行分析的过程。
在这个研究里，「批判性」在这里，并非单纯地指给成品挑毛病，而是有更确切的定义：
1. 能够审视自己的需求和意图，从而确定需要 AI 参与的地方
2. 能在心中设定明确的目标
3. 通过主观标准验证信息、验收质量
这三点对应了三种批判性思维里的核心构件：
意识、动机和能力
。当没有意识、没有动机、还缺乏能力的时候，依赖 AI 无异于让自己的认知思维进一步退化。
而这次研究最重要的发现，是那个影响调用批判性思维的决定因素：
不是任务类型，也不是模型的强大程度，而是人对 AI 有多「信」
。
在强大的模型面前，每一个人都会产生自我怀疑——懂得不如它多，反应不如它快。有了 DeepSeek R1 这样的天才型选手之后，更是怀疑自己的深度思考能力也不及 AI 了。
出于对 AI 的认可，自然也就把重要的事交出去，不再过问。
依赖工具会让人变蠢，类似的说法很常见了，不是一天两天。最著名的研究，要数针对出租车司机习惯用导航之后，大脑内海马体的变化。
上个世纪 60 年代时，人们就发现海马与空间记忆密切相关。英国神经学家对伦敦的出租车司机进行了研究，发现接受培训期间，新手司机熟悉了伦敦的空间，他们的海马体明显变大。相比之下退休的司机，海马体则是在变小。
后来，又有学者直接找普通人做实验，发现在使用 GPS 时行走时，海马体不会处于活跃状态。只有自己思考路线该怎么走时，海马体才会被激活。
必须指出的是，出租车司机因为工作经验，海马体本身就异于常人，即便退化也只是回到普通人的均值，并不是恶性的萎缩、损伤。
这两个研究更多是在指出了锻炼大脑的必要性。这是一个恶性循环：
越相信工具，就会越少调用自己的判断和认知。
随着认知的退化，逐渐不具备找到错漏的能力了，只能越来越相信工具。
不过，这并不意味着要从此跟 AI 工具一刀两断，没必要。在工具越来越普及的现在，也不可能完全对 AI 避之不及。
回到刚才的「意识」「动机」和「能力」方面，只要建立不能尽信 AI 的意识，不过分放手。「3R 原则」是一个值得尝试的日常小练习：
Review 强制复查
：对 AI 返回的答案、代码、方案，进行至少两次修改，拒绝复制粘贴。
Reverse 逆向训练
：每周完成一次「0 生成纯天然」的基础任务。比如对长文章的提炼摘要、读书总结、播客总结，哪怕 AI 完成得更好，也坚持自己做一遍。可以把自己成果和 AI 的版本进行对照，这样可以观察自己的思路是否需要增补，以及 AI 容易在哪些地方出现幻觉。
Reconstruct 重构输出
：将 AI 生成的内容重新解构。用工具生成思维导图是一个常见的用法，但是思维导图是被高度提炼之后的内容，许多信息被「折叠」了。正式这些被折叠的部分，影响了认知能力的锻炼。Reconstruct 的要点在于反过来拆解 AI 的长篇大论，建立独一无二的的思维导图。
「变蠢」可能是一个略带简单粗暴的说法，但这背后隐藏着一个朴素的道理：
用进退废
。
批判性思维的减少，和对人工智能的信任有所相关，那么提高批判性思维，不如就从更相信自己开始。
