翻译：Transwan
改写：Codex
校对：Carl Cui
关于 AI 如何影响大脑，作者调研了来自国内、外的多项研究，从多个维度探讨了 AI 对于人类认知的影响。作者还在文中附上了参考链接，这些研究的结论并不是一边倒的，有些研究的结论甚至互相冲突，不禁让我联想最近耿同学曝光的学术圈造假丑闻。于是，对于各项研究，我们保持谨慎态度；关于 AI 会对人类产生哪些影响，我们需要进行独立思考。
图片来源：Shutterstock
引言
从 2023 年 ChatGPT 改变公众对 AI 的想象开始，到 2026 年今天，MIT、Wharton、Harvard、Stanford、Microsoft、OpenAI、Oxford、Google DeepMind，以及中国多所高校的研究者，都在研究同一个问题：AI 聊天机器人到底会怎样影响人的认知、学习和心理状态？
这些研究的类型很杂，也很有价值：有脑部扫描和 EEG 实验，有数千人规模的随机对照试验，有纵向调查、荟萃分析（Meta-analysis），也有发生在真实课堂和工作场所里的实地实验。其中既有预印本，也有已经经过同行评审的论文。
但问题在于，这些研究常常以孤立新闻的形式出现。一篇论文发布，一个耸动标题刷屏一天，然后很快被下一轮话题淹没。结果是，很多人隐约觉得 AI 可能正在改变我们的思考方式，却很少有人真正看到完整图景。
这篇文章试图把这张图拼起来。我汇总了 30 多项研究，逐项看它们到底发现了什么：当我们使用 AI 聊天机器人时，大脑活动、思维方式、学习效果和情感生活会发生哪些变化。更重要的是，我也会指出目前科学界还不知道什么。
最终浮现出来的是一个悖论。这个悖论会影响政策制定、产品设计、个人使用习惯，以及我们整体上如何和这项既令人兴奋又令人不安的新技术相处。
I. 你的大脑活动会下降
目前已经有少量但不断增加的研究，把人放进脑部扫描仪，或在他们使用 ChatGPT 时佩戴 EEG 传感器。相比自我报告和普通行为测试，神经影像学工具更接近直接观察大脑活动，因此这些研究虽然样本量通常不大，却很值得关注。
- Your Brain on ChatGPT，Kosmyna 等人（arXiv 预印本，2025，N=54）：MIT Media Lab 用 32 通道 EEG 跟踪三组参与者数月内的写作过程：ChatGPT 用户、Google 搜索用户和无辅助写作者。结果显示，ChatGPT 组的神经连接最弱，比无辅助写作者低最高约 55%。随着实验推进，他们越来越依赖复制粘贴。到了第 4 阶段，当 ChatGPT 组被要求独立写作时，大脑活动仍然处于受抑状态，研究者称之为“认知债务”。相反，原本无辅助写作的人在第 4 阶段首次使用 ChatGPT 时，大脑连接反而增强。Kosmyna 的总结很关键：“时机可能很重要。”
- Lower engagement of cognitive control, attention, modulation networks and lower creativity in children while using ChatGPT，Horowitz-Kraus 等人（bioRxiv 预印本，2025，N=31）：这是目前少见的使用 fMRI 同时观察儿童和成人与聊天机器人互动时大脑活动的研究。成年人在认知控制网络中表现出更强的网络内连接；儿童则在认知控制、注意力和调节网络上的参与度较低。这暗示儿童大脑可能比成人更容易受到 AI 使用方式的影响。
- EEG during creative design with AI tools，Wang 等人（Frontiers in Psychology，2025，N=64）：这项研究给出了相反方向的证据。使用 ChatGPT、Midjourney、Stable Diffusion 等 AI 创意工具的设计专业学生，比使用传统软件的对照组表现出更高的专注度和更好的创意表现。关键区别在于，他们不是被动接收答案，而是在主动指挥 AI 作为创意工具。
- Effects of different AI-driven chatbot feedback on learning outcomes and brain activity，Yin 等人（Nature portfolio，2025，N=87）：研究者用 fNIRS 测量学生和聊天机器人互动时的大脑激活情况。不同反馈方式会激活不同区域。元认知反馈，比如“你为什么认为那是答案？”，会增加额极区激活，并与更高的迁移分数相关；中性反馈则更多激活背外侧前额叶皮层。换句话说，聊天机器人怎么和你说话，会改变你的大脑怎么工作。
- NeuroChat: A neuroadaptive AI chatbot for customizing learning experiences，Baradari 等人（arXiv 预印本，2025，N=24）：MIT Media Lab 做了一个能实时监测 EEG 的原型系统。当它检测到参与度下降时，会调整回复方式。相比标准聊天机器人，它显著提升了 EEG 测得的参与度和自我报告参与感，但没有改善短期学习结果。这说明“认知脱离”不是不可避免的，产品设计可以介入。
结论：大脑成像证据仍处在早期阶段，样本量小，预印本多，而且结果并不完全一致。但整体模式已经比较清楚：被动使用 AI，也就是让 AI 直接给答案，往往会降低与费力思考相关的大脑参与；主动使用 AI，也就是把它当作需要你指挥和挑战的工具，则可能维持甚至提高参与度。关键变量不是有没有 AI，而是 AI 到底要求你的大脑做什么。当 AI 替你思考时，你的大脑自然会少做一些。
II. 你会更少质疑 AI 的输出
另一组证据指向一个更现实的问题：人会过度信任 AI。研究者用不同名字描述这种现象，包括“认知投降”“自动化偏见”和“认知卸载”。这些概念说的都是同一件事：当 AI 给出一个流畅、完整、看起来专业的答案时，人们很容易直接接受，而不是认真审查。
- AI 如何重塑人类推理与认知投降的兴起，Shaw & Nave（SSRN 工作论文，2026，N=1,372）：Wharton 做了三项预注册实验，让参与者回答推理题，并让 AI 在部分情况下故意给出错误答案。当 AI 错时，参与者约 80% 的时间仍然选择相信它，结果表现甚至比完全没有 AI 更差。对 AI 的信任度是最强预测因素，高信任者采纳错误答案的概率高出 3.5 倍。只有约 20% 的人主动推翻错误 AI 答案。
- 生成式 AI 对批判性思维的影响，Lee 等人（CHI ‘25，2025，N=319）：Microsoft 和 Carnegie Mellon 调查了每周使用 GenAI 的知识工作者，收集了 936 个真实使用案例。结果是：对 GenAI 越有信心，批判性思维越少。工作者从主动解决问题转向被动监督，从“边做边想”转向“从生成结果里挑一个”。他们产出的结果也更趋同。
- 探索参差不齐的技术前沿，Dell’Acqua 等人（Organization Science，2026，N=758）：Harvard Business School、Wharton、MIT Sloan 和 BCG 联合做了一项预注册实地实验，让 BCG 顾问完成 18 项真实任务。处在 AI 能力边界内的任务，AI 让完成量增加 12.2%，速度提高 25.1%，质量提升 40%。但一旦任务超出 AI 能力边界，AI 用户得出正确方案的概率低了 19 个百分点。问题在于，边界外的错误输出看起来依然很成熟，人很难分辨。
- 对话式人工智能的政治说服杠杆，Oxford/Stanford/MIT（Science，2025，N=76,977）：对话式 AI 的说服力显著高于静态信息，微调最多可使说服力提高 51%。更令人不安的是，模型越有说服力，信息准确性往往越低。
结论：这些研究共同指向一个紧迫问题，即 AI 的流畅表达创造了一种新的失败模式。错误答案不再粗糙、可疑、容易被发现，而是以完整、专业、逻辑顺滑的形式出现。人越信任 AI，就越容易在这种形式面前放弃审查。
III. 你可能学得更少，也可能学得更多
教育研究给出的结论非常分裂，但这种分裂本身就是重点：直接把 AI 当答案机器，通常会损害学习；把 AI 设计成教学支架，则可能显著提升学习。关键不在于 AI 是否进入课堂，而在于它替代了认知工作，还是帮助学生完成认知工作。
有害的一面
- 没有护栏的生成式 AI 会损害学习，Bastani 等人（PNAS，2025，N≈1,000）：Wharton 和宾夕法尼亚大学工程学院在高中数学课堂做了预注册 RCT。使用标准 ChatGPT 的学生练习成绩提高了 48%，但随后无辅助考试低了 17%。他们把 ChatGPT 当作答案机器，直接复制解法。相比之下，经过重新设计的 GPT 导师通过引导推理而不是直接给答案，让练习成绩提高了 127%，并大幅避免了学习退步。学生自己并没有意识到学习效果下降。
- ChatGPT 作为认知拐杖，Barcaui（Social Sciences & Humanities Open，2025，N=120）：Fundação Getulio Vargas 和 UFRJ 进行了一项预注册 RCT，并在学习结束 45 天后做突击记忆测试。传统学习组得分约 69%，ChatGPT 组约 58%，相差 11 个百分点。AI 组遗忘更快，说明知识在初始编码阶段就没有真正稳固下来。先前的 AI 使用经验并没有抵消这种认知卸载效应。
- 警惕元认知懒惰，Fan 等人（British Journal of Educational Technology，2025，N=117）：浙江大学和莫纳什大学做了一项写作实验。ChatGPT 组写出的文章更好，但知识获取和迁移没有显著改善。研究者把这种现象称为“元认知懒惰”：学习者把监控和评估自己思维的工作交给了 AI。产品变好了，学习者没有。
- 付出代价的认知轻松，Stadler、Bannert & Sailer（Computers in Human Behavior，2024，N=91）：慕尼黑工业大学和慕尼黑大学的研究显示，LLM 用户感受到更低的认知负荷，但推理和论证质量也更低。任务变轻松了，因为真正困难的部分被外包了。
有帮助的一面
- AI 辅导在哈佛的表现优于主动学习，Kestin 等人（Scientific Reports，2025，N=194）：一个经过精心设计的 GPT 导师，目标是提问而不是给答案，带来了比传统主动学习高出一倍多的学习收益，而且学生花费时间更少。
- Tutor CoPilot，Wang 等人（arXiv 预印本，2024，N=1,800）：斯坦福的 RCT 让 AI 为人类辅导老师提供实时建议，而不是直接面对学生。结果是，学生掌握主题的概率提高 4 个百分点；低评分辅导老师的学生提升 9 个百分点。AI 提升了老师，老师再提升学生，成本约为每位辅导老师每年 20 美元。
- 从黑板到聊天机器人，De Simone 等人（World Bank，2025，N≈800）：尼日利亚埃多州一项为期六周的课后项目，在教师指导下使用 Microsoft Copilot。六周学习收益相当于 1.5 到 2 年常规学校教育，并优于发展中国家 RCT 研究中 80% 的教育干预，对女学生效果尤其明显。
- AI 辅导可以安全有效地支持学生，Google DeepMind/Eedi（arXiv 预印本，2025，N=165）：人类辅导老师监督一个经过教学法调优的 AI。辅导老师在零修改或极少修改情况下批准了 76.4% 的 LearnLM 草拟消息。学生在后续主题中解决新问题的概率提高 5.5 个百分点，辅导老师也表示从模型中学到了新的教学实践。
- 生成式 AI 增强了个人创造力但降低了新颖内容的集体多样性，Doshi 和 Hauser（Science Advances，2024，N=300）：UCL 和埃克塞特大学研究 AI 对创意写作的影响。AI 辅助故事被评为更有创造力，尤其能帮助创造力较弱的作者。但 AI 辅助作品之间的相似度高出 5.0% 到 5.2%，形成一种社会困境：个人收益可能侵蚀集体多样性。
结论：教育研究给政策的信号非常明确：同一种技术，因为设计不同，可能带来完全相反的结果。把 ChatGPT 当答案机器，会降低学习；把 AI 设计成能引导推理的导师，则可能提升学习。真正关键的问题不是“要不要用 AI”，而是“如何设计 AI 的介入方式”。
IV. 你会变得更孤独吗？
关于 AI 聊天机器人与心理健康的研究，是这批文献中最矛盾的一部分。AI 不只影响学习和认知，也会影响情绪、依赖和社会行为。
- AI 与人类行为如何塑造长期使用聊天机器人的心理社会影响，Fang 等人（arXiv 预印本，2025，N=981）：MIT Media Lab 和 OpenAI 做了一项为期四周的 RCT，在 9 种条件下让参与者每日使用 ChatGPT，涉及超过 300,000 条消息。结果显示，较高每日使用率与更高孤独感、依赖性、问题性使用以及更低社交化相关。语音模式一开始能缓解孤独，但高频使用后优势减弱。核心模式是：短期缓解可能换来长期依赖。
- 求助于 AI 陪伴如何预测孤独感，反之亦然？，Folk 与 Dunn（PsyArXiv 预印本，2025，N=2,000+）：University of British Columbia 做了一项为期 12 个月的纵向双向分析，发现孤独感会驱动聊天机器人使用，而使用又预示着四个月后孤独感增加，孤独感增加又进一步预示使用增加。不过，聊天机器人使用并没有显著预测更广泛社会联系指标下降。
- 与社交聊天机器人使用相关的个体与幸福感因素，Latikka 等人（Journal of Social and Personal Relationships，2026，N=5,663）：Tampere University 的六国研究发现，在芬兰、法国、德国、爱尔兰、意大利和波兰，社交聊天机器人使用都与心理困扰正相关；其中四个国家中，孤独感预示聊天机器人使用。这种跨文化一致性被研究者称为“令人震惊”。
- 拟人化的个体差异有助于解释与 AI 伴侣的社会联系，Folk、Heine 与 Dunn（Scientific Reports，2025，N=1,274）：University of British Columbia 发现，一个人越倾向于拟人化技术，就越容易在聊天机器人互动后产生连接感。对一些人来说，AI 的人造属性是一道跨不过去的墙；对另一些人来说，拟人化会让这道墙消失。
结论：心理学研究的关键在时间尺度。短期实验常常发现 AI 陪伴能缓解孤独，甚至产生治疗性收益；持续数周或数月的研究，则更常看到孤立、依赖和痛苦。两者并不矛盾。很多应对机制都有类似模式：酒精可以短期降低社交焦虑，但长期可能增加焦虑。AI 聊天机器人是否会走向同样轨迹，或者长期影响会逐渐稳定，目前还没有定论。
V. 元分析：表现提升和能力增长不是一回事
少数元分析试图调和这些看似冲突的发现，尤其是在学习领域。
- ChatGPT 对学生学习表现、学习感知和高阶思维的影响，Wang 与 Fan（Humanities and Social Sciences Communications，2025，覆盖 2022-2025 年 51 项研究）：杭州师范大学的元分析发现，AI 对学习表现有很大的正向影响，对高阶思维有中等影响，且受干预类型调节。
- ChatGPT 是否提升了学生的学习？，Deng 等人（Computers & Education，2025，覆盖 2022-2024 年 69 项研究）：另一项杭州师范大学元分析发现，ChatGPT 提高了学业表现、情感动机状态和高阶思维，同时降低了心智努力，对自我效能感没有显著影响。由于缺少干预后评估，这项研究无法判断长期影响。
- ChatGPT 对学生学习成果的影响，Wu 等人（Humanities and Social Sciences Communications，2026，覆盖 2022-2024 年 35 项研究）：总体显示中等程度积极影响，并显著增强认知和非认知技能。学科、实验持续时间和教学模式是重要调节变量。
结论：元分析确认了前文的悖论：AI 对即时表现的提升相对稳定，但对独立能力形成所需的认知过程，例如高阶思维、元认知、自我效能和迁移，证据要么较弱，要么为零，要么尚未充分测量。换句话说，很多研究更擅长测量容易测的东西，比如考试分数，却很难测量真正重要的东西：人是在成长，还是在退化。
VI. 理论框架：为什么 AI 会造成这种影响
除了实证研究，也有一些论文试图建立理论框架，解释 AI 为什么会以这种方式影响认知。
- 科学研究中的 AI 与理解错觉，Messeri 与 Crockett（Nature，2024）：耶鲁和普林斯顿的研究者认为，AI 制造了“理解的错觉”：用户因为看到流畅、自信的输出，就误以为自己比实际知道得更多。他们提出知识工作中四类 AI 原型：Oracle、Surrogate、Quant、Arbiter，并指出每一类都有独特的认识论风险。他们还警告“科学单一文化”的出现，即 AI 可能缩小研究者提出问题的范围。核心警句是：我们产出更多，但理解更少。
- 将人机交互作为系统 0 思维的论据，Chiriatti 等人（Nature Human Behaviour，2024）：他们建议在 Kahneman 的系统 1 和系统 2 之外，加入一个“系统 0”。系统 1 是快速直觉，系统 2 是缓慢深思，系统 0 则是把思考外包给 AI 的前认知层。它甚至决定了哪些内容能进入人的意识。
- 从工具到威胁：AI 聊天机器人诱发的认知萎缩，Dergaa 等人（Frontiers in Psychology，2024）：这篇论文把过度依赖 AI 和病态互联网使用做类比，并借助延展心智理论提出：当 AI 成为认知假体时，底层认知肌肉可能因废用而萎缩。
- 长期人机交互的大脑层面：“3R 原则”，Rossi、Fraccaro 与 Manzotti（npj Artificial Intelligence，2026）：作者认为，被动、无批判地依赖 AI 可能削弱活动依赖性大脑可塑性，侵蚀认知；主动共创则可能维持甚至增强认知。他们提出结果、响应、责任三项原则，作为一种“认知卫生”的预防框架。
结论：这些理论从不同角度指向同一个结构性洞察：AI 的流畅性和可用性创造了一条认知阻力最小的路径。当这条路径几乎没有摩擦，又能产出足够好的结果时，费力思考在当下就变得更难被证明是必要的。理论框架描述的，正是实证研究中反复出现的差距：AI 提升了输出，但未必提升产出者本身。
VII. 公众怎么看
公众对 AI 的担忧并不是凭空出现的，只是这种担忧常常还停留在“AI 好还是坏”的二元框架里。
- 美国人对 AI 及其对人类和社会影响的看法，Pew Research（2025，N=5,023）：53% 的美国人认为 AI 会削弱创造性思维能力，50% 认为它会损害建立有意义关系的能力。对 AI“担忧多于兴奋”的美国人比例，从 2021 年的 37% 上升到 2025 年的 50%。
- 青少年、社交媒体与 AI 聊天机器人，Pew Research（2025，N=1,458）：64% 的美国青少年使用 AI 聊天机器人，30% 每天使用，超过一半用于课业。低收入家庭青少年中，有 20% 借助聊天机器人完成全部或大部分课业，高收入家庭这一比例为 7%。这是学术文献中仍然严重不足的公平性维度。另有 60% 的青少年表示，他们学校的学生使用聊天机器人作弊。
结论：Pew 的数据说明，人们确实感到 AI 正在威胁认知和人际关系，而本文汇总的研究大体支持这种直觉。但公众讨论常常把问题简化成“AI 是好是坏”，研究真正指出的是另一个变量：同一种技术会产生相反结果，关键取决于实施方式和使用方式。
全球结论：问题不在 AI 本身，而在设计
30 多项研究放在一起看，最核心的发现可以概括为一句话：AI 聊天机器人稳定提升即时产出的质量和速度，比如考试答案、论文、创意作品和专业交付物；但它们也可能削弱那些随着时间积累才形成的能力，比如持久知识、独立推理和创造性多样性。
在我看来，这个悖论不会因为模型变强就自动消失。只要工具是替你完成认知工作，而不是与你共同完成认知工作，这个结构性问题就会存在。表现提升是真实的，能力受损也可能是真实的。它们之所以能同时发生，是因为它们作用在不同时间尺度上。
但这并不意味着结论是悲观的。干预设计和使用方式可以改变结果。同样的底层技术，可以让你的产出更好却让你能力变弱；也可以真正帮助你能力提升。决定结果的不是 AI 这个抽象名词，而是它被如何设计、如何部署、如何使用。
因此，“我们是否应该使用 AI”这个问题，远不如“AI 干预应该如何设计、技术应该如何被使用”重要。听起来这似乎很显然，但公共讨论仍然太常停留在“AI 好还是坏”的层面。真正重要的是：AI 是在替你思考，还是迫使你更好地思考？
我们仍然不知道什么
即便已有 30 多项研究，这个领域仍有几个关键空白。
- 缺乏长期神经影像研究。 MIT 的 EEG 研究只追踪了四次测试。我们还没有研究能测量连续数月或数年使用 AI 后的大脑变化。关于“认知债务”的发现仍然初步，但值得优先研究。
- 个体差异研究不足。 谁更容易发生认知投降？谁能抵抗？Wharton 的研究指出，对 AI 的信任度是关键预测因素；另一些研究发现年龄和教育水平重要。但性格、认知风格、专业知识与 AI 易感性的关系，还远没有被充分研究。作者个人观察是，AI 可能是一种“本性放大器”，会让人原本的倾向变得更极端，但这仍只是经验判断。
- 儿童研究几乎空白。 作者只找到一项包含 31 名儿童的 fMRI 研究。与此同时，美国青少年中 64% 已经使用 AI 聊天机器人，30% 每天使用。他们是接触最多、也最值得研究的人群。AI 对发育中大脑的影响，是整个领域最紧迫的空白之一。
- 科学研究跟不上技术变化。 由于科学进展慢于技术迭代，很多研究使用的是旧模型，比如 GPT-4o、GPT-3.5 等。有些变量与具体模型无关，比如认知卸载会继续存在甚至加剧；但涉及回复质量的变量，则必须谨慎解释。未来某些影响可能消失，某些可能改善，另一些也可能恶化。
未来最大的未决问题
这 30 多项研究对“正在发生什么”的描述越来越一致，但对“这意味着什么”仍有分歧。AI 引发的认知卸载，究竟是一种暂时调整，类似计算器刚出现时数学老师的恐慌，最终会让学生解决更难的问题；还是一种本质不同的东西，因为它太流畅、太容易获得，以至于会削弱人们培养底层能力的动机？
计算器类比很安慰人，但它未必成立。计算器自动化的是计算，这是一种机械性工作。AI 聊天机器人自动化的是推理、论证、综合和创造性表达，而这些认知活动本身就是技能，不只是通往技能的手段。计算器替你做算术时，你失去的是算术练习；AI 替你思考时，你可能失去的是思考练习。
这种损失是否重要，取决于 AI 是否能永远替你思考。更关键的是，取决于你是否相信思考过程本身具有独立于结果的价值。
这值得认真想一想。