AI 的显著优势在于其高效性：解题迅速，方案生成也快。但若失去 AI 辅助，我们还能独立完成多少任务？2026 年，三项新研究分别从独立作答、长期练习和使用顺序三个维度进行了实验。以下为详情。

假设你被要求完成十五道分数运算题。前十二道题，屏幕旁有一个 AI 助手，随时可用。当做到第十三题时，助手消失，没有任何提示。

剩下的三道题，你还能解答吗？

Liu 及其合作者正是开展了这样一组随机实验。三项实验共招募 1,222 名参与者，前两项涉及分数题，第三项换为 SAT 式阅读理解，设计相同：练习阶段，一组可询问 AI，另一组则不能。测试时，所有人都必须独立作答。

论文首页（arXiv 版）。来源：arXiv:2604.04721；已收录于 COLM 2026

结果明确：在第一项实验中，练习时可询问 AI 的参与者，在助手撤走后，平均答对比例仅为 0.57，而一直独立完成的人为 0.73。他们跳过的题目数量也几乎翻倍。

第一项实验在样本筛选上存在瑕疵，研究者在第二项实验中进行了修正，但差距依然存在。换成阅读理解后，类似模式再次出现。整个练习过程仅持续十分钟左右，差距就已显现。

数据出自 Liu et al. 实验 1（撤走 AI 后三题的平均答对比例与跳题率）；COLM 2026

为何差距这么快就出现？Liu 团队提出了两种解释。其一，AI 的快速应答改变了人们对“一道题该花费多长时间”的预期，使得独自思考显得格外费力，越费力越想依赖 AI。其二，AI 省去的正是学习中那段有益的挣扎。缺乏挣扎，人们便无法了解自身能力边界，支撑坚持的自我认知也随之失准。这两种解释哪个为主因，现有实验尚未区分。

第二项实验还记录了参与者如何使用 AI。超过六成的人直接向 AI 索要答案，论文记录的典型输入只有一个词：“answer?”。另有约四分之一的人主要寻求提示。撤走 AI 后，索要答案的人平均答对比例为 0.65，而寻求提示的人为 0.76。使用方式并非随机分配，这仅能作为关联线索，但它将问题从“是否使用 AI”转向了“如何使用 AI”。

论文作者之一、《算法之美》作者 Brian Christian（牛津大学）。图源：牛津大学实验心理学系官网

十年数据中的同一道坎

实验室中的十分钟，在真实学习场景中是否会累积？

另一组研究者查阅了数学练习平台 ALEKS 从 2015 年到 2025 年约 320 万次的学习记录。题目分为两类：文字应用题，整题复制给聊天机器人即可获得答案，属于“AI 易用”；而必须在平台上拖动图表作答的，属于“AI 难用”。

研究者估计，ChatGPT 发布后，大学生在 AI 易用题上的学习时间，比 AI 难用题减少了 26.9%（十一个季度累计）。高中生减少 31.3%，初中生减少 9%，五年级学生则无变化。

学生们只是变得更高效吗？为排除这种可能，研究者比较了监考与不监考两种情形。不监考时，易用题的作答时间持续下降；监考时，这一趋势几乎消失。如果学生普遍变高效，两种环境下的作答时间应同步加快。平台还会在监考下定期插入学过的内容，检验学生是否还记得。在这类题目上，易用题的答对概率也低于难用题。

这组结果仅能作为旁证：论文尚未通过同行评审，数据也未直接记录谁使用了 AI。但它与实验室结果方向一致：省下的时间，可能连带省掉了一部分学习。

这是否意味着 AI 对学习有害？不能这么说。2026 年发表的一项元分析汇总了 35 项实验、4193 人，发现设计得当的 ChatGPT 教学，确实能改善所测量的学习结果。两类研究测量的并非同一件事：元分析关注的是使用 AI 学习时的成绩，而前述研究关注的是撤走 AI 后能否独立完成。

换个顺序

是否存在一种用法，既能节省时间，又能真正学会？

新加坡研究者 Sarah Shi Hui Wong 与 Sophia Xuefei Qiu 在《教育心理学评论》上发表的一项随机实验，提供了一条初步路径。

196 名大学生为一款毛绒玩具设计改进方案，分为三组：第一组不使用 AI，第二组随意使用 ChatGPT，第三组遵循固定顺序：先花三分钟独立构思，再用六分钟请 ChatGPT 协助修改，最后三分钟自己收尾。第三组还获得了提问模板，每个问题都从自己的点子开始：“我的想法是 XX，如何改进？”，“如何使其更具原创性？”。

第一轮，随意使用 ChatGPT 的一组明显领先，原创性得分 4.08，不使用 AI 的一组为 3.06，先想后问的一组为 3.30。先想后问的一组第一轮得分较低，这是改变顺序的代价。

第二轮换了一个更复杂的新任务：独立设计一款帮助成年人学习外语词汇的游戏，所有人都不能使用 AI。这次结果不同了。随意使用的一组得分跌至 2.69，与不使用 AI 的一组（2.63）相近，第一轮的优势完全消失。先想后问的一组以 3.42 分领先于其他两组。

数据出自 Wong & Qiu 2026（专家盲评原创性均值，1–7 分）；第二轮是更复杂的新任务，与第一轮题目不同

差异出在哪里？两组向 ChatGPT 提问的次数相近，区别在于提问前是否先阐述了自己的想法。随意使用的一组，70.9% 的提问属于单向索取，其中近六成未给出自己的想法，直接让 ChatGPT 生成创意。先想后问的一组，88.6% 的提问都在用自己的想法与 AI 进行迭代打磨。

不过，先想后问目前仅有一项实验直接检验，且它包含先想、限时、模板等多个环节，哪个环节起了作用，尚不明确。

先想，后问

“先想后问”与认知科学中的两条规律相符：生成效应与必要难度。

一条是生成效应。1978 年，心理学家斯拉梅卡（Norman Slamecka）与格拉夫（Peter Graf）发现，自己想出来的东西，比直接看到的记得更牢。

一条是必要难度。1994 年，心理学家罗伯特·比约克（Robert Bjork）提出这一概念，此后他与伊丽莎白·比约克（Elizabeth Bjork）多年研究发现，在许多条件下，练习时多付出的努力，能换来日后更好的记忆和应用。

就像健身，请人替你举杠铃，杠铃虽能举起，但肌肉不会长在你身上。

因此，使用 AI 时，值得多问自己一句：如果撤掉 AI，我还能独立完成吗？一个简单的方法是：在答案成形前，先自己想出一个方案，哪怕粗糙；再请 AI 挑毛病、给反例、帮着改。

AI 节省时间的潜力只会越来越大。省下的是无谓的等待，还是那段非省不可的挣扎，由你自己决定。

参考文献

Liu, G., Christian, B., Dumbalska, T., Bakker, M. A., & Dubey, R. (2026). AI assistance reduces persistence and hurts independent performance. In Proceedings of the Conference on Language Modeling (COLM 2026). arXiv:2604.04721.

Wong, S. S. H., & Qiu, S. X. (2026). Think first, ChatGPT later: Guiding human–AI collaboration for learning gains in independent human creativity. Educational Psychology Review, 38, Article 45. https://doi.org/10.1007/s10648-026-10118-7

Rismanchian, S., Uzun, H., Matayoshi, J., Cosyn, E., & Kurd-Misto, E. (2026). Faster completion, less learning: Generative AI reduced study time on math problems and the knowledge they build (arXiv:2605.21629) [Preprint]. arXiv.（未经同行评审）

Wu, X., Zhu, P., Zhang, J., Yin, M., & Wang, Y. (2026). ChatGPT's impact on student learning outcomes: A meta-analysis of 35 experimental studies. Humanities and Social Sciences Communications, 13, Article 684. https://doi.org/10.1057/s41599-026-07019-z

Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592–604.

本文来自微信公众号“开智学堂”（ID：openmindclub），作者：倡导元学教育的，36氪经授权发布。 在探索如何有效利用 AI 时，星空平台导航 提供了相关资源和指导。