辦公桌前，東部某高校教師王東（化名）被氣得不輕。他把一份學生提交的作業扔在桌上，其中用紅筆勾勒出的區域格外顯眼——各類占比總和竟達到150%，而不是100%。這讓他一時無語。在王東看來，這樣明顯的邏輯和常識錯誤，在生成式人工智能（AIGC）尚未廣泛進入校園之前并不多見。

此前，美國麻省理工學院完成了針對ChatGPT用戶的大腦掃描研究，發現使用人工智能（AI）寫作工具會降低大腦的認知參與度，長此以往，大腦甚至會因為得不到充分鍛煉而退化。清華大學一項關于AI輔助學習效果的研究發現，使用AI輔導的學生在課后即時測試中表現更優，但長期記憶效果反而可能下降，存在元認知失衡的風險。

當AI越來越多地介入人的思考過程，我們究竟該如何使用它，才能避免思維能力被削弱？在這一過程中，如何重新喚起并訓練人的批判性思維能力，正成為AI使用中一個不容忽視的議題。

使用AI的三種方式

這位把王東氣壞了的學生，整個學期都在用AI寫作業。AI仿佛能幫他“搞定”一切。他沉迷在給AI“下任務”的愉悅中，逐漸放棄獨立思考。遇到AI完成不了的作業，他干脆撒手不管，由同組同學代為完成。久而久之，大家都對他敬而遠之。

徹底失去對外輸出能力，是一件很可怕的事。這位同學的世界觀一度塌陷：“讀書還有意義嗎？思考還有意義嗎？”不久后，他陷入焦慮。

不過，大多數學生還是能與AI“和平相處”的。

上海大學悉尼工商學院工商管理專業本科生朱衍潤在對中外人士進行“巧克力與健康”主題的調研時發現，AI生成的采訪問題有點“水”，拿著這樣的問題問外國人，時常換來一臉困惑。于是，她改變了做法，自己先搭框架，再讓AI細化問題，結果調研的效率、效果倍增。

使用AI的方式，在很大程度上決定了它介入乃至“入侵”人類思考的程度。

北京某“雙一流”高校教師白荷（化名）教授商務談判、商務溝通、演講等課程。她和學生們經歷了與AI的3年磨合期，從一開始的排斥到逐步接納，再到如今能運用好AI。

“我把學生使用AI的情況分為3類。第一類，學生用AI一鍵生成作業，不修改或僅做少量修改就提交，AI的使用率為95%左右；第二類，學生給AI下指令，讓AI搭一個大體框架和思路，自己補充并修改細節完成作業，AI的使用率為50%左右；第三類，學生自己先搭好框架和思路，而補充細節，如尋找數據等，用AI輔助完成，AI的使用率為10%左右。”白荷說。

在與學生交流中，白荷發現了各類學生的不同。第一類學生高度依賴AI，不只是作業表現欠佳，在其他方面也不容樂觀；第二類學生使用AI雖然提高了效率，但減少了思考過程；第三類學生更多將AI視為輔助工具，自身的創新力、批判性思維等高階能力受到的影響并不顯著。她認為，教師引導學生如何看待和利用好AI，以及學生對使用AI的態度和自覺性都非常重要。

AI帶來的惰性思維

前不久，導師給康復大學康復科學與工程學院本科生隋竺桐布置閱讀一篇《自然》子刊論文的任務。因論文篇幅較長，她一開始有些發怵，便直接將論文交給AI，請它生成一份閱讀報告。

論文本身思路嚴謹、觀點精彩，但隋竺桐發現AI生成的閱讀報告只羅列了開發機器人所使用的電磁制動器、傳感器、硅膠機等無關緊要的內容，卻沒有提煉出核心觀點。

還有一次，隋竺桐用AI處理了一份數據，生成了一個非常漂亮的回歸模型。可當她把模型給老師看的時候，老師問了她一連串問題：“數據分布是怎樣的？分析數據時是否發現了異常值？背后的物理意義是什么？”這讓隋竺桐一時語塞。她意識到，“嚴格地說，這份數據不是我分析的，而是AI分析的，我只是給AI布置了一個任務”。

兩次經歷之后，隋竺桐意識到，自己在不知不覺中主動放棄了推理和探究的過程。于是，她決定不再偷懶，沿用獨立閱讀論文和處理數據的方式。

類似的變化也發生在上海大學悉尼工商學院工商管理專業本科生李海佳身上。導師讓她寫一份3000字的實習報告，講清楚實習過程中收獲了什么、具體參與了哪些活動。剛開始，李海佳只是機械地記錄每天的工作內容，然后讓AI幫忙搭框架。在使用了一段時間后，她便對AI產生了依賴，不太想自己寫報告的具體內容了。后來，她還是選擇自己搭框架，把之前記錄的工作內容輸入給AI，讓它幫忙輸出最終的內容。

“使用AI后，最明顯的改變是產生了惰性思維。”李海佳解釋，不使用AI，“我的框架設計通常比較精準，但怎么做好內容間的邏輯銜接卻很困難”。而當她把框架設計交給AI，讓其生成細節，以及框架之間的邏輯銜接時，思考的過程就被AI替代了。

2025年10月，《自然》官網頭條刊發了題為《大學正在擁抱AI：學生會變得更聰明還是停止思考？》的報道。文中提到，2025年6月，一些學者聯名發表了一封公開信，反對大學對AI技術的盲目采用，該信件很快便獲得了全球眾多學者的簽名支持。信中寫道：“我們的資金絕不能浪費在那些只追求盈利、回報甚少且還會使我們的學生技能退化的企業身上。”

不斷討好而不是反駁

隋竺桐正在做骨骼肌再生與機器人驅動方面的研究。她非常期待儀器有效果，就一直追問AI“是否有效果”“效果體現在哪里”等問題。這時，她發現，“AI似乎很擅長‘揣摩’人心，它會給出一組相對符合我心理預期的回答”。

對此，四川外國語大學區域國別研究院加拿大研究中心主任吳妍深有同感。她曾向AI提了一個虛假的問題：“梁山伯的墓為什么在重慶？”AI迅速給她收集了大量資料，并“振振有詞”地分析原因。吳妍解釋說：“這個問題是一個假問題，梁山伯是虛構人物，而AI卻把假問題當成一個真問題處理。”

她進一步指出，理性的推理要求前提與結論相關，并通過論證過程得出結論，而AI往往只展示結論，前提、推理過程缺失或經不起推敲。前提能夠充分支撐結論、有基本的論證推理，這是批判性思維必須具備的條件。

“AI就像一個順從的伙伴，當我們提出一個粗陋的觀點時，它更傾向于潤色、補漏，但它無法指出邏輯漏洞，不會主動反駁人，因為它不像人那樣具有批判性思維。”隋竺桐說，“當對話者失去了反駁能力，我們可能會誤以為觀點天衣無縫，甚至逐漸失去了反思能力。”

表面上看，AI似乎在討好用戶，但實際上它并沒有真正考慮用戶的感受，這聽起來似乎有些矛盾。廈門工學院博雅教育與藝術傳媒學院講師陳穎給學生布置作業，允許他們用AI參與寫作。有同學讓AI給外賣員寫首詩，其中諸如“一個外賣員背著城市的‘胃袋’前行”云云，本該是意境很美的詩歌，聽起來卻頗為扎心。

“無論是懶惰的作者，還是AI平臺工程師，他們都不會從讀者的角度考慮精細的問題。這就導致AI的出品好像開盲盒，時好時壞。”遇到照搬AI一鍵生成的文章，陳穎的第一反應是把作者拉黑，因為“沒有‘人’味的文章，不值得浪費時間”。

原以為“創新”，卻陷入“趨同”

頻繁地使用AI后，個別同學發現自己“越來越像AI”。AI喜歡用“第一”“第二”“第三”這樣的表述，李海佳發現自己也越來越常用這樣的表述，“看似邏輯清晰，實則個性化不足”。

朱衍潤曾寫過一份酒類的市場營銷方案。她發現，不使用AI的同學腦洞大開，提出與自己喜歡的游戲聯名等創意，并根據游戲人物服裝的顏色給包裝設計造型。反觀人機組，AI給出的營銷方案顯得乏善可陳，譬如進校園活動、與自媒體合作，缺少令人眼前一亮的方案。

這正是上海大學悉尼工商學院副院長霍偉偉團隊實施的有關AI與創新力的調研得出的結論之一。他們發現，長期使用AI完成與創新相關工作的群體，輸出的方案通常會高度相似。

“通過測試，我們發現AI很難創造出新事物。”朱衍潤印象深刻，當場就有一位人機組同學留下了一句話：“我不該接受服從性測試。”

陳穎指出，AI無法挖掘下一個風口。人類的認知范圍內產生了一個新事物，AI可能還沒反應過來。

“AI同樣無法替代人提出新理論。” 華中科技大學創新教育和批判性思維研究中心首席專家董毓說。他師從國際非形式邏輯和批判性思維協會創始人大衛·希契科克，長期關注AI對高階思維的影響。

聯合國教科文組織發布《教師AI能力框架》強調，教師應理解AI的基本概念、運作原理和應用方式，而不僅僅停留在“會用工具”。

董毓表示，AI常給人新穎的感覺，部分來自高大上的假象，部分來自某一領域的未知之處。“假如你是某個領域的專家，想要打開認知的邊界，你可能會發現，自己已經站在前沿，而AI由于使用統計規律、模式匹配，給出的答案是趨同的，反而落后。特別是，假的多樣性壓制了創造的可能。”董毓說。

AI時代的創新應該是什么樣子？霍偉偉認為，創新分為兩個維度，一種是漸進式創新，或稱改進式創新；另一種是顛覆性創新。長期使用AI，人機協作的策略不同，對批判性思維的影響結果也不同。

她表示，完整的人機協作過程既包括AI對人的思路的影響，也包括人的思維對AI的影響。如果把它們分別比作圓的上半弧與下半弧，兩個半弧缺一不可，形成一個完整的閉環。在創新的過程中，如果只用了上半弧，沒有用下半弧，并不能很好地協作迭代進而上升為創新能力。在AI時代，能提高創新能力的人，是兩個半弧都使用得好的人。

提問題的能力更為凸顯

長期使用AI，它會記住用戶的思維風格。怎么提一個好問題，引導AI沿著用戶的創新思路繼續下去，比以往更加重要。

“我們要教會學生向AI提問，并不是使用提示詞工程那樣的提問——光靠套模板得到結果，逃避思維與機器的協作，學生無法真正學會提問。”吳妍說。

批判性思維能幫助人們對一個問題展開多方面的思考，在人與AI的協同對話中尤為重要。“在這種情況下，人依然是提問的主體，AI是輔助工具。這是使用批判性思維提問與使用提示詞工程提問的最大區別之一。”吳妍指出。

董毓告訴記者，針對解決問題的批判性思維實際上是確定和分析問題，全面探究證據和多樣思考，以便獲得解決問題的合理認知并作出決定。

他提醒，批判性思維并不是“從假找真”，而是“從真找假”， 即面對標準答案，我們仍需追問：這個標準答案是否符合現在的情況，是否還有漏洞？

董毓指出，AI天生無法提出批判性思維中的3類核心問題，而人卻可以做到，這3類問題分別是探究性問題、理解性問題、反思性問題。

董毓解釋道，探究性問題探究人們常常想不到的事物；理解性問題幫助人們理解機制，比如由什么構成、有什么規律、起什么作用等；而反思性問題，則是對已有知識、標準答案和現行觀念進行再思考、再審視。學會提出這3類問題，才能真正實現深度學習。

批判性思維之所以能刺激創新，就在于它能提出這3類好問題。探究問題是打開新思路，反思問題則是將問題一一加以審視，看看能否因情勢變化而打破。比如，曾有專家認為我國沙漠盆地不可能有鈾礦，其實這很容易被外國類似地質條件下發現鈾礦的事例反駁——提出這樣的質疑，正是啟發我國成功地在塔里木發現鈾礦的關鍵，這就是質疑導向創新。

發現漏洞，是認知往前發展的突破口。而AI天生不會反駁，恰恰需要人調動批判性思維，補齊這一短板。“發現既有觀念中的‘空白’及有可能被推翻之處，加以研究，你就有可能推翻已有的認知。這是科學向前發展的過程，即找到核心問題進行補充，或發展新認知。”董毓說。

來源：中國科學報