随着生成式人工智能工具在教育、工作领域的广泛应用，其潜在负面影响日益引起学术界关注。
近期一系列国际研究揭示了人工智能使用与认知能力之间的复杂关系，为人们敲响了警钟。
美国麻省理工学院近日发布的研究成果显示，撰写论文时频繁使用人工智能的使用者，其脑部认知处理相关的神经网络活跃度明显下降。
该研究招募了54名来自麻省理工及周边高校的受试者，通过脑电图技术记录其大脑活动。
研究人员观察到，当受试者借助人工智能进行论文总结、文献查找、语法优化等操作时，其认知投入程度随之降低。
更值得关注的是，相比未使用人工智能的对照组，频繁使用者在准确引用自身论文内容时出现了更多困难，这表明大脑在信息处理和记忆方面的能力受到了影响。
美国卡内基梅隆大学与微软联合开展的另一项研究进一步证实了这一趋势。
该研究对319名周期性使用人工智能工具的白领员工进行了追踪调查，分析了900个由人工智能处理的任务案例。
数据显示，使用者对人工智能完成任务能力的信心越高，其自身投入的批判性思考就越少。
虽然生成式人工智能在提升工作效率方面表现突出，但这种便利性同时抑制了人们对工作的深度思考，形成了一种消极的权衡关系。
英国牛津大学出版社今年10月发布的调查结果将这一问题的严重性延伸到基础教育领域。
该研究对英国中小学学生进行了广泛问卷调查，结果显示约六成受调查学生认为人工智能对其课业能力产生了负面影响。
这一数据表明，人工智能对学习效果的消极作用已经波及学生群体，引发了教育工作者的深切担忧。
然而，情况并非完全悲观。
同一项牛津大学出版社的研究也发现了人工智能的积极作用。
约九成学生认为人工智能至少在一个方面提升了他们的课业相关技能，包括问题解决能力、创造力和复习效率等。
生成式人工智能专家亚历山德拉·托梅斯库指出，这反映了人工智能应用的复杂性和两面性。
然而，她同时提醒，约四分之一的学生表示人工智能使完成作业变得"过于容易"，这种便利性可能导致学生减少必要的思维训练。
问题的关键在于，人工智能工具的普及速度远超相应的指导机制建立。
伦敦大学学院教授、人工智能与教育研究专家韦恩·霍姆斯指出，尽管人工智能在大中小学和职场中迅速渗透，但相应的使用指南和应对措施却严重滞后。
目前学术界缺乏大规模、独立的证据证明这些工具在教育中的有效性和安全性，也难以确认其能否产生积极影响。
霍姆斯特别强调了"认知萎缩"的风险。
他以医学领域为例，哈佛医学院的研究发现，放射科医生在诊断患者前若先使用人工智能辅助解读X光片，其自身的判断力反而可能下降。
这一现象在教育领域同样存在——学生过度依赖人工智能完成作业，可能无法通过教育过程培养出核心能力。
虽然学生可能获得更高的考试分数，但实际学习效果却在悄然退化。
面对这一挑战，专家们呼吁采取积极行动。
霍姆斯强调，在鼓励学生广泛使用人工智能工具之前，需要开展更深入、更广泛的研究，探索人工智能对学习的真实影响。
更重要的是，社会各界应该合力寻找使用人工智能的最佳实践方式，确保技术能够增强而非削弱学生的学习能力。
这需要教育工作者、技术企业、政策制定者和研究机构的协同努力。
许多学生也表达了对科学指导的渴望。
调查显示，不少学生希望获得更多关于如何正确使用人工智能的建议和培训。
这表明，建立规范的人工智能使用指南不仅是专家的呼吁，也是学生群体的实际需求。
技术进步带来的从来不只是“做得更快”，更考验社会是否能“想得更深”。
生成式工具的价值，应当体现在帮助人们更好地理解问题、提出问题并验证答案，而不是替代思考本身。
把握好边界、补齐规则与训练短板，让“人主导”成为原则，让“机辅助”成为手段，才能实现提效与增能的同向而行。