这条热搜的源头，是理论哲学研究员凯萨·凯尔基的一项研究：过度依赖AI易导致从业者专业技能退化，且因认知偏差难以察觉。 先看结论：技能退化并非臆测，医生、学生和职场调查三组可核验的数据都指向同一件事——真正在流失的不是"知道多少"，而是"亲手做"喂养出来的判断力；而它的发作方式，恰恰让人很难自查。IT之家
最硬的证据出现在高风险职业。2025年10月，《柳叶刀·胃肠病学与肝病学》的一项研究发现，习惯使用AI辅助结肠镜检查的医生在撤掉AI支持后表现明显更差，癌前病变检测率从28.4%降至22.4%。 这些医生没有忘记医学知识，退的是"亲手发现病灶"这件高频动作本身。浙江大学管理学院团队2025年发表在《科学报告》的研究把这一步的连锁写得很清楚：当AI接管了工作里"烧脑"的部分，人只剩机械执行，工作沦为"被动填空"，随之而来的是心理疏离和动力流失。人民网新华社
为什么"悄悄"：自信在给退化打掩护
凯尔基说这种退化"因认知偏差难以察觉"，机制在研究里能被拆开。科技日报综述微软与卡内基梅隆大学合作研究时指出，生成式AI让任务执行显得轻松，人于是把解决问题的专业知识拱手让出，而对使用AI的自信度上升，这种高度自信反而让人认为降低努力程度是合理的。 换句话说，用得顺手带来的信心，恰好掩盖了正在萎缩的那部分能力。新华社对微软和卡内基梅隆大学相关研究的概括同样直接：生成式AI会削弱批判性思维能力，导致过度依赖，可能削弱人们独立解决问题的能力。科技日报新华社
学生数据：决定退不退的不是"用没用"，而是"想的那一步留给谁"
2026年6月，三位研究者发布工作论文，追踪中国中部一个县26811名中学生：当学生可以自由选择AI工具和用法时，作业交得更快、得分更高，闭卷考试反而下滑。 需要纠正的是网传"中国学生总体成绩下降20%"的说法——这篇论文是单一县的观察性研究，作者自己注明证据局限于此，不能外推成全国结论；用AI超过五个月的学生中，81%被划入"外包"组，损失也集中在这个群体。真正关键的对照藏在细节里：同样使用AI，但完成作业时间没有减少的学生，月考成绩并没有下降。 也就是说，变量不是"用没用AI"，而是"你把自己的思考过程留了多少在手上"。科普中国知乎
大众的体感与数据对得上：中国青年报社社会调查中心对1334名受访者的调查中，71.7%担心过度依赖AI产生思维惰性。 而风险分布并不均匀。科技日报梳理加州大学尔湾分校哲学助理教授伯格等人的研究时特别提到，初级员工最易受到技能流失的冲击，因为他们从一开始就依赖AI，没能建立起验证、纠正AI输出所需的基础。 中国工程院院士罗先刚在《光明日报》的院士对话里给出的划分可以作为参照：AI改变的是科研的"执行层"，尚未触及"提问层"——被AI接管的恰恰是"亲手做"的环节，而判断力、提问能力正是从这些环节里长出来的。中国青年报人民网光明日报
该谁负责：个人自检之外，还要有结构性安排
凯尔基这篇研究的真正问题不是"会不会退化"，而是"谁该为此负责"：她把技能退化定位为社会性结构问题，主张行业明确哪些核心能力必须亲手练成，并为新人设定禁用AI的训练阶段，提前应对风险。 这一判断与上述证据链是吻合的：既然退化难以自察，靠个人"自觉"天然不可靠，培训制度、岗位流程才是拦住它的堤坝。IT之家
对个人而言，可操作的检验信号其实很具体。新华社转述的行业建议把劳动者分成"AI乘客"与"AI驾驭者"，后者的做法值得照抄：把AI生成的内容当作初稿，对结果严格核查，有时还会关闭AI独立思考。 落到实处就是三条：每周至少完整亲手做一件本可以外包的事，哪怕慢；先给出自己的答案再去问AI，而不是相反；隔段时间关掉AI独立跑一遍核心任务，做不做得动，比任何感觉都诚实。新华社
