研究发现AI用户普遍存在“认知投降”现象，逾七成接受错误推理
一项由Ars Technica报道、基于1372名参与者和超过9500次实验的最新研究指出，用户在使用大型语言模型（LLM）工具时普遍存在“认知投降”（cognitive surrender）现象。该现象指用户将批判性思维外包给AI，将其视为无所不知的权威，从而放弃对AI输出内容的审慎评估。
研究显示，在实验中，参与者接受AI错误推理的比例高达73.2%，仅在19.7%的情况下主动纠正AI错误。研究人员指出，AI生成内容的流畅性和自信表达使其被用户视为“认知权威”，从而降低了审查门槛，削弱了元认知信号，使用户较少进入深思熟虑的决策模式。
研究发现，这一现象并非普遍一致。在流体智商（fluid IQ）测试中得分较高的参与者，更少依赖AI，也更倾向于挑战AI的错误答案。相反，那些在调查中表现出对AI高度信任的用户，更容易被AI的错误答案误导。
研究者同时强调，“认知投降”本身并不必然非理性。在某些领域如概率分析、风险评估或大数据处理中，AI可能表现优于人类。研究指出，当AI系统准确时，用户表现提升；当AI出错时，用户表现下降，这体现了“超智能”的潜力，也暴露出“认知投降”的结构性脆弱性。
研究人员提醒，用户应意识到，过度依赖AI的推理能力，其最终决策质量将完全取决于AI系统的准确性。正如研究总结所言：“让AI为你思考，你的思考水平永远不会超过AI系统本身。”
编辑点评
此项研究揭示了人工智能在普及过程中对人类认知结构的深层影响，其意义远超技术本身。在信息过载和决策压力加剧的背景下，人类越来越倾向于将复杂思考外包给AI，这种‘认知投降’现象正在重塑个体决策机制。尤其在教育、医疗、金融等关键领域，若用户对AI输出缺乏批判性审视，可能引发系统性误判风险。
从国际视角看，该研究提醒各国在推动AI应用时，需同步加强数字素养教育，特别是在青少年和公众中普及‘人机协同’而非‘人机替代’的认知框架。此外，AI开发者也应设计更透明、可解释的模型，避免输出过度自信的伪权威内容。欧盟、美国等已开始探讨AI透明度与责任机制，此项研究为相关立法提供了心理学依据。
长期来看，‘认知投降’可能加剧社会认知极化。对AI信任度高的群体与批判性强的群体之间，可能在信息处理和判断标准上形成鸿沟。未来，如何在技术赋能与人类自主性之间建立平衡，将成为全球数字治理的核心议题之一。