成年人把技能输给AI，孩子从未建立技能

过去一年左右，我一直在写关于认知卸载的文章，尤其是儿童认知卸载。我论证过外包给AI会削弱批判性思维能力。我读过最近的研究。我看到这种模式在学校和大学上演。

但我可能漏掉了什么——不是关于事实，而是框架。真正的问题可能不是人们普遍变懒或变笨（虽然这可能仍然成立）。相反，我认为需要明确区分谁在使用工具。AI对45岁人的影响可能与对14岁人的影响在本质上是不同的。

如果我用AI总结一篇研究论文，支持的理由是效率。过去15年我读过数百篇论文。我（假设）知道好的论证长什么样，所以我外包的是一个我已经知道如何做的任务。如果我明天失去AI技术的使用权限，我仍然可以自己阅读和总结。这会花更长时间，但能力还在。

这是萎缩——一块我停止锻炼的肌肉。它变弱了，但仍然存在。如果需要，我可以重建它。

我在最近一篇文章《为什么孩子无法抗拒认知卸载》中提到Michael Gerlich关于AI外包和批判性思维负相关的研究，但我漏掉了一个关键区别。46岁以上的参与者在批判性思维得分更高的同时AI依赖更低。17到25岁之间的参与者显示相反的模式。

在我看来，对此最可能的解释不是代际偏好，而是生物发展。年长组可能外包的是他们已经知道如何完成的任务。年轻组外包的是他们从未学会如何完成的任务。这些用于评估来源和构建论证的神经通路从未形成。你无法萎缩一块从未建立的肌肉。

这是丧失——而丧失可能不像萎缩那样可逆。

当我让AI评估一个主张时，我可以用自己的判断检查输出。我注意到它何时过度简化。我发现它何时遗漏了竞争性解释。我理解语言的自信何时超过了证据的强度。这是在审计输出。

孩子通常无法做到这一点——不是因为他们更不聪明，而是因为审计需要的是孩子本应发展的准确领域知识。如果你还不明白遗传是什么，你就无法检查AI对遗传的分析。如果你从未读过相互矛盾的法国大革命记述，你就无法评估AI对法国大革命的解读。

成年人的AI交互通常（但不完全是）对可自动化任务的委托。这让我们保留更大的判断力。

但年轻人的交互更可能是替代，AI做出孩子本应建立的微观判断。所以，无论AI如何影响成年人，对孩子都要叠加这种影响。

Shen和Tamkin在2026年的预印本研究用软件开发者（成年人）学习新代码库展示了这一点。完全委托给AI的开发者产生了可运行的代码，但之后无法通过概念测试。他们无法调试AI为他们写的东西。他们有了输出但没有理解。

记住：这些是有现有编程专业知识的成年人。他们比没有AI辅助的组表现差17%。

现在考虑一个孩子第一次接触编程，没有专业知识可以依靠。甚至没有参考来比较AI输出。替代变成了丧失。

这是我过去一年思考变化最大的地方。我过去把同质化（每个学生产出诡异地相似的论文、相同的论证、同样的例子以同样的顺序）视为作弊或评估问题。但现在我认为这是一个更重大影响的诊断信号。

当班上每个学生都通过同一个语言模型处理信息时，他们正在学习通过同一个系统推理。这给发展中的大脑引入了新的威胁向量。

模型的统计偏差成为学生的默认框架。模型的推理结构成为学生的推理结构。大语言模型不仅同质化语言，还同质化视角和推理策略。趋同朝着西方、受过教育、主流规范发展，因为那主导了训练数据并通过对齐得到强化。

使用AI的成年人大多只是听起来泛泛。但对于从未形成独立推理的孩子来说，"泛泛"是一个重大身份问题。模型的推理不与孩子的推理竞争，而是成为孩子的推理。对于仍在建立评估世界认知技能的孩子，这种影响不会是暂时的，而是对他们思考的基础性影响。

我花了一年时间把认知卸载当作单一现象。我不再这样认为了。同一行为背后隐藏着两个根本不同的事件。

选择外包一个他们理解的任务的成年人，是在减少努力和增加效率之间做权衡。独立完成该任务的能力存在。选择是深思熟虑的。萎缩（可能）是可逆的。

外包一个他们从未学会完成的任务的孩子不是在做选择。他们在跳过一个从未发展的发育步骤。能力还不存在。丧失可能是永久的——而且因为他们没有独立的基线，他们无法认识到自己在失去什么。

成年人外包的坏处是人们变得不那么敏锐。青少年在委托给AI中长大的坏处是一代人从一开始就不曾敏锐。保护孩子发展思考基础技能所需的空间现在已成为不可谈判的必要。