一、一个认真学生的担心
设想一位名叫小周的学生。他使用工具完成了一项资料分析，结果比自己第一次尝试更完整，却在关掉工具以后无法重现全部过程。他由此得出一个判断：工具让我越来越不会思考。这个人物与情境是分析设例，我们不预先知道他的能力是否真的下降，而要先看看这句话包含了什么。
小周至少可能面对四种情况：原来已经掌握的能力减少了；原来尚未掌握的能力这次仍未形成；他形成了另一种依赖工具的组织能力；或者他对自身能力的判断发生了改变。几种情况可以同时出现，但需要不同证据。一次关掉工具后的困难，不能自动辨认它们之间的差别。
如果小周从来不能独立完成该分析，那么眼前首先显示的是个人能力尚未形成，而不是已经失去。如果他过去确实能够完成，现在在可比条件下做不到，才有理由研究保持与退化。如果他能换一种工具继续组织分析，又说明某些新经验可能发生了。把所有情况都叫作变笨，只会让行动失去方向。
因此，本章不是承诺人工智能不会影响学习，而是反对把所有变化压缩成一个关于整个人智力的总判决。我们需要知道什么没有学会、什么正在减少、什么已经新生，以及哪些变化值得干预。只有这样，担忧才可能转化为有根据的学习安排。
二、没有获得，与已经丧失，是不同的时间关系
想象两条不同的学习轨迹。第一位学生原来不会某种方法，借助工具完成任务之后仍不会；第二位学生原来会用该方法，后来在相似条件下表现下降。前者涉及学习机会是否转化为个人能力，后者涉及原有能力的保持。两者都值得关注，却不能用相同叙述解释。
第一种情况中，工具可能帮助完成任务，也可能使必要的学习过程没有发生。我们要检查的是教育目标：当时究竟为了交付结果，还是为了形成某种个人理解？如果目标是学习，正确答案不能代替学习证据。若目标是使用一项成熟服务，则未形成全部内部技能未必构成失败。
第二种情况则需要合适的前后比较。任务难度是否相同，间隔多久，是否发生其他变化，能力下降是否只出现在一种测试方式中，都与判断有关。不能把不同任务之间的差距全部归给人工智能，也不能因技术总体有用就否认具体损失可能真实发生。
还有第三种时间关系：某项能力暂时不容易被提取，但在适当提示或短期重新练习后恢复。它与完全没有形成能力也不同。本书不在没有个体证据时作认知诊断，只强调，关于学习的判断需要时间结构，而不是根据一次不顺利就给自己贴上永久标签。
三、研究确实提出警示，但警示有具体边界
巴斯塔尼等人的高中数学实验区分了普通生成式辅助与具有学习导向设计的辅助。研究发现，某种无护栏使用改善了练习时表现，却损害了随后无工具测试表现；学习导向设计明显缓解了这一负面结果。[4]它支持认真研究学习安排，不能被扩张为所有人工智能使用都会导致长期智力下降。
沈与塔姆金二〇二六年的预印本报告了五十二名有Python经验、但不熟悉Trio程序库的开发者参与的随机实验。辅助组在紧随任务之后的技能测验中表现较差，完成时间的组间差异未达到统计显著。[15]这支持对该短期学习安排提出警示，不能直接外推为所有程序员的长期能力下降。论文对不同使用方式的后续分类，也不是把参与者随机分到各类方式后所得的因果比较。
李等人二〇二五年对三百一十九名知识工作者的调查，则考察了使用生成式人工智能时自报的批判性思考与认知投入。[16]调查中的关联不同于随机实验的因果证据。它能够提出值得追踪的问题，却不能独自证明某个人因为使用工具而发生了持续性认知退化。
这三类材料的证据身份应并列保留：课堂随机实验、短期开发任务实验、知识工作者自报调查。它们可以共同提出“完成与学会应分开考察”的问题，却不能拼接成一个覆盖终身、全人群的退化定律。本书关于焦虑归属和三向升维的机制，仍需独立检验，不能借用这些研究的样本量为自己完成论证。
四、亲自执行不等于理解，跳过执行也不等于理解发生
一位学生可以逐字抄写解答，却没有看见关键理由；也可以在工具帮助下比较两个解释，真正发现自己原先混淆了什么。因此，是否亲自完成全部外显步骤，与是否理解不能简单等同。教育需要观察活动怎样促成差异，而不是只看手是否一直在动。
反过来，阅读一段清楚的解释也不保证理解已经形成。学生可能觉得熟悉，却在改变条件后无法辨认方法是否适用。此时需要的不是羞辱，而是让理解有机会在新的问题中显露。能够复述、能够辨认反例、能够选择适用条件，是不同证据，不能只凭“我看懂了”的感觉结算。
理解本身也可以依赖外部支持。一个人借助图示、记录与对照材料弄清某个关系，不必把所有材料立即背下，才能说发生了理解。但这种理解的范围与持续条件应当被说明：离开哪一种支持仍能继续，哪些部分需要重新查看，哪些关系尚未真正把握。
因此，本书既不把所有理解缩进自然人大脑，也不把任何工具解释都算作学习者已经理解。理解需要在实际互动中表现出相应差异，可能由个人与外部支持共同实现；个人留下了什么改变，则是进一步需要观察的问题。
五、“不得跳过理解”需要说明是哪一层理解
一句普遍要求是，使用人工智能不能跳过理解。这句话若不说明对象，便可能变成无法完成的无限义务。使用翻译工具的人是否必须先理解模型全部实现？调用计算程序的人是否必须重新证明所有底层机制？若答案都是肯定，文明的封装几乎无法被正常使用。
更有意义的提问是，当前活动需要哪一层理解由谁承担。学生要形成某个概念，相关区别就需要在其活动中实际发生；使用者要对某项结果作出具体承诺，则需要相应证据与支持；普通服务消费者可能只需要知道适用条件和异常求助方式。不同目的对应不同理解要求。
理解要求也可能随工具成熟改变。原来需要每位使用者频繁检查的内部过程，后来可以由可靠机制承接。新的安排不应被旧要求永久冻结。与此同时，尚未可靠封装的部分也不能因为未来可能成熟，就提前取消必要支持。
因此，教育应当解释为何保留某项练习。它是帮助形成概念，提供异常辨认经验，还是仅仅沿袭过去习惯？真正具有发生作用的训练值得保留，甚至需要重新设计；只为了证明没有借助工具的重复，则应当接受质疑。
六、三种学习者，不宜被同一条禁令处理
设想第一位学习者的目标是独立掌握一项基础方法。他需要经历足以形成相关差异的活动，工具可以提供提示与比较，却不应让答案交付完全替代学习目标。此时某些无工具练习具有明确作用，因为要观察的正是该方法是否在个人身上形成可持续使用的能力。
第二位学习者已经掌握基本方法，正在研究一个更复杂的问题。若要求他每次重做已经可靠封装的计算，就可能阻碍新的探索。对他而言，更重要的可能是辨认假设、比较模型和把结果带回材料。这些活动也可以复合发生，不必被解释为自然人独享的高层领地。
第三位学习者只是希望完成一项生活任务，并不打算成为相关领域专家。他可以正当地接受成熟服务，而不必把服务内部技能全部学会。若工具帮助他与人沟通或整理私人记录，未能独立实现全部内部过程，不应被称为教育失败，因为那未必是他的目标。
同一个人也会在不同时间处于这三种位置。不能根据年龄、身份或是否是学生，一次性规定其全部活动都必须以独立技能形成为目标。任务目标需要具体说明，评价也要随之调整。
由此，简单禁用与无条件开放都可能错过关键。真正需要设计的是学习目标、封装范围与反馈方式之间的关系，而不是把所有使用者放进一条统一的人工智能使用强度刻度。
七、学习可以改变颗粒，而不必全部内化工具
小周可能不再逐项完成所有数据整理，却逐渐学会把一个问题拆成可核对的部分，说明材料条件，并在出现异常时找到相应支持。这些经验并不等于他掌握了工具全部内部机制，但也不是空无一物。它们在新的操作颗粒上形成，值得独立观察。
然而，这种组织经验也不能仅凭操作熟练来证明。小周可能只记住某个界面的按钮顺序，一旦工具更换就无从继续。若他能够解释必要输入、比较不同结果并重建流程，则说明经验可能具有更广的迁移。两种能力都真实存在，范围却不同。
学习颗粒变化还可以表现为把一组原来分散的知识组织成可调用结构。例如，某个比较方法与其适用条件被一起保存，下一次面对类似问题可以重新进入。个人不必记住所有细节，但需要能够可靠找到并使用相关关系。这样的积累既包含内部经验，也包含外部组织。
这不意味着外部档案自动就是个人知识。若资料无法访问、来源不清或使用者不知道何时适用，它仍可能只是储存。学习发生需要看这些东西能否在后续互动中发挥作用，而不是看硬盘里有多少文件。
八、保留训练的理由，应当来自未来活动
有些旧技能值得继续练习，因为它们在新系统中仍然承担重要功能。例如，能够辨认一种基本矛盾，可能帮助使用者发现结果不符合条件。但不能把这条理由扩大成所有旧步骤都必须保留。需要逐项说明某种训练怎样支持现实中的能力与可靠性。
贝恩布里奇的《自动化的反讽》指出，自动化可能改变而非消除人的困难，尤其涉及留给人的异常处理与支持要求。[9]这一提醒值得保留，但不能被改写成自然人永远必须独自监督全部机器。相应支持也可能通过新的复合安排发展。
因此，当某项个人技能减少时，可以比较几种回应：保留适当练习，改善自动检查，建立专业支持，缩小工具适用范围，或者重新组织任务。没有理由只允许第一种办法，也没有理由在支持尚未形成时假定其他办法已经足够。
训练还具有机会成本。把所有时间用于维持过去的每一项细节，可能减少进入新问题的机会。教育需要在保留与发生之间作出有根据的安排，而不是把最费力的路线当作最有道德价值的路线。
九、怎样观察自己是否真正学会？
对于有明确学习目标的人，可以选取少量与目标对应的检验，而不是每天给自己安排一场全面考试。某项概念是否能够在新例子中辨认，某个流程是否能够换一种工具继续，某个错误是否能够找到合适支持，这些问题分别观察不同能力。
无工具表现可以回答某些个人掌握问题，完整复合表现可以回答实际工作问题，更换条件后的表现可以观察迁移，间隔一段时间后的表现可以帮助了解保持。它们不必每次全部使用，也不能互相代替。检验组合应当由学习目标和实际条件决定。
记录时尤其要避免比较错位。不能把今天无工具的困难与昨天复合体的最佳表现直接相减，然后叫作退化；也不能只挑工具最成功的案例证明学习进步。较有用的是在相近任务与明确条件下观察变化，并保留尚不能解释的部分。
若发现某项目标没有达成，可以调整活动，而不必立即否定自己。也许需要更多对照，也许需要更明确的反馈，也许原任务只是追求交付而没有安排学习。问题越具体，改变的可能越实际。
十、不要把学习设计变成持续自我监视
一个人若每次使用工具都必须证明自己没有变笨，工具本来可以减少的负担便以另一种形式回来。反复自测、保存所有操作、时时担心依赖，可能使学习被防御性检查占据。我们需要足够证据来安排活动，不需要让整个人生变成一项不间断实验。
对于普通低风险任务，接受成熟服务可以是正常选择。对于明确学习任务，则设置与目标相符的反馈。对于后果重大的活动，需要相应专业与组织支持。不同场景采用不同颗粒的检验，比把所有使用都纳入同一种高度紧张的监督更合理。
机构也应当承担责任。如果课程只奖励答案正确和交付速度，学生自然容易把活动组织成结果获取。随后再责备他们没有独立理解，便是目标与评价的错位。需要修改的不只是个人用法，还有学习任务怎样被设计与认可。
同样，工作组织不能一边要求速度，一边假定员工会在额外时间里自动完成所有新技能学习。能力发生需要时间与反馈条件。把这些条件排除在工作之外，再把未形成能力归为个人懒惰，会使真实问题被道德化。
十一、比“我会不会变笨”更有用的问题
小周可以把最初的总问题改写成几项具体判断：这次任务中哪些过程由工具承担？我原来会的哪些东西仍然可用？哪些学习目标尚未达成？我是否形成了新的组织经验？相关依赖是否有可靠支持？这些问题不保证答案全是好消息，却使变化能够被辨认。
他可能发现某项方法确实需要重新练习，也可能发现自己只是误把复合体能力当作个人曾经独占的能力。两种结果都不要求给整个人贴上变笨标签。学习可以有缺口，能力可以重新组织，人的价值不必随着一次测验上下浮动。
离开工具后的表现、个人前后的变化和复合活动的结果，应分别记账。明确本次学习究竟要发生什么，才能决定哪些亲历需要保留、哪些过程可以托付。接下来要问：这种托付形成了依赖，又是否必然损害独立性？