AI 用多了，人会不会逐渐变笨？这大概是过去三年被讨论最热烈的迷思之一，自 ChatGPT 走红伊始便未曾停歇。这场争论持续了三年多，双方却始终缺乏有力证据：担忧者仅凭主观体感，不担忧者则坚守立场。直到 8 月 18 日，《经济学人》抛出了一项迄今最扎实的研究证据。主角是 2.7 万名中国中学生。使用 AI 后，他们的作业分数平均上涨了 18%，完成一份作业的时间从 64 分钟缩短至 45 分钟。这听起来全是利好消息，直到月考成绩发下来：在闭卷考试中，这批学生的成绩比未使用 AI 的同学低了 20%。作业分，第一次开始撒谎。
《经济学人》的数据底稿，源自斯德哥尔摩大学和香港大学三位经济学家 6 月发表的一篇论文，题为《生成式 AI 学习惩罚》。样本选自中国中部的一个县，人口逾百万。论文特意强调了样本的普通性：像沿海之外的大多数中国县城。共有 26811 名初高中生，涵盖 5 所初中和 4 所高中，覆盖当地九成中学生，研究周期从 2022 年 9 月持续到 2025 年 6 月，长达 30 个月。该县的作业通过线上系统提交，系统记录了每个人的耗时；月考、中考、高考的成绩均进入数据库——写多快、考多好，第一次成了直接测量的硬数据。至于谁在用 AI，则来自回收率超过 96% 的全员问卷。2022 年 9 月，使用 AI 的学生几乎为零。到 2025 年 6 月，这一数字攀升至 80%。采纳曲线的两次明显跳升，分别对应 DeepSeek V2.5 和 R1 的发布时间。工具阵容全是熟悉的面孔：豆包、DeepSeek、文心一言、通义千问。
研究得出的结论便是开头那组数据：作业 +18%，用时 -30%，月考 -20%，相当于 1.4 个标准差。惩罚在各学科分布不均：社科类最重，跌幅达 27%；数学跌幅 22%；英语跌幅 17%；语文跌幅最轻，为 9%。初中生比高中生惨重四成，男生比女生惨。看来，变笨这件事也不优待聪明人：恰恰是原本成绩最差的那批孩子，跌得最狠。升学考试的账要算得更小心。6 月底这项研究在中文互联网刷屏时，传播最广的说法是「中考暴跌 24%、高考暴跌 18%」。然而，论文里的原意要克制得多：这是使用满两年以上学生的完整惩罚，全体 AI 用户的平均效应只有 7% 左右。但这份「克制」本身才是更坏的消息：惩罚效应需要两年时间才会完全显现。作者们专门指出，眼下那些仅持续几星期或几个月的短期研究，都在系统性低估 AI 的学习成本。
01 消失的模范生
这项研究 6 月刚出现时，英文讨论中其实还有一个安慰性的结论：有两成学生用 AI 但不外包作业，成绩没受损。所以问题不在 AI，在用法。论文确实说了前半句。它给「外包」下了一个数值上的定义：作业用时少于 50 分钟算「内包」，少于 45 分钟才算是真「外包」。刚开始用 AI 的学生里，外包的占 58%。而那些照常花时间写作业、只拿 AI 当家教的孩子，考试成绩和不用 AI 的同学几乎没有差别。论文甚至发现，在 50 到 65 分钟的重叠区间里，两类孩子花同样的时间，考出几乎一样的分数。AI 本身不带毒性，毒性全在省下来的那段时间里。如果论文停在这里，它就是一篇「工具无罪、用法有罪」的标准论文。但论文其实更深一步地探讨了这个问题：用满 5 个月之后，外包的比例从 58% 涨到 81%，完全外包从 34% 涨到 50%。那批花 65 分钟以上认真写作业的「模范用户」，全部是刚上手不到 5 个月的新手。以及采纳满 6 个月之后，没有一个 AI 学生的作业用时还超过 65 分钟。26811 人的样本里，「好好用 AI」不是一种稳定的用法，是一个维持不到半年的过渡状态。论文作者的解释很短：AI 挤掉的，是强度最高的那部分努力。它不是又一篇「AI 让成绩变差」的论文，它是在撕掉一个安慰的遮羞布：只要教会孩子正确使用，一切都会好起来。数据给出的回答是，没有人能一直正确使用：毕竟作业分在涨，家长在群里点赞，老师看到的提交记录越来越整齐。每一个反馈都其实都在潜移默化中，形成一个畸形的激励机制：你做得很好，再快一点也没关系。
02 大人的考场
到这里，这个研究似乎跟传统我们理解中、大脑已经发育健全的成年人关系不大。但同样的曲线，过去一年多，在成年人身上已经画了四次。《柳叶刀·胃肠病学和肝病学》去年 8 月发表了一项波兰研究：四家内镜中心的 19 名资深医生，人均做过 2000 例以上肠镜，用了几个月 AI 辅助检查之后，回到没有 AI 的状态，腺瘤检出率从 28.4% 掉到 22.4%，相对下降 20%。和中学生的月考，同一个数字。这是医学界第一次在真实临床里测到「用 AI 之后，人的手艺生疏了」，主角还是这个星球上最不该被怀疑基本功的一群人。第二次在写作者身上。麻省理工媒体实验室去年 6 月的脑电实验里，54 名学生戴着电极帽写作文。用 ChatGPT 那组的神经连接强度垫底，比纯靠自己写的那组最多低了 55%；写完不久，83% 的人连自己文章里的一句话都复述不出来。研究团队给这个现象起了个名字：认知负债。第三次在办公室里。微软研究院和卡内基梅隆大学去年调查了 319 名知识工作者，结论一句话就能说完：对 AI 输出越有信心的人，自己动脑核查的投入越少。第四次在程序员身上。研究机构 METR 去年的对照实验里，资深程序员用上 AI 实测变慢了，自己却觉得快了 20%。今年 2 月它想复测，没做成，原因写在报告里：大多数开发者已经拒绝在没有 AI 的情况下工作。和那个再也没人肯花 65 分钟写作业的教室，一模一样。临床、脑电、问卷、对照实验，四次预警说的是同一件事：AI 在场，产出变好；AI 离场，能力变差。
回到开头那个吵了三年多的问题。这些研究给出的答案，比一句「会变笨」更难受：AI 没有降低任何人的智商，它是把「变聪明」的那道工序抽走了。分数照涨，产出照交，只是那份本该在 64 分钟里长出来的能力，没有长。认知科学管这个叫「认知卸载」：把本该在自己脑子里跑的过程，交给外部工具。卸载不新鲜，计算器和导航都是。新鲜的是位置：AI 接走的不是运算和记路，是打草稿、试错、推演，恰好是心智模型长出来的那道工序。落到日常工作上，这变化听着甚至像升级：从「写代码」变成「审代码」，从执行者变成把关人。但把关的前提，是脑子里有一份自己的底稿。没亲手推演过的人，审的其实是个黑箱，AI 的逻辑链一旦错在深处，他连该从哪里起疑都不知道。学生的版本更简单：作业是草稿，考试是 Debug。草稿外包出去，Debug 那天就露馅。区别只有一个。学生每个月都有一场闭卷考试，把这条曲线摆到台面上。而大多数成年人的工作，没有月考。论文的最后留了一点余地。把时间拉长看，AI 学习惩罚正在收窄：同样用满 5 个月，2023 年初的学生平均损失 25%，2025 年 6 月只有 16%。师生在适应，工具侧其实也有人想办法，比如逼 AI 给答案时同步展示推演过程。但按作者们的判断，损失在变小，却没有归零的迹象。9 月 1 日开学。全国的教室里，这场 26811 人的实验，会以更大的样本重跑一遍。以后看到孩子的作业天天 100 分，也许得先问一句：这 100 分是孩子挣来的，还是豆包挣来的。下一次把方案交给老板之前，这个问题，不妨也先问自己一遍。