用AI还是学知识？2026年三项研究揭示“撤走助手”后的差距
合理用AI：先自主思考，再借工具打磨，勿省必要挣扎。
快，是AI最大的卖点：题目秒解，方案秒出。问题是，AI不在手边的时候，我们还能独立做完多少事？2026年有三项新研究，从独立作答、长期练习和使用顺序三个角度分别做了实验。
设想你被请去做十五道分数运算题。前面十二道，屏幕旁边配了个AI助手，随叫随到，想问什么问什么。做到第十三题，助手没了，连句提示都没有。
剩下三道，你还能做出来吗？
Liu和合作者做的正是这样一组随机实验。三项实验一共招募1,222人：前两项做分数题，第三项换成SAT式阅读理解。设计一致——练习阶段一组可以问AI，另一组不能；测试阶段所有人只能独立作答。
论文首页（arXiv版）。来源：arXiv:2604.04721；已收录于COLM 2026
结果相当清楚。第一项实验里，练习时能问AI的人，助手一撤走，平均答对比例只有0.57；从头到尾自己做的人为0.73。前者跳过不做的题也多了将近一倍。
第一项实验在筛选样本时留下了一处疏漏，第二项实验里研究者把这个疏漏补上了，差距照样存在。换成阅读理解任务，同一套模式又重演了一遍。前后练下来也就十来分钟，分数差已经露出来了。
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
落差为什么来得这么快？Liu团队给了两种解释。一种说法是，AI的秒答改变了人对「一道题该花多久」的预期，自己动脑显得格外费劲，越费劲越想推给AI。另一种说法是，AI省掉的那部分，恰好是学习中有益的挣扎；没有挣扎，人就摸不清自己能走到哪一步，支撑坚持的那份自知也跟着失准。两种解释哪个是主因，现有实验还没能分开。
第二项实验还记下了人们怎么用AI。六成以上的人直接向AI要答案，论文里记录的一条真实输入只有一个词：「answer?」。另有约四分之一的人主要要提示。撤走AI后，要答案的人平均答对比例是0.65，要提示的人是0.76。用法并不是随机分配的，这只能算一条相关线索，但它把问题从「用不用AI」变成了「怎么用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
[标题] 十年数据里的同一道坎
实验室里的十分钟，放到真实学习中会不会累积起来？
数学练习平台ALEKS的2015年至2025年学习记录被另一组研究者调了出来，约320万次。他们把题目分成两类：文字应用题算「AI易用」，整题复制粘贴给聊天机器人就能得到答案；必须在平台上拖动图表才能作答的算「AI难用」。
按研究者的估算，ChatGPT问世以来，大学生花在AI易用题上的学习时间，比花在AI难用题上的少了26.9%（十一个季度累计）。高中生少了31.3%，初中生少了9%，五年级学生则没有变化。
会不会只是学生变高效了？研究者把监考和不监考两种情况拿来对比，想排除这个解释。不监考的时候，易用题的作答时间一路往下走；一到监考，这条下降趋势基本就没了。要是学生普遍变高效，两种环境下都该变快才对。平台还会在监考状态下隔一段时间插入一些学过的内容，看学生记不记得住。这类题上，易用题的答对赔率同样低于难用题。
这些结果只能算旁证。论文还没过同行评审，数据里也没有谁用过AI的直接记录。可它和实验室得出的结论方向一致——省下来的时间，或许连一部分学习也一起省掉了。
这是否说明AI对学习有害？不能这么讲。2026年发表的一项元分析纳入了35项实验、4193人，结论是设计合理的ChatGPT教学确实能改善它所测量的学习结果。两类研究测量的并不是一回事：元分析看的是借助AI学习时取得的成绩，前面那几项研究看的是把AI撤走以后学生还能独立完成多少。
换一个顺序
有没有一种用法，既省下时间，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，给出了一条初步的路。
196名大学生为一款毛绒玩具想改进方案，被分成三组：第一组不用AI；第二组随意使用ChatGPT；第三组按固定顺序来——先花三分钟独立想出自己的点子，再用六分钟请ChatGPT帮着改，最后三分钟自己收尾。第三组还拿到了提问模板，每一问都从自己的点子出发：「我的点子是XX，怎样改得更好？」「还能怎样更原创？」
第一轮，随意使用ChatGPT的一组明显领先，原创性得分4.08；不用AI的一组只有3.06，先想后问的一组3.30。先想后问的一组第一轮得分偏低，这是换顺序要付的代价。
第二轮上的是更复杂的新任务：独立设计一款帮成年人学外语词汇的游戏，全程不许用AI。这回结果不一样了。随意使用的那一组掉到2.69，跟不用AI的一组（2.63）几乎持平，第一轮攒下的优势一点没剩下。先想后问的一组拿到3.42，高于另外两组。
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
区别究竟在哪？两组找ChatGPT问的次数其实相差无几，关键看提问之前有没有先亮出自己的思路。随手就用的一组里，70.9%的提问是单向索取，接近六成的人压根没谈自己的想法，开口就让ChatGPT给创意。先想后问的那组正相反，88.6%的提问都拿自己的念头跟AI反复切磋。
只是先想后问眼下仅此一项实验做过直接检验，况且这套做法含先想、限时、模板好几道环节，到底是哪一环在起作用，目前还说不清。
先想，后问
这两条认知科学规律，正好对得上「先想后问」：一条叫生成效应，一条叫必要难度。
生成效应是1978年心理学家斯拉梅卡（Norman Slamecka）与格拉夫（Peter Graf）发现的：自己动脑想出来的内容，比直接摆到眼前的东西记得更久。
必要难度则由心理学家罗伯特·比约克（Robert Bjork）在1994年提出。此后他和伊丽莎白·比约克（Elizabeth Bjork）多年研究得出的结论是，不少情形下练习时多花的那份力气，换回来的是往后记得住、拿得出。
打个比方，健身时找人替你举杠铃，杠铃是举起来了，肌肉却长不到你身上。
于是用AI的时候，不妨多问自己一句：把AI撤掉，我还能不能独立做出来？做法也简单——答案定下来之前，先自己拿个方案，粗糙也没关系；再让AI挑刺、举反例、帮忙改。
AI替你省时间的本事只会越来越强。省掉的是没必要的干等，还是那段非熬不可的挣扎，选择权在你手上。
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.
