图片来源：摄图网

■本报记者 孟凌霄 通讯员 刘菲儿

办公桌前，东部某高校教师王东（化名）被气得不轻。他把一份学生提交的作业扔在桌上，其中用红笔勾勒出的区域格外显眼——各类占比总和竟达到150%，而不是100%。这让他一时无语。在王东看来，这样明显的逻辑和常识错误，在生成式人工智能（AIGC）尚未广泛进入校园之前并不多见。

此前，美国麻省理工学院完成了针对ChatGPT用户的大脑扫描研究，发现使用人工智能（AI）写作工具会降低大脑的认知参与度，长此以往，大脑甚至会因为得不到充分锻炼而退化。清华大学一项关于AI辅助学习效果的研究发现，使用AI辅导的学生在课后即时测试中表现更优，但长期记忆效果反而可能下降，存在元认知失衡的风险。

当AI越来越多地介入人的思考过程，我们究竟该如何使用它，才能避免思维能力被削弱？在这一过程中，如何重新唤起并训练人的批判性思维能力，正成为AI使用中一个不容忽视的议题。

使用AI的三种方式

这位把王东气坏了的学生，整个学期都在用AI写作业。AI仿佛能帮他“搞定”一切。他沉迷在给AI“下任务”的愉悦中，逐渐放弃独立思考。遇到AI完成不了的作业，他干脆撒手不管，由同组同学代为完成。久而久之，大家都对他敬而远之。

彻底失去对外输出能力，是一件很可怕的事。这位同学的世界观一度塌陷：“读书还有意义吗？思考还有意义吗？”不久后，他陷入焦虑。

不过，大多数学生还是能与AI“和平相处”的。

上海大学悉尼工商学院工商管理专业本科生朱衍润在对中外人士进行“巧克力与健康”主题的调研时发现，AI生成的采访问题有点“水”，拿着这样的问题问外国人，时常换来一脸困惑。于是，她改变了做法，自己先搭框架，再让AI细化问题，结果调研的效率、效果倍增。

使用AI的方式，在很大程度上决定了它介入乃至“入侵”人类思考的程度。

北京某“双一流”高校教师白荷（化名）教授商务谈判、商务沟通、演讲等课程。她和学生们经历了与AI的3年磨合期，从一开始的排斥到逐步接纳，再到如今能运用好AI。

“我把学生使用AI的情况分为3类。第一类，学生用AI一键生成作业，不修改或仅做少量修改就提交，AI的使用率为95%左右；第二类，学生给AI下指令，让AI搭一个大体框架和思路，自己补充并修改细节完成作业，AI的使用率为50%左右；第三类，学生自己先搭好框架和思路，而补充细节，如寻找数据等，用AI辅助完成，AI的使用率为10%左右。”白荷说。

在与学生交流中，白荷发现了各类学生的不同。第一类学生高度依赖AI，不只是作业表现欠佳，在其他方面也不容乐观；第二类学生使用AI虽然提高了效率，但减少了思考过程；第三类学生更多将AI视为辅助工具，自身的创新力、批判性思维等高阶能力受到的影响并不显著。她认为，教师引导学生如何看待和利用好AI，以及学生对使用AI的态度和自觉性都非常重要。

AI带来的惰性思维

前不久，导师给康复大学康复科学与工程学院本科生隋竺桐布置阅读一篇《自然》子刊论文的任务。因论文篇幅较长，她一开始有些发怵，便直接将论文交给AI，请它生成一份阅读报告。

论文本身思路严谨、观点精彩，但隋竺桐发现AI生成的阅读报告只罗列了开发机器人所使用的电磁制动器、传感器、硅胶机等无关紧要的内容，却没有提炼出核心观点。

还有一次，隋竺桐用AI处理了一份数据，生成了一个非常漂亮的回归模型。可当她把模型给老师看的时候，老师问了她一连串问题：“数据分布是怎样的？分析数据时是否发现了异常值？背后的物理意义是什么？”这让隋竺桐一时语塞。她意识到，“严格地说，这份数据不是我分析的，而是AI分析的，我只是给AI布置了一个任务”。

两次经历之后，隋竺桐意识到，自己在不知不觉中主动放弃了推理和探究的过程。于是，她决定不再偷懒，沿用独立阅读论文和处理数据的方式。

类似的变化也发生在上海大学悉尼工商学院工商管理专业本科生李海佳身上。导师让她写一份3000字的实习报告，讲清楚实习过程中收获了什么、具体参与了哪些活动。刚开始，李海佳只是机械地记录每天的工作内容，然后让AI帮忙搭框架。在使用了一段时间后，她便对AI产生了依赖，不太想自己写报告的具体内容了。后来，她还是选择自己搭框架，把之前记录的工作内容输入给AI，让它帮忙输出最终的内容。

“使用AI后，最明显的改变是产生了惰性思维。”李海佳解释，不使用AI，“我的框架设计通常比较精准，但怎么做好内容间的逻辑衔接却很困难”。而当她把框架设计交给AI，让其生成细节，以及框架之间的逻辑衔接时，思考的过程就被AI替代了。

2025年10月，《自然》官网头条刊发了题为《大学正在拥抱AI：学生会变得更聪明还是停止思考？》的报道。文中提到，2025年6月，一些学者联名发表了一封公开信，反对大学对AI技术的盲目采用，该信件很快便获得了全球众多学者的签名支持。信中写道：“我们的资金绝不能浪费在那些只追求盈利、回报甚少且还会使我们的学生技能退化的企业身上。”

不断讨好而不是反驳

隋竺桐正在做骨骼肌再生与机器人驱动方面的研究。她非常期待仪器有效果，就一直追问AI“是否有效果”“效果体现在哪里”等问题。这时，她发现，“AI似乎很擅长‘揣摩’人心，它会给出一组相对符合我心理预期的回答”。

对此，四川外国语大学区域国别研究院加拿大研究中心主任吴妍深有同感。她曾向AI提了一个虚假的问题：“梁山伯的墓为什么在重庆？”AI迅速给她收集了大量资料，并“振振有词”地分析原因。吴妍解释说：“这个问题是一个假问题，梁山伯是虚构人物，而AI却把假问题当成一个真问题处理。”

她进一步指出，理性的推理要求前提与结论相关，并通过论证过程得出结论，而AI往往只展示结论，前提、推理过程缺失或经不起推敲。前提能够充分支撑结论、有基本的论证推理，这是批判性思维必须具备的条件。

“AI就像一个顺从的伙伴，当我们提出一个粗陋的观点时，它更倾向于润色、补漏，但它无法指出逻辑漏洞，不会主动反驳人，因为它不像人那样具有批判性思维。”隋竺桐说，“当对话者失去了反驳能力，我们可能会误以为观点天衣无缝，甚至逐渐失去了反思能力。”

表面上看，AI似乎在讨好用户，但实际上它并没有真正考虑用户的感受，这听起来似乎有些矛盾。厦门工学院博雅教育与艺术传媒学院讲师陈颖给学生布置作业，允许他们用AI参与写作。有同学让AI给外卖员写首诗，其中诸如“一个外卖员背着城市的‘胃袋’前行”云云，本该是意境很美的诗歌，听起来却颇为扎心。

“无论是懒惰的作者，还是AI平台工程师，他们都不会从读者的角度考虑精细的问题。这就导致AI的出品好像开盲盒，时好时坏。”遇到照搬AI一键生成的文章，陈颖的第一反应是把作者拉黑，因为“没有‘人’味的文章，不值得浪费时间”。

原以为“创新”，却陷入“趋同”

频繁地使用AI后，个别同学发现自己“越来越像AI”。AI喜欢用“第一”“第二”“第三”这样的表述，李海佳发现自己也越来越常用这样的表述，“看似逻辑清晰，实则个性化不足”。

朱衍润曾写过一份酒类的市场营销方案。她发现，不使用AI的同学脑洞大开，提出与自己喜欢的游戏联名等创意，并根据游戏人物服装的颜色给包装设计造型。反观人机组，AI给出的营销方案显得乏善可陈，譬如进校园活动、与自媒体合作，缺少令人眼前一亮的方案。

这正是上海大学悉尼工商学院副院长霍伟伟团队实施的有关AI与创新力的调研得出的结论之一。他们发现，长期使用AI完成与创新相关工作的群体，输出的方案通常会高度相似。

“通过测试，我们发现AI很难创造出新事物。”朱衍润印象深刻，当场就有一位人机组同学留下了一句话：“我不该接受服从性测试。”

陈颖指出，AI无法挖掘下一个风口。人类的认知范围内产生了一个新事物，AI可能还没反应过来。

“AI同样无法替代人提出新理论。” 华中科技大学创新教育和批判性思维研究中心首席专家董毓说。他师从国际非形式逻辑和批判性思维协会创始人大卫·希契科克，长期关注AI对高阶思维的影响。

联合国教科文组织发布《教师AI能力框架》强调，教师应理解AI的基本概念、运作原理和应用方式，而不仅仅停留在“会用工具”。

董毓表示，AI常给人新颖的感觉，部分来自高大上的假象，部分来自某一领域的未知之处。“假如你是某个领域的专家，想要打开认知的边界，你可能会发现，自己已经站在前沿，而AI由于使用统计规律、模式匹配，给出的答案是趋同的，反而落后。特别是，假的多样性压制了创造的可能。”董毓说。

AI时代的创新应该是什么样子？霍伟伟认为，创新分为两个维度，一种是渐进式创新，或称改进式创新；另一种是颠覆性创新。长期使用AI，人机协作的策略不同，对批判性思维的影响结果也不同。

她表示，完整的人机协作过程既包括AI对人的思路的影响，也包括人的思维对AI的影响。如果把它们分别比作圆的上半弧与下半弧，两个半弧缺一不可，形成一个完整的闭环。在创新的过程中，如果只用了上半弧，没有用下半弧，并不能很好地协作迭代进而上升为创新能力。在AI时代，能提高创新能力的人，是两个半弧都使用得好的人。

提问题的能力更为凸显

长期使用AI，它会记住用户的思维风格。怎么提一个好问题，引导AI沿着用户的创新思路继续下去，比以往更加重要。

“我们要教会学生向AI提问，并不是使用提示词工程那样的提问——光靠套模板得到结果，逃避思维与机器的协作，学生无法真正学会提问。”吴妍说。

批判性思维能帮助人们对一个问题展开多方面的思考，在人与AI的协同对话中尤为重要。“在这种情况下，人依然是提问的主体，AI是辅助工具。这是使用批判性思维提问与使用提示词工程提问的最大区别之一。”吴妍指出。

董毓告诉记者，针对解决问题的批判性思维实际上是确定和分析问题，全面探究证据和多样思考，以便获得解决问题的合理认知并作出决定。

他提醒，批判性思维并不是“从假找真”，而是“从真找假”，即面对标准答案，我们仍需追问：这个标准答案是否符合现在的情况，是否还有漏洞？

董毓指出，AI天生无法提出批判性思维中的3类核心问题，而人却可以做到，这3类问题分别是探究性问题、理解性问题、反思性问题。

董毓解释道，探究性问题探究人们常常想不到的事物；理解性问题帮助人们理解机制，比如由什么构成、有什么规律、起什么作用等；而反思性问题，则是对已有知识、标准答案和现行观念进行再思考、再审视。学会提出这3类问题，才能真正实现深度学习。

批判性思维之所以能刺激创新，就在于它能提出这3类好问题。探究问题是打开新思路，反思问题则是将问题一一加以审视，看看能否因情势变化而打破。比如，曾有专家认为我国沙漠盆地不可能有铀矿，其实这很容易被外国类似地质条件下发现铀矿的事例反驳——提出这样的质疑，正是启发我国成功地在塔里木发现铀矿的关键，这就是质疑导向创新。

发现漏洞，是认知往前发展的突破口。而AI天生不会反驳，恰恰需要人调动批判性思维，补齐这一短板。“发现既有观念中的‘空白’及有可能被推翻之处，加以研究，你就有可能推翻已有的认知。这是科学向前发展的过程，即找到核心问题进行补充，或发展新认知。”董毓说。