感覺變聰明和真的變聰明，是兩回事
借來的聰明，為何要還 2025年，麻省理工學院媒體實驗室以五十四位受試者比較使用ChatGPT、搜尋引擎與純靠自己寫作文的差異[3]。使用AI的一組，寫作時腦區之間的連結最弱，事後也最難說出文章內容，對「這是我寫的」的感覺最淡。實驗尾聲，部分受試者改回獨立寫作，腦部活化仍偏弱。研究者以「認知負債」描述這種短期模式：當下省掉的思考，日後可能要補回來。 學習成果也呈現相似落差。一份2026年的經濟學工作論文追蹤中國兩萬六千多名中學生兩年半，發現AI協助讓作業成績平均提高近兩成，但半年內月考成績反而下降約兩成；損失主要集中在把作業交給AI完成的學生[4]。作業有工具代勞，考試仍得自己上場。短期產出變漂亮的作業，不代表知識與能力已經累積。 這裡必須區分「任務表現」與「可帶走的能力」。作業分數衡量眼前產出；考試、回想與在新情境中應用，才是檢驗知識在離開工具後是否仍能繼續運作。AI可以迅速推高前者，卻不會自動完成後者。若生成答案、提取知識與修正錯誤的過程全被略過，大腦失去的正是建立可重複思路的練習。 成人調查同樣發出警訊。2025年一項六百多人的研究發現，愈習慣遇到問題先問AI，問卷測得的批判思考分數愈低[5]。這類相關研究不能判定究竟是AI削弱思考，還是原本較少主動思考的人更依賴AI，但不同研究共同指出一個值得警惕的可能：當AI由輔助思考變成代替思考，表現可以暫時上升，但能力卻未必留下。 順暢不等於有效 更麻煩的是，人不一定感覺得到這項落差。美國研究機構METR在2025年讓十六位資深工程師於自己熟悉的真實專案中完成246項任務，並隨機決定能否使用AI[6]。結果，使用AI時平均反而多花19%的時間，工程師事後卻仍以為自己快了約兩成。他們少花時間親自寫程式與查資料，卻多花時間描述需求、等待生成、檢查與修改。樣本雖小，仍揭示一種錯覺：AI最先省下的，往往是動腦的辛苦，而不是時鐘上的分鐘。 學習研究早已發現，人容易把「讀得順」誤認為「已經會」。畫重點與反覆閱讀帶來熟悉感；闔上書自我測驗、主動回想則更費力，卻更能暴露知識缺口[7]。AI把這種「流暢性錯覺」放大：它能整理、解釋並直接給答案，讓整個過程幾乎沒有阻力，也抹去「因為卡住而發現自己還不會」的時刻。 AI版本的流暢性錯覺尤其難察覺，因為內容與表達已被一起包裝完成。讀者看見結構完整、語氣肯定的答案，很容易把模型的組織能力借來當作自己的理解，於是「我看得懂」、「我同意」與「我能獨立說明」被混成同一件事。從AI得到答案愈像專業成品，這三者之間的差距反而愈容易被遮住。 微軟與卡內基美隆大學對三百一十九位知識工作者的調查也發現：對自身專業判斷愈有信心者，更常主動檢查AI答案；相反地，愈信任AI的受訪者，自陳投入的批判思考愈少[8]。因此，與其問自己失靈的大腦：「我學會了嗎？」不如做一個行為測試：關掉螢幕後，我能不能用自己的話講清楚、重新做一次，甚至把同一個觀念用到稍微不同的問題？感覺可能被流暢性欺騙，行為卻會揭露能力是否真的留下。 把AI的答案，變成自己的能力 這些研究不是勸人戒掉AI，而是把問題從「用不用」改成「用了之後，有沒有留下能力」。2026年一項針對一百二十人的研究發現，同樣取得AI答案，有人照單全收，有人則繼續核對、追問與修正[9]。這說明AI使用並非只有「依賴」或「不用」兩種選項；同一項工具，既可能替人封閉思考，也可能成為打開思考的材料。真正重要的，不是第一版由誰完成，而是使用者是否仍掌握理解與判斷。 數學家陶哲軒（Terence Tao）提供了一個正面例子。2026年，ChatGPT在一道數學問題中提出他原先不熟悉的「「Nevanlinna twoconstant theorem」，他之後把這條線索納入證明[10]。AI在這裡不是替他交卷，而是帶來一塊原本不在知識庫裡的拼圖；他仍須理解定理為何相關、驗證論證是否成立，再把新知接回既有的推理架構。 這個例子顯示，AI的價值不只在節省時間，也可能擴張一個人看見的問題空間。但從外部提示到內部能力，中間仍有一道轉換過程：答案必須經過理解、驗證與重新生成，才可能成為日後可自行調用的知識。前述MIT研究也提供初步線索：先形成自己的版本，再接觸AI，較有利於後續回想與部分腦部連結；先問AI並非不能學，只是不能把答案的出現當成學習完成。重點不是把AI排除在思考之外，而是讓它留下自己能接手的思路。 本月行動處方 1.先劃界線，再開AI。開始前先決定：哪些工作可以交給AI，哪些判斷必須自己完成。每週至少保留一封重要信件、一份企劃初稿或一項關鍵分析，先不用AI。 2.先留下自己的版本。提問前寫三行：問題是什麼、我猜答案是什麼、我最不確定哪裡。內容粗糙也沒關係，這三行會成為之後比較與修正的基準。 3.關掉螢幕驗收。看完答案後，不看畫面再講一次、做一次，或把同一觀念套到稍微不同的問題。說不出來的地方，才是需要回頭補的地方。 4.讓AI當教練。試著輸入：「先不要給答案，請先問我三個問題」、「指出我推理中的三個漏洞」，或「給我一個反例」。讓它擴張你的思路，而不是替你結束思考。 參考資料 [1] Ipsos/NPR(2026 年6 月)。美國K–12 教師對AI 與批判思考的民調。https://www.ipsos.com/en-us/teachers-concernedabout-impact-ai-students-critical-thinking [2] 台灣網路資訊中心(2025)。《2025 台灣網路報告》( 生成式AI 使用率43.19%;AI 內容評估能力自評與查證行為)。https://report.twnic.tw/2025/ [3] Kosmyna,N.et al.(2025).Your Brain on ChatGPT:Accumulation of Cognitive Debt When Using an AI Assistant for Essay Writing Task . arXiv:2506.08872。https://arxiv.org/abs/2506.08872 [4] Strömberg,D.,Lei，V.,& Wu,Y.(2026).The Generative AI Learning Penalty: Evidence from Chinese Secondary Education . CEPR Discussion Paper 21577。https://cepr.org/publications/dp21577 [5] Gerlich, M.(2025).AI Tools in Society：Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies，15(1)，6。https://doi.org/10.3390/soc15010006 [6] Becker, J.et al.(2025) Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity . METR。https://metr.org/blog/2025-07-10-early-
2025-ai-experienced-os-dev-study/ [7] Dunlosky, J. et al.(2013).Improving Students’ Learning With Effective Learning Techniques. Psychological Science in the Public Interest ,14(1), 4–58。https://doi.org/10.1177/1529100612453266 [8] Lee, H.-P.et al.(2025).The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cogni-tive Effort and Confidence Effects from a Survey of Knowledge Workers. CHI 2025。https://doi.org/10.1145/3706598.3713778 [9] Jain, P.et al.(2026).Cognitive offloading, critical thinking and attitudes towards artificial intelligence in the era of ChatGPT. Cognitive Processing 。https://pubmed.ncbi.nlm.nih.gov/42377671/ [10] Tao,T.(2026)。〈Local Bernstein theory, and lower bounds for Lebesgue con-stants 〉。 
… 本文摘錄自 張老師月刊 2026/10月 第586期
閱讀完整內容 … 本文摘錄自 張老師月刊 2026/10月 第586期
