长期依赖大型语言模型（LLMs）减轻认知负担会削弱我们的思考能力。认知负荷是必要的，过度依赖外部工具可能导致我们失去独立思考的能力。正如肌肉通过举重增长，思维也需要通过不断挑战和解决问题来强化。适度的压力和不适感能够增强我们的能力，而避免思考则会让我们在面对复杂问题时变得无助。

长期依赖大语言模型（LLMs）可能削弱我们的认知能力

将认知负担转移给大语言模型（LLMs）虽然带来便利，但长远来看，这对我们有害。认知负担是必要的，如果我们过度减少它——甚至停止思考——我们可能会逐渐丧失思考能力。

就像那些总是选择捷径、抄袭他人作业的孩子，最终会对学校的内容一无所知；那些总是依赖配偶处理账单和银行事务的人，某天可能连简单的支付都无法独立完成；而那些从不学习街道名称或路线的人，一旦手机没电，可能连回家的路都找不到。

这与纳西姆·塔勒布在《反脆弱》中提到的“毒物兴奋效应”类似——适度的压力或不适感会让我们变得更强大。例如，肌肉通过举重增长，免疫力通过暴露增强，信心通过冒险提升，技能通过重复磨炼，创造力通过解决难题扩展。大脑也是如此，思考的摩擦、寻找合适词语的挣扎，都是精神上的“举重”。

类似的例子还有“破窗理论”，即忽视小问题可能导致更大的混乱。长期依赖LLMs可能会让我们逐渐将所有的思考外包，最终变成生物傀儡。

最近的研究也支持这一观点。在一项实验中，参与者被分为三组：纯大脑组（独立写作）、搜索引擎组（使用谷歌搜索）和LLM组（完全依赖ChatGPT）。结果显示：

• LLM组中，83%的人在写作后不久无法引用自己文章的内容，而其他组几乎所有人都能做到。
• 从LLM转向独立写作的参与者表现出神经活动减少和持续的低参与度。
• 从纯大脑组转向使用LLM的参与者保留了较强的记忆力，并表现出与搜索引擎组相似的神经激活模式。

研究者用“认知债务”来描述这种权衡：AI辅助带来的即时便利可能以牺牲长期认知能力为代价，如批判性思维、记忆力和创造力。你从机器中借用了心理能量，但需要支付利息——这种代价会在你自身思考能力减弱时显现。

因此，LLM是一种强大的工具，但应明智使用。不要让它直接解决数学题，而是先自己思考，再让它指出错误。从独立思考开始，再结合AI，对认知发展更健康。就像核能，可以用于大规模破坏，也可以作为清洁能源。

持续的AI依赖可能会削弱学习、记忆和创造力。不适感不仅仅是麻烦，它是成长的训练场。寻找不适感，主动迎接它，并鼓励它。

评论主要围绕“LLMs（大型语言模型）是否让我们变得更笨”展开，观点多样且平衡。以下是总结：

支持LLMs提升智能的观点： 1. 工具提升效率：LLMs像计算器一样，帮助人们更快完成任务，提升整体效率。
- "Similar fear mongering when calculators came about. No one got dumber, we just got faster at doing simple math."（类似计算器出现时的恐慌，没人变笨，只是做简单数学更快了。）
- "When working well, they enable us to offload needing to memorize a wikipedia worth of information and think about higher level problems."（它们让我们不必记忆大量信息，专注于更高层次的问题。）

2. 促进学习与创新：LLMs可以帮助人们更快学习新知识，激发创造力。
   • "I think LLMs will make anyone who wants to learn much smarter."（我认为LLMs会让想学习的人变得更聪明。）
   • "ChatGPT completely solved it in about 10 minutes. Incredible result, helped me learn some useful techniques."（ChatGPT在10分钟内解决了问题，帮助我学到了一些有用的技巧。）

质疑LLMs可能削弱智能的观点： 1. 依赖性与懒惰：过度依赖LLMs可能导致人们失去独立思考能力，变得懒惰。
- "LLMs haven’t made me dumber, but they have made me lazier."（LLMs没让我变笨，但让我变得更懒。）
- "If it’s doing the thinking for you, just like social media, but much more intense."（如果它替你思考，就像社交媒体，但更强烈。）

2. 削弱基础能力：LLMs可能阻碍人们掌握基础知识，影响长期学习。
   • "If you offload the foundational things that you learn and chunk you will hinder yourself."（如果你把基础学习外包出去，会阻碍自己。）
   • "We can see this right now in the reading dilemma in US schools where early decoding skills were misunderstood and it lead to significant struggles later."（美国学校的阅读困境就是例子，早期解码技能的误解导致后期严重问题。）

中立观点： 1. 工具的双刃剑效应：LLMs的效果取决于如何使用，合理使用可以提升智能，滥用则可能带来负面影响。
- "There really is a lot of space in the middle: judicious use of AI for specific purposes, managing the risks and benefits, etc."（中间有很多空间：明智地使用AI，管理风险和收益。）
- "AI won’t affect how dumb we are. I think they will decrease the utility of crystalline knowledge skills and increase our fluid knowledge skills."（AI不会影响我们有多笨，它会减少晶体知识的实用性，增加流体知识的技能。）

总结：LLMs是否让我们变笨取决于使用方式。合理使用可以提升效率和创造力，但过度依赖可能导致懒惰和基础能力的削弱。