只用 AI 十分鐘，就可能讓人更容易放棄？1,222 人實驗揭開獨立思考的代價

十分鐘的 AI 幫助，究竟改變了什麼？

2026 年 10 月 26 日，AI 對人類思考能力的影響再次成為科技新聞焦點。不過研究並不是今天才發表：Grace Liu、Brian Christian 等人的論文《AI Assistance Reduces Persistence and Hurts Independent Performance》於 2026 年 4 月先公開預印本，10 月更新版本並在 COLM 2026 發表。研究真正發現的是：短暫依賴 AI 直接解題後，當協助突然撤除，參與者的獨立答題表現與持續嘗試意願會下降。這與「大腦永久受損」是兩回事。

三場隨機實驗，合計 1,222 人

研究團隊進行三場隨機對照實驗。第一場招募 354 人，要求解答 15 道分數題；部分參與者可使用 ChatGPT，另一組則獨立作答。在前 12 題，AI 組可以求助甚至索取答案，隨後研究者撤除工具。第二場以 667 人重複並調整實驗設計；第三場 201 人改用 SAT 形式的閱讀理解任務。三場招募數合計 1,222，不能直接當作每項分析的有效樣本數。

AI 在場時更快，離場後卻更容易放棄

實驗顯示，AI 可用時，參與者短期答題表現較好；然而移除 AI 後，先前依賴 AI 的組別在後續題目的正確作答與持續嘗試上落後於始終獨立解題的組別。這是隨機分組支持的短期因果證據，但測量的是特定任務中的行為表現，不是腦部結構、智商或永久認知退化。

關鍵不只是用不用 AI，而是怎麼問

研究團隊的專案說明指出，負面效果主要集中在要求 AI 直接提供解答的使用者；若主要尋求提示或釐清概念，研究未發現同樣顯著的損害。這個區分十分重要：讓 AI 代替自己完成推理，與讓 AI 協助自己完成推理，可能產生不同的學習結果。這不代表提示模式已被證明在所有情境下都安全或最有效。

背後的心理機制：認知卸載與有益的困難

認知卸載（Cognitive Offloading）是把原本需要自己記憶、推算或判斷的工作交給外部工具。計算機、搜尋引擎與導航都能降低認知負擔，並不天然有害。問題在於學習某項技能時，自己嘗試、犯錯、修正的過程，可能正是建立能力的核心。研究者用 Productive Struggle 描述這類有價值的努力：如果每個難題都被立即解答，使用者可能習慣即時回饋，遇到沒有工具的情境便較不願意繼續。這是研究者提出的解釋，不能當成已直接量測到的唯一神經機制。

為什麼這對程式開發與教育重要？

例如學習程式設計，直接請 AI 產出整個函式，可能讓專案迅速前進；但若沒有理解錯誤訊息、資料流與測試策略，工具離開時就難以獨立除錯。更有建設性的流程是先自己提出假設，再請 AI 給提示、反例或測試案例，最後不看答案重新實作。教育場景也可以把 AI 從答案販賣機改造成蘇格拉底式導師：先追問思路、分階段給提示，必要時才完整示範。這些是依研究結果提出的應用建議，不是本研究已直接測試的產品功能成效。

不能從這篇研究推論什麼？

首先，約十分鐘指的是短暫實驗暴露時間，不代表每個人使用 AI 滿十分鐘就會受到相同影響。其次，研究沒有證明日常長期使用 AI 導致不可逆的智力下降，也不能直接推論所有職業或複雜創作任務。第三，受試者的任務以分數計算與閱讀理解為主，外推到科研、設計與軟體工程時需要更多實驗。最後，研究中的持續作答行為與主觀動機、注意力、長期學習成效並非完全相同的指標。

真正值得問的問題

AI 最擅長縮短從問題到答案的距離，但教育與技能養成未必只追求最短路徑。對已熟悉的重複工作，認知卸載可能節省大量時間；對尚未建立的核心能力，保留一部分需要自己思考的困難，可能更有價值。問題不是人類應不應該使用 AI，而是我們希望 AI 幫助人類完成任務，還是幫助人類逐漸有能力完成任務。

Tech English 技術名詞

Cognitive Offloading（認知卸載）：把記憶、計算或推理工作交給外部工具。 Persistence（持續嘗試能力）：遇到困難時仍願意投入努力與完成任務的行為傾向。 Randomized Controlled Trial, RCT（隨機對照試驗）：隨機分配受試者至不同條件，以估計介入措施的因果效果。 Productive Struggle（有益的困難歷程）：學習者透過嘗試與修正建立理解的過程。 Scaffolding（鷹架式引導）：依學習者能力提供逐步提示，隨能力提升逐漸撤除支援。 Independent Performance（獨立作業表現）：在沒有外部協助時完成任務的能力與實際表現。