别忙着给AI立规矩了，先管管人类的“认知惰性”吧
别忙着给AI立规矩了，先管管人类的“认知惰性”吧
2026年的今天，整个学术圈都在忙着一件事：给AI定规矩。
社科院出了37条AI科研规范，各大期刊严查AI代写、虚假引用，无数院校出台AI使用红线，所有人的目光都聚焦在同一个问题上：怎么防止AI搞乱科研、制造学术不端？
规则越堆越厚，监管越来越严，可几乎没人敢问那个最扎心、最尴尬的真相：比起AI作弊，人类正在蔓延的认知惰性，才是当下科研最大的隐形绝症。
前段时间我有个很深的感触：一道我啃了整整三天、反复推演都理不顺的数学论证题，丢给Claude之后，三分钟就给出了一套逻辑闭环、思路极简、远超我个人思考上限的推导路径。
那一刻我突然清醒：我们现在纠结的根本不是“AI不守规矩”，而是一个更残酷的问题——当AI的思考质量、速度、深度都全面超越我们时，我们还有底气以“研究者”自居吗？
我们忙着约束AI，却放任自己慢慢废掉思考的能力。
01 我们正在沦为只会敲指令的“提示词农民”
很多人自我安慰：人类解放脑力、工具替代劳动，这和工业革命机器替代体力是一个道理，是进步。
这是最致命的误区。
机器替代体力，我们会明确知道自己肌肉退化、体能下降；但AI替代思考，我们只会收获“效率暴涨、产出翻倍”的快感，在思维慢慢萎缩的同时，误以为自己变得更聪明、更专业。
现在科研人的日常，早已高度同质化：
不会总结文献？AI一键梳理综述；
不会搭框架？AI直接生成全文结构；
不会跑数据、写代码、做论证？AI全套包办。
我们越来越会写提示词，越来越会筛选AI产出的成品，却越来越不会完整走完一次从选题、溯源、思辨、推演到论证的完整研究闭环。
牛津大学出版社2025年的一项长期研究，早已敲响警钟：长期依赖AI完成思考、梳理、解题的人群，独立探索能力、批判性思维、创造性整合能力，都会出现持续性、系统性下滑。
这份研究原本针对青少年，但放在当下的科研圈同样适配：AI正在批量养出“懒得思考、不敢攻坚、习惯借力”的研究者。
卡内基梅隆、牛津、MIT等高校2026年的联合对照实验更直观：仅仅十几分钟的AI辅助解题体验，就会大幅降低人后续独立解题的成功率，让人面对难题时，本能选择放弃深度思考，等待工具给出答案。
这就是认知惰性最隐蔽的伤害：它不是让你直接变笨，而是慢慢消解你思考的意愿、攻坚的耐心、求证的执着。
如今的学术圈，藏着一个无人敢直面的真相：
AI带来的“学术不端”是显性的、可监管的、可惩戒的；但人类的“学术失能”是隐性的、自发的、无药可救的。
我们可以用37条规范管住AI造假，却没有任何一条规则，能管住我们主动放弃思考的偷懒。
Science 2025年的科研大数据统计，撕开了这份虚假繁荣：AI辅助写作后，学者论文产出效率暴涨，提升幅度最高接近90%，常规场景下也能提升36%-59%。论文越写越快、数量越来越多、发表越来越容易。
但对应的，是论文的创新性、思辨深度、思想浓度持续走低。批量产出的成果，大多是同质化的微调、套路化的论证、无新意的重复。
论文列表越来越长，真正属于人类的思考，越来越少。
02 比AI幻觉更可怕的，是我们的“理解幻觉”
2024年Nature顶刊正式提出一个极具穿透力的概念：理解幻觉。
简单说就是：AI帮你把活儿干完了、把答案做好了、把逻辑理顺了，你看得懂、用得顺、说得出来，就误以为自己彻底理解了背后的一切。
这几乎是所有AI使用者的通病。
你用AI写好了数据分析代码，跑出了完美图表，得出了通顺的结论；你通读一遍，觉得逻辑无懈可击。可一旦脱离AI，让你手动推导一遍原理、解释一遍参数、复盘一遍逻辑漏洞，你立刻失语。
看得懂答案，从来不等于掌握了思考的过程。
2026年一项覆盖3132人的多组对照实验，结果极其讽刺：
没有AI的时候，近半数人敢于承认自己不会、不懂、答不上来；
接入AI之后，哪怕明知模型容易出错、容易编造内容，大家的自信心直接翻倍，答题正确率却断崖式下跌，敢于承认“不知道”的人仅剩3%。
AI最危险的地方，从来不是输出错误答案，而是制造一群极度自信、实则认知浅薄的人。
更值得警惕的是，这种幻觉正在变成学术圈的群体通病。
我们总在担心AI编造虚假文献、虚构定理、产出错误知识。可《柳叶刀》2026年的研究告诉我们：近三年，学术论文中的AI虚假引用数量暴涨超12倍，大量“幽灵文献”堂而皇之地出现在核心期刊中。
根源从来不是AI太会造假，而是人类太懒于核验。
我们习惯了AI一键生成参考文献，懒得溯源、懒得核对、懒得查证，默认工具输出的一切都是对的。我们忙着研发AI检测工具、制定审核规范，严防工具出错，却放任自己的求证能力持续退化。
AI在制造虚假知识，而我们在制造虚假的自我认知。
03 “人主智辅”，是最讽刺的一句空话
现在所有AI科研规范，都绕不开一个核心原则：人主智辅，人类全责。
听起来完美无缺：人是主体，AI是工具；人主导研究，AI只做辅助；AI出错，人类担责。
可落到真实的科研场景里，这套逻辑漏洞百出、无比荒诞。
我们不妨诚实拆解当下的人机科研现状：
如果AI只负责润色文字、调整格式，人类全权主导研究，这是真正的辅助；
可如果AI包揽了文献梳理、框架搭建、核心论证、数据推演、全文撰写，人类只改改措辞、看看通顺、最后签上名字，这到底是人主导AI，还是AI干活、人类背书？
First Proof 2026年的数学推理测评，彻底戳破了这层窗户纸：针对职业数学家的10道前沿难题，AI独立完成的成果里，有7道达到了可直接发表的学术水准。
更尴尬的是，AI的推导里藏着极其隐蔽的逻辑漏洞，绝大多数人类研究者通读之后，完全无法识别，直接采信整套结论。
这就是当下最荒诞的权责悖论：
技术上，AI完成了最高阶、最核心的认知工作，人类的能力根本不足以完全复核、彻底吃透；
规则上，人类必须为这套自己看不懂、审不透的成果，承担全部学术责任。
说白了就是：让你签一份你完全读不懂的文件，出了问题，全权自负。
更讽刺的是双重标准：AI产出优质创新成果，功劳全归人类；AI出现幻觉和漏洞，锅全由人类来背。
现在学界的补救办法，无非是强制披露AI使用痕迹、留存提示词、标注AI生成内容。
但说白了，透明度从来不等于主体性。标注了AI辅助，改变不了我们丧失独立思考能力的事实；公开了使用记录，挽回不了我们退化的科研核心能力。
当工具的智慧超越了使用者，所谓的“人主智辅”，早已沦为一句自欺欺人的口号。
04 AI时代，我们该重新定义“聪明”
面对AI的冲击，学界的解法永远只有三板斧：加强AI素养、细化规则、完善评审。
这些做法都没错，但全部都是被动防御。
我们一直在用规则堵漏洞、用制度防风险，却始终不敢直面终极问题：如果AI比人类更会解题、更会推演、更会产出成果、更会做研究，那人类研究者的不可替代性到底是什么？
答案很残酷，也很清醒：我们必须彻底推翻旧的认知，重新定义AI时代的“科研聪明”。
过去的聪明，是更快算出答案、更早完成证明、更多产出论文。
但在AI面前，人类的算力、速度、推演精度，永远没有胜算。AI可以穷尽所有已知路径，搞定所有标准化、公式化、可推演的科学问题，这是工具的绝对优势。
未来最高级的科研智慧，从来不是“会解题”，而是“会提问”。
一个数学家花几年时间解出一道难题，很厉害；但更厉害的是，他能在长期深耕中，洞察学科空白、捕捉研究痛点、提出全新的、没人敢碰、没人想过的问题。
真正良性的人机关系，从来不是“人类发号施令，AI机械执行”的主仆关系，而是：
人类负责定义方向、判断价值、提出问题、质疑结论；AI负责穷尽路径、高效推演、落地求解。
AI负责“怎么答最好”，人类负责“值不值得答”。
可现在的我们，恰恰丢掉了这份最珍贵的能力。
我们懒得原创选题，让AI帮忙挑热点；懒得搭建框架，让AI帮忙搭结构；懒得思辨质疑，直接采信工具结论。科研圈的问题创造力正在集体萎缩，大家都在跟风热点、复刻范式、小幅迭代，没人愿意做笨拙、冷门、有风险的原创探索。
但科学史上所有伟大的突破，从来都始于一个看似“愚蠢”的问题。
苹果为什么往下落？光速为什么恒定？宇宙为什么有规律？
这些问题在当时的聪明人眼里，多余且无用，却最终撬动了整个人类科学的跃迁。
AI只会追逐成熟、高效、高回报的研究方向，只有人类，愿意为无用的疑问买单，愿意为未知的空白深耕。
05 规则防得住作弊，防不住认知的遗忘
写到这里，大概率会让很多人不舒服。
因为它戳破了我们的优越感，推翻了我们引以为傲的能力，承认了一个残酷现实：我们一边审判AI的不完美，一边放任自己的认知退化。
我们忙着给AI立千万条规矩，却不肯约束自己的一丝惰性；我们严苛审查工具的每一处漏洞，却对自己的思维懈怠视而不见。
未来，当AI能完美解决所有可解的科学问题，人类科研最后的、最珍贵的价值，就是敢于提出那些AI觉得“不划算、无意义、没必要”的问题。
敢于质疑完美的结论，敢于挑战固化的范式，敢于探索无解的空白。
最后想问每一个做研究、搞学术的人一个发自内心的问题：
你上一次抛开AI辅助，独立构思一个笨拙的、不确定的、没人看好的、属于自己的研究问题，是什么时候？
如果你的答案是很久之前，甚至早已习惯全程依赖AI，那你的学术生涯或许从未触碰作弊红线，但早已陷入了无声的学术失能。
AI可以写出无懈可击的证明、工整规范的论文、逻辑完美的结论。
但只有人类，在一切看似完美闭环时，依然敢于停顿、敢于怀疑、敢于追问：
等等，这一切，真的对吗？真的值得吗？
AI时代，人类科研的终极竞争力，不是比AI更快地找到答案，而是比AI更固执地追问“这个问题真的值得被回答吗”。规范防作弊，但只有愚蠢的勇气，才能防遗忘。
