AI最危險的不是替代你，而是悄悄吃掉你的腦子

《馬斯克原理》上市，點擊下圖購買

橋水基金創始人瑞·達利歐近期在賬號上發布一條視頻，探討我們如何與AI相處。達利歐說：AI與人必須是一種合作關系，不能一有問題就問AI怎么做，然后盲目聽從。未來應該是優秀的人和優秀的AI同時與編程專家一起搭建決策系統。因為靠人腦把事情反復權衡再做出最優決策的做法已經過時。你需要一個AI伙伴，才能做好這些事情。

那么，如果過度依賴AI，我們的思維會變成什么樣？一項最新的研究給出了令人警惕的答案。

0 1

10分鐘，AI就能讓你的大腦“偷懶”

卡內基梅隆大學、麻省理工學院、牛津大學和加州大學洛杉磯分校的研究人員聯合進行了一項實驗：召集1222名受試者，讓他們使用AI聊天機器人，僅僅10分鐘。結果令人震驚——當AI助手突然被撤回后，使用過AI的用戶“放棄問題或答錯題的可能性顯著增加”，與從未使用過AI的對照組相比，差距十分明顯。

AI只需要10分鐘，就能讓人的自主解題意愿和能力出現可測量的退化。

MIT助理教授米歇爾·巴克在研究報告中寫道：這背后是一個認知層面的根本問題——關乎毅力、學習能力，以及面對困境時的心態。當一個人習慣了讓AI替他拆解復雜問題，他就喪失了在陌生領域中從頭摸索、建立知識框架的能力。

類似的擔憂在教育界同樣蔓延。在2026世界數字教育大會上，經濟合作與發展組織教育與技能司負責人安德烈亞斯·施萊歇爾分享了一個令人警醒的案例：土耳其一項研究顯示，學生使用人工智能工具學習數學后成績提高，但在后續測試數學思維能力時反而下降。人工智能工具提升了考試成績，但并沒有提升學習能力。

更可怕的是，AI帶來的不只是“技能退化”，還埋藏著另一種同樣隱蔽的風險——“未技能化”，即人從一開始便錯失了習得基礎能力的機會。你以為是AI在幫你干活，其實是AI在替你廢掉大腦。

這背后有一個更深層的問題：AI生成內容的泛化和同質化正在加速這一過程。騰訊ima產品經理曾在一個公開分享中指出，“以前AI生成內容大多以全網信息作為信源，太泛、信源真實性難考究、深度無法保證”。同一個底層模型給出的建議，換一個人輸入同樣的關鍵詞，大概率是一樣的。這意味著什么？當所有人都依賴同一個AI模型來“思考”時，獨立思考的價值正在被系統性侵蝕。

那么問題來了：AI時代，人類該如何自救？

點擊下方卡片購買

02

從被動接收到主動推演

要避免大腦被AI“稀釋”，關鍵就在于切換模式：從被動接收答案，轉向主動推演問題。

被動接收模式的問題在于：它剝奪了大腦最需要的訓練——在不確定性中做推演。

認知科學有一個基本共識：人的思維能力和肌肉一樣，需要負荷訓練。你讓大腦解決的問題越復雜、越開放，神經元之間的連接就越密集，思維的通路就越豐富。反過來，如果你總是給大腦喂食已經處理好的、結論明確的答案，它就會慢慢“偷懶”——減少不必要的能耗，放棄那些需要深度加工的思考路徑。

這就是為什么同樣是使用AI，不同的人得到的結果完全不同。

那些把AI當作“答案機”的人，正在經歷思維的退化。而那些把AI當作“推演引擎”的人，卻在借助AI放大自己的思考深度。

區別在于一個關鍵動作：在獲取AI的輸出之前，先自己建立框架。

具體怎么做？一個典型的主動推演流程是這樣的：

第一步：自己先拆解問題，列出已知條件、約束和目標。

第二步：自己先提出初步的假設或方案，哪怕是不成熟的。

第三步：把AI當作“最挑剔的同行”，讓它對你的框架進行追問、反詰、補充信息。

第四步：你在AI的輸出基礎上，再做判斷和整合。

這個流程中，大腦始終處于主導地位。這種模式下，AI不但不會讓大腦退化，反而會迫使大腦進行更高強度的思維訓練。

但這里有一個現實難題：大多數人在面對復雜問題時，根本沒有一個屬于自己的“框架”。沒有框架，就無法啟動主動推演，甚至不知道從何問起。這正是方法論的價值所在。

換句話說，你需要一套現成的、好用的思維框架，來填補這個空白。《馬斯克原理》BookSkills，就為解決這個痛點而設計。

點擊下方小程序搶先試用

03

給你的大腦配一個AI外掛

在AI可以瞬時檢索全人類知識庫的時代，“知道”的成本幾乎降為零。但面對真正的復雜問題時，判斷力更為重要。

《馬斯克原理》這本書就系統梳理了六套被反復使用的思考框架。作者埃里克·喬根森梳理了馬斯克二十年來數百萬字的訪談、推文、播客和內部郵件，以馬斯克自己的原話為主線，提煉出一套可操作的思維方法和行動工具：

第一性原理——不斷追問“最基本的事實是什么”，剝掉所有“別人都這么做”的慣性假設。當團隊因為“競品都有”而決定跟進某個功能時，第一性原理逼你回到原點：用戶真正的需求是什么？有沒有更簡單的滿足方式？

五步工作法——質疑→刪減→簡化→加速→自動化。馬斯克有一句著名論斷：“聰明的工程師最常犯的錯誤，就是去優化一個本不該存在的東西。”先判斷“該不該做”，再決定“怎么做”。

把時間用到極致——把“拖延”和“等待”換算成真實的成本損失。一個決策拖兩周，團隊五人等兩周，燒掉多少錢？當數字被算清楚，優先級自動浮現。

打造硬核團隊——從目標清晰度、決策效率、人才匹配度三個維度診斷執行力問題。很多時候，“再激勵一下”不是正確答案，調整決策鏈路或換人才是杠桿點。

用產品思維優化一切——任何反復出現的問題都可以當作產品來迭代：定義用戶、場景、痛點，找到瓶頸，設計改進，驗證效果。

快速試錯驗證想法——對抗“決策癱瘓”最直接的工具：找出最核心的假設，用三天時間和最低成本驗證，讓真實反饋決定下一步。

這六個工具彼此咬合，構成了一套從問題拆解到行動迭代的完整鏈路，遇到復雜問題時可以隨時調用。它的設計邏輯恰好吻合達利歐所說的“AI伙伴”——當你帶著一個真實問題進入時，系統不會直接給你答案，而是引導你按照這六大工作法的步驟，自己完成問題拆解、診斷判斷、行動規劃和后續復盤。同時，系統會記住你的背景和歷史行動，每一次使用都是上一次的延續。

換句話說，它把你一個人很難堅持的“主動推演”變成了一個結構化、可反復訓練的過程。你可以用一套被驗證過的方法論，與AI協作解決自己的問題。

在AI浪潮中主動為自己的大腦“塑形”，通過一套可靠的方法論，在真實問題的反復打磨中，讓判斷力、拆解力和行動力持續升級。

這正是《馬斯克原理》六大工作法試圖提供的訓練框架，也是BookSkills智能陪練被設計出來的原因。

點擊下方小程序購買BookSkills智能陪練，只需49元一年，即刻擁有一個愿意陪你反復練習這些思維工具的AI伙伴！

點擊下方小程序搶先試用

內容來源：中信書院