在大学课堂或日常研究里，一个日益普遍的现象是：学生或者研究者在面对复杂的文献或抽象理论时，不再逐页翻阅期刊、比对不同学者的论点，而是将文字贴进 AI 对话框，要求生成一段精炼的摘要；在撰写报告时，他们不再苦思段落架构，而是请 AI 给出论证大纲；甚至在完成初稿后，直接询问另一个 AI 其文章的论证是否充分、逻辑是否严密。

这种学习情境的转变让人措手不及。许多教育讨论直觉地将焦点放在学术诚信、防范作弊、检测工具的准确率，或是如何提升学生的提示词技巧。然而，这些讨论往往把 AI 视为一种单纯的生产力工具或合规对象，忽略了一个更根本的认知转向：对话式 AI 本质上是一种知识中介。它不只提供现成答案，更在幕后完成了一连串复杂的认知操作，挑选资讯、压缩篇幅、重组语句、判定证据价值，最后以流畅语气，将这些经过高度加工的结论直接推到学生面前。

面对这样的转变，教育的核心问题显然不是「学生到底有没有使用工具」，甚至不是「使用频率有多高」。真正的问题在于：当学习者将知识产生的中间过程交给系统时，他们究竟是获得了认知能力的延伸，还是无意中将自身形成判断力所必须经历的摸索、迟疑与辨析过程，全数委托了出去？今天分享的这篇论文提供了一些有价值的思路。

依赖并非过错

面对 AI 与学习这个问题，首先必须先破除一种常见的直觉假定：好像一切对外部工具的依赖都是学习的退化。在知识论的传统中，人类从来就不是孤立的知者。现代知识分工极度细密，任何人的理解都深深依赖专家网络、学术体系、教科书与科学仪器。教育哲学与认知科学中的延展心智理论更指出，人类的心智活动本来就能透过笔记、符号系统或运算工具进行认知卸载，借此释放有限的注意力，转向更高层次的思考与问题解决。认知卸载并不是单纯的坏事。