让你觉得自己很聪明，才是AI最危险的地方|人工智能|程序员|脑力

注：本文为深度完整版，精华版速览同日发布，请回查公众号！

凌晨十二点半，你躺在床上刷手机。

一条短视频跳出来："2026年必须掌握的10个AI工具，最后一个90%的人不知道。"

你点进去，看完，关注了博主，顺手买了他橱窗里的课。

399元，不算贵。

买完那一刻你感到一丝安心，好像已经把知识揣进了兜里。

然后课再也没打开过。

这样的场景每天都在几百万部手机上发生。

你不是不努力。

你只是被一种东西缠住了——认知焦虑。

怕跟不上技术，怕被AI取代，怕同龄人懂得比自己多，怕下一个被优化的就是自己。

这种焦虑真实吗？

真实。

但上一篇文章如果只告诉你"知识付费在收割焦虑""要建立认知架构"，那等于什么都没说。

这些道理你早就知道。

真正值得追问的是：为什么明明知道买课没用，还是停不下来？

为什么AI工具越用越多，你反而越觉得自己不行？

为什么那些最懂AI的人，对自己的判断反而最不准？

答案不在心理学鸡汤里，在脑电图和临床试验数据里。

焦虑不是矫情：劳动力市场的裂缝是真实的

先承认一件事：你的焦虑有充分的现实基础。

2024年2月，瑞典金融科技公司Klarna开了一场发布会，宣布他们的AI客服首月处理了230万次对话，接管三分之二的客服聊天，相当于700个全职员工的工作量，预计一年省4000万美元。

CEO当时信心爆棚，公开表示"AI已经能做人做的事"。

公司冻结招聘，员工从约5000人缩减到4000人以下。

十五个月后，同一个CEO在彭博社改了口："我们走得太远了，太看重成本，结果是质量下降。"

Klarna开始重新招人，但招回来的不是全职员工。

他们采用了一种CEO自己称为"Uber式"的用工模式：远程、按小时排班、面向学生和兼职者，专接AI搞不定的复杂case。

全职岗位被拆解成了零工。

这不是孤例。

自由职业平台Upwork的数据显示，美国约6000万人（占劳动力39%）已从事自由职业或零工，Statista预测到2027年将达到8600万，约占劳动力一半。

增长最快的不是外卖司机，是客服、文案、金融分析师、律师助理、记者、程序员等知识工作者。

中国这边，人社部2023年数据显示人工智能领域人才缺口达500万人，同期16至24岁青年失业率高达20.4%。

500万缺口和20%失业率同时存在，不是人不够，是人和岗位对不上。

智联招聘调查显示，超过50%的在职者担心现有工作被AI取代。

更反直觉的发现来自北京。

清华大学团队分析了2018至2024年近500万条招聘广告，用五个大模型评估岗位AI暴露程度，发现ChatGPT发布后，AI高暴露区域出现"高技能陷阱"：高学历人才持续涌入，但工资反而停滞。

原因是任务去技能化和劳动力拥挤叠加——AI让复杂任务变简单了，更多人能做，稀缺性和议价权同步下降。

这挑战了"技术总是偏向高技能劳动者"的传统理论。

你焦虑，不是因为你弱，是因为你脚下的地板确实在动。

但焦虑本身能帮你站稳吗？

AI抹平了邓宁-克鲁格效应：人人都觉得自己行

2025年，芬兰阿尔托大学的研究团队在《计算机与人类行为》期刊上发表了一项实验。

246名参与者用ChatGPT完成LSAT（法学院入学考试）逻辑推理题。

结果AI确实提高了成绩，平均分比无AI辅助的基准线高约3分。

但当参与者被要求评估自己的表现时，惊人的一幕出现了。

他们平均认为自己答对了17道题（满分20道），实际平均分只有13道。

AI在提升客观成绩的同时，制造了超过20%的自信泡沫。

更关键的发现是：心理学中经典的"邓宁-克鲁格效应"——能力最低者最高估自己，能力最高者反而相对准确——在AI辅助下完全消失了。

无论实际表现好坏，所有人都以几乎相同的幅度高估自己。

AI像一台"认知均衡器"，不仅拉近了表现差距，还让所有人同步陷入"自我感觉良好"。

研究团队做了第二个实验，452名参与者，这次加了金钱激励：准确预估自己分数的人有奖金。

结果一样。

哪怕有钱盯着，人们依然系统性地高估自己。

更反直觉的是：AI素养越高的人，自我评估反而越不准确。

研究者用一套专门测量非专业人士AI素养的量表（SNAIL）测试发现，技术知识越丰富、对AI批判能力越强的人，信心越高，但判断自己表现的精度越低。

熟悉AI breeds了一种虚假的掌控感——就像你读了一篇流畅的解释，会误以为自己理解了。

这不是"你不够聪明所以高估自己"的老故事。

这是一个新故事：AI切断了"表现"和"对表现的感知"之间的连接线。

以前，一个新手写的报告读起来就是新手水平，你能从产出质量反推自己的能力。

现在，新手用AI写出的报告和专家写的看起来差不多——不是因为新手能力提升了，而是因为能力有一部分储存在系统里。

你看到一份漂亮的输出，感觉是"我做的"，但你分不清哪些是你的、哪些是AI的。

这就是心理学家说的"来源监控错误"：人类很难区分自己生成的知识和来自外部的信息，尤其是当外部信息像大模型那样流畅、权威、自信的时候。

加州大学欧文分校的Steyvers团队做了另一个实验：301名参与者阅读AI给出的解释。

结果发现，更长、更详尽的解释显著提高了用户对AI答案的信心，但没有提高他们区分正确与错误答案的能力。

冗长感被大脑当成了专业性的信号。

AI不需要正确，只需要说得长、说得顺，你就会信。

而这种信心会"传染"。

Li等人的随机行为实验发现，参与者的自我信心会追踪AI表达的信心水平，即使AI被移除后，这种效应依然持续。

简单说：AI的自信会粘在你身上，甩都甩不掉。

现在回头看知识付费的逻辑，就清晰了。

你买一门AI课，学了几个prompt，让AI帮你写了一份报告，报告质量确实比以前高。

你感觉自己"掌握了AI"。

但阿尔托大学的研究告诉你：你可能只是掌握了"让AI给出像样输出"的操作，对输出背后的逻辑、对AI什么时候会犯错、对自己独立完成同一任务的能力，你一无所知。

而你对此毫无察觉。

这才是认知焦虑最深的悖论：你越用AI来缓解焦虑，AI越让你无法准确判断自己到底会不会，焦虑反而越根深蒂固。

大脑在省电：55%的神经连接消失了

如果你觉得上面的实验还只是行为层面的观察，那MIT媒体实验室的数据会让你坐直。

2025年，MIT媒体实验室的Kosmyna团队招募了54名18至39岁的参与者，用32通道脑电图（EEG）实时监测他们写作文时的大脑活动。

参与者分三组：一组用ChatGPT，一组用搜索引擎，一组纯靠大脑。

脑电数据呈现出一个明确的梯度：外部辅助越多，大脑神经连接越弱。

纯脑力组展现出最强、最广泛的神经网络连接，尤其是前额叶和顶叶区域——这些是负责执行功能、深度思考和复杂观点整合的核心脑区。

搜索引擎组的连接强度下降了34%到48%。

而LLM组的大脑连接强度降幅高达55%。

阿尔法波（与注意力控制相关）、贝塔波（与主动推理相关）、西塔波（与记忆巩固相关）的活动全面减弱。

大脑在AI辅助下直接进入了"节能模式"。

最令人不安的发现是记忆。

当研究人员要求参与者引用自己几分钟前刚"写"完的文章内容时，LLM组83%的人无法准确回忆关键论点或引用原文。

作为对比，纯脑力组只有11%出现类似记忆失败。

NLP分析还发现，LLM组生成的文章高度同质化——相似的用词、相似的句式、相似的论证结构，像是同一个模子刻出来的。

研究者把这种现象命名为"认知负债"（Cognitive Debt）。

短期来看，你用AI高效完成了任务，减少了即时认知负荷。

但长期来看，你在欠一笔债：深度编码能力、独立推理能力、持久记忆形成能力都在退化。

就像长期不运动的肌肉会萎缩，长期不进行深度认知加工的神经回路也会弱化。

更可怕的是第四轮实验。

研究者让一直用AI的人突然脱离AI独立写作，同时让一直独立写作的人首次使用AI。

结果：习惯AI的人即使被拿走工具，大脑连接依然处于抑制状态，阿尔法波和贝塔波网络投入不足，表现出一种持续的"卸载心态"。

而先用脑、后用AI的人，大脑连接反而出现了广泛的重新激活。

这个顺序很重要：先独立思考、再用AI辅助的人，大脑保持活跃；先用AI、再试图独立思考的人，大脑已经"懒得动了"。

这不是"AI用多了会变笨"的恐吓。

这是在神经层面测到的、可量化的认知投入下降。

你用AI写完一篇文章，感觉自己完成了任务，效率很高。

但脑电图显示，你的大脑在这个过程中几乎没有"发力"。

没有发力，就没有编码；没有编码，就没有记忆；没有记忆，就没有学习。

你不是在学习，你是在旁观自己的输出。

三个月，技能就开始退化

如果说MIT的实验样本量不大、还是预印本，那发表在《柳叶刀·胃肠病学与肝病学》上的研究几乎无法反驳。

2025年8月，波兰的一个多中心研究团队追踪了19名经验丰富的内镜医生。

每位医生都做过超过2000例结肠镜检查，属于资深专家。

研究测量了他们在AI辅助引入前三个月和引入后三个月的"无AI辅助腺瘤检出率"——也就是关掉AI后，他们靠自己的眼睛发现癌前息肉的能力。

引入AI前，这群专家的独立检出率是28.4%。

仅仅三个月后，同一个指标降到了22.4%。

下降了6个百分点，相对降幅超过20%，P值0.009，统计显著。

这是首个在真实临床环境中记录到AI导致"去技能化"的研究。

研究者原本预计，以这些医生的经验，AI辅助即使有影响也会很小。

结果出乎意料：仅仅三个月的常规辅助，就足以钝化他们花了整个职业生涯磨练的 pattern recognition 能力。

这不是新手的问题，是专家的问题。

这不是实验室里的游戏，是真实诊室里寻找癌症的工作。

航空业早就用生命交过这笔学费。

2013年FAA警告商业飞行员过度依赖自动化，部分人已丧失系统故障时手动接管的能力。

模拟机测试中，仪表故障时94%的飞行员注意到异常，仅56%能正确诊断问题——"觉得不对"和"知道哪里不对"之间的差距，和阿尔托大学实验中AI辅助下"感觉考了17分实际13分"的过度自信如出一辙。

导航领域同样如此，《科学报告》的纵向研究发现，越依赖GPS的人海马体空间记忆下降越显著，而海马体恰是阿尔茨海默病中最早萎缩的脑区。

回到知识工作。

微软研究院和卡内基梅隆大学在CHI 2025上发表了一项调查，覆盖319名知识工作者、936个真实任务。

结论用一句话概括："对GenAI的信心越高，批判性思维参与越少；对自己的信心越高，批判性思维参与越多。"

你越信任机器，越容易在认知上搭便车；你越信任自己，越会努力啃问题。

斯坦福大学的开发者研究则发现：使用AI辅助的程序员在五项任务中有四项写出了更不安全的代码，审计显示73%的AI生成代码包含安全漏洞，但这些程序员对自己代码安全性的信心反而更高。

GitClear对数百万行代码的分析发现，AI生成代码的" churn率"（写好两周内被废弃的比例）在2024年翻倍，形成所谓的"AI诱发技术债"。

2026年一篇发表在arXiv上的经济学论文把这种现象命名为"增强陷阱"（Augmentation Trap）。

论文区分了两种AI部署模式："绩效提取"和"技能保持"。

前者让员工在高度AI辅助下工作，短期产出上升，但员工的专业技能因废用而退化，企业实际上是在"消耗"已有技能库存而不补充。

后者虽然短期产出可能更低，但让员工保持评估、引导和纠正AI输出的练习，长期维持判断力。

论文指出，短期产出指标无法区分这两种模式——消耗技能的部署在当期数据上看起来甚至更好，因为它在吃技能存量的老本。

等你发现技能退化了，存量已经耗光。

现在把这些发现串起来：内镜医生三个月退化20%，飞行员四成无法诊断故障，程序员用AI后漏洞更多但信心更高，写作者脑连接下降55%且83%记不起自己写了什么。

知识半衰期2.5年算什么？

技能在AI辅助下以月为单位退化，而你感知不到，因为AI同时在给你注射自信麻醉剂。

2808亿的止痛药：你的焦虑是别人的营收模型

焦虑一旦普遍，就会变成市场。

艾媒咨询数据显示，2025年中国知识付费市场规模达2808.8亿元，用户超5亿。

但行业数据不太好看：用户复购率低于8%，完课率不足15%。

中国青年报的调查显示，26.96%的大学生承认"为了缓解焦虑"而购买知识付费，超过九成的人承认买的资料在"吃灰"。

这些数据上一篇文章已经列过。

但少有人追问一个更根本的问题：如果完课率只有15%，这个行业是怎么活到2800亿的？

答案藏在单位经济模型里。

行业公开数据显示，知识付费的公域单用户获客成本从2020年的约80元上涨到2026年的约153元，涨幅接近90%。

获客成本占课程定价的25%到35%。

新客户成交率不足8%，而老客户转介绍的成交率可达35%到45%，是陌生流量的5倍。

这意味着什么？

意味着低价课（199至999元）的商业模式本质上是一锤子买卖：花153块钱找到一个人，卖他一门399块的课，他不看也无所谓，因为复购本来就不指望。

行业数据显示，低客单价模式复购率约8%，而5000元以上高客单价模式的复购率可达42%以上，完课率也高出28%。

为什么？

因为花5000块买课的人是真要解决问题，他们会学完、会追问、会要求交付。

而花399块买课的人买的是"我没有放弃自己"的感觉，学不学完不重要，焦虑缓解了就行。

这就是为什么满屏都是"普通人如何抓住AI红利""三个月从入门到精通""不学你就晚了"——这些话术不是教学承诺，是情绪止痛片的广告。

它们利用FOMO（错过恐惧）和速成幻觉，让你下单时觉得在"投资自己"，但完课率15%说明大多数人买的是"我没有放弃自己"的心理安慰。

AI课程把这套逻辑推到极致。

一门AI入门课号称销售额5000万元，一门399元的AI营销课卖出7.8万件。

但博主不会告诉你：买课的钱往往不够一个月的AI工具订阅费。

豆包高级套餐连续包年5088元，腾讯云混元核心API单轮涨价463%。

课是一次性的，工具是持续收费的。

更阴的是，AI课程教你的恰好是AI最擅长替代的东西——写prompt、调参数、套模板。

你花399学会"让AI帮你写文案"，但AI下一个版本就把prompt工程自动化了。

你学的不是技能，是特定版本工具的操作手册，保质期可能只有六个月。

而MIT和阿尔托大学的研究已经证明：即使你天天在用AI"练习"，大脑也没有真正在学习——神经连接在下降，记忆编码没有发生，元认知校准被抹平。

你以为自己在"投资自己"，实际上同时做了三件事：花了钱、产生了在学习的幻觉、加速了独立思考能力的退化。

卖课的人从来不焦虑，因为他正在收割你的焦虑。

卖工具的人也不焦虑，因为你的焦虑驱动你持续订阅。

唯一焦虑的是你——既无法判断自己的真实水平，又无法停止为"提升自己"买单。

认知摩擦：在顺滑的时代主动制造阻力

说到这里，你可能觉得这篇文章在劝你别用AI。

不是。

AI是这个时代最强大的工具，不用AI的人会被用AI的人碾压，这一点毫无疑问。

问题从来不是"用不用AI"，而是"怎么用才能不让自己退化"。

前面提到的"增强陷阱"论文给出了一个关键区分：绩效提取型使用和技能保持型使用。

前者把思考完全交给AI，你只负责点头和提交；后者让AI做初稿和辅助，但你必须独立完成评估、质疑、修改和决策。

两者的区别不在产出上——短期内甚至前者更快更好——而在你的大脑有没有在过程中"发力"。

MIT的脑电图已经证明了：发力和不发力，神经连接强度差55%。

具体怎么做？

三件事。

第一，强制"解释回放"。

阿尔托大学研究者提出：接受AI答案前，用自己的话把它的逻辑复述一遍。

复述不出来，说明你没懂，只是AI的流畅表达让你产生了"懂了"的错觉。

认知科学反复验证，被动阅读的记忆留存率只有5%到10%，主动提取信息（自测、向别人解释）的留存率可达50%以上。

每次AI给出答案后，关掉窗口，在纸上写下它的核心论点，再回头对照。

写不出来的地方，就是你以为懂了但其实没懂的地方。

第二，定期"无AI练习"。

《柳叶刀》研究的隐含推论很清楚：即使是专家，三个月不独立操作，技能也退化20%。

对抗方法是定期安排无AI时段——写重要邮件先自己打草稿再让AI润色，分析问题先独立列框架再看AI建议，写代码先自己写核心逻辑再让AI补全边缘。

MIT第四轮实验发现关键顺序效应：先独立思考再用AI的人，大脑保持活跃；先用AI再独立的人，大脑已经"懒了"。

先自己做再让AI帮，AI是放大器；先让AI做再自己改，你只是信心虚高的校对员。

第三，用"产出检验"代替"输入检验"。

知识付费给你的幻觉是"学了=会了"，但MIT实验显示83%的人连自己刚写的东西都记不住。

唯一可靠的检验标准是：关掉AI，你能不能独立做出一个东西来？

不是"能不能让AI做"，是"你自己能不能做"。

学一个新技能，找真实问题去解决，而不是找一门课去听。

斯坦福追踪研究显示，熟练将AI融入工作流的人年均产出提升30%到50%——关键词是"融入工作流"，不是"学完课程"。

你不需要做第一个上船的人。

2007年iPhone发布时有人喊"不学App开发就晚了"，移动互联网真正爆发是五年后；2016年AlphaGo赢棋时有人喊"不学AI就晚了"，ChatGPT影响普通人是七年后。

每一次技术浪潮都比你以为的慢，也比你以为的长。

你需要的不是追每一朵浪，是确保浪来时还站在冲浪板上——这块板就是你没有外包给AI的判断力。

最后的话

认知焦虑不是你的错。

它是劳动力市场结构重组、AI元认知干扰、知识付费商业模式三股力量拧成的绳。

但你的大脑确实在省电，你的技能确实在退化，而你对此毫无察觉——这才是焦虑背后真正的危机。

对抗焦虑的方式不是买更多课，是主动制造认知摩擦。

先自己想，再让AI帮；先独立做，再用工具放大；先合上书复述，再确认自己懂了。

AI可以是你的外脑，但不能替你活着。

参考文献

Kosmyna N, et al.：Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task, MIT Media Lab

Fernandes D, et al.：AI Makes You Smarter, But None The Wiser: The Disconnect Between Performance and Metacognition, Computers in Human Behavior, Aalto University

Budzyń A, et al.：The effect of artificial intelligence assistance on the adenoma detection rate during colonoscopy, The Lancet Gastroenterology & Hepatology