新书认为重度使用会伤思考

这本书这个月出版，论点是他自己的

麻省理工学院新闻稿写，斯隆商学院 Eric So 的新书 The Collision: What AI Does to Us 这个月由 W.W. Norton 出版。图片说明写的是这个星期。两处都没有更细的日期。So 是该院全球经济学与行为科学的 Sloan Distinguished Professor。

新闻稿写，他承认模型能让一些工作更快，有些也变成了专门工具，但他关注的是用得太宽的代价。他主张，重度使用会造成一种认知萎缩：人不再发展和保住基本的思考能力。新闻稿接着说，他认为证据表明，和材料较劲、经历一开始的失败并反复修改，学习会明显更好，也能记住更多。稿里没有给出这种“明显更好”的效应量。

大约一半，指的是新闻稿转述的一项研究

这些结论，新闻稿写，来自 So 和其他人在学界、业界的近期研究，也包括人工智能公司自己的分析。其中一项 Anthropic 研究，新闻稿写，大学生的提问里大约一半是低努力、只要简单答案的提问。这里没有重读那项研究的样本和问法。So 还讲了自己的一次经历：同事来问问题，他写了半句，就让 ChatGPT 把剩下的话说得更专业，改了几个字就发出去，随后对自己把思考让出去感到担心。这是他的自述。

考核绑定使用，是他看到的压力，不是一份调查

他把几股拉力叫做 AI gravity：人会节省脑力，别人用了就会把压力传过来，实际使用又很难被发现。他写，很多机构不只是建议使用，奖金或晋升也取决于你用不用这些工具。这是他的判断，新闻稿没有给出机构数量。他还认为，模型一边讨好用户，因为这样能提高参与和正面反馈，一边又很能说服人。人习惯了这种总被同意的环境，和别人相处的能力会变弱。这同样是他的论点。

四条是使用建议，不是测出来的疗效

在个人层面，他强调四条。第一条是接受费力，他把费力看成形成能力的过程，而不是要被解决的问题。第二条是看重没有模型时的自己。他举的例子是，有人用 Claude 做出看起来很完整的演示，一讲就露出并没有把材料弄懂。他把做幻灯片和真正讨论绑在一起，称为分不开的任务包。第三条是把省下的认知余力再用出去：重复劳动可以省时间，但如果省下的时间还是灌回同样的任务，就错过了他所说的那种扩展能力。第四条是把模型当教练而不是答案机。当教练要主动去找那种费力，这需要动机。新闻稿没有报告这四条在课堂上或公司里的试验结果。