小心，你的思考力可能正在被AI“外包”

ttxx

清晨，手机屏幕亮起，推送的新闻、社交动态、短视频精准地“猜你喜欢”。通勤路上，AI助手已为你规划好最优路线，甚至推荐了午餐餐厅。工作中，智能工具帮你起草邮件、分析数据、生成报告。AI正以前所未有的深度融入我们的生活，带来便利的同时，也悄然改变着我们的思考方式：我们是否正变得越来越“省心”，也越来越“被动”？

对于创业者而言，“被动思考”是创新的天敌；对于职场人，这等同于核心竞争力流失。当习惯于接受算法推送的信息、依赖工具生成的结果、等待系统提供的答案，我们的批判性思维、独立判断和创造性解决问题的能力便会逐渐钝化。在AI时代，比掌握工具更重要的，是培养主动思维——一种不盲从、敢质疑、能创造、善决策的心智模式。

AI让我们的思考变得“被动”？

想象一下：你正为一个新产品的命名焦头烂额。过去，你需要头脑风暴、查阅资料、反复推敲。现在，你只需向AI输入需求，几秒钟内，数十个选项便跃然屏上。效率提升了，但你是否也失去了深度思考命名背后品牌调性、用户感知和文化内涵的过程？

这正是AI时代被动思考的典型场景。我们享受着AI带来的高效与便捷，却可能在不经意间养成：

• “信息茧房”：算法根据你的喜好推送信息，视野逐渐狭窄，观点趋于同质化。长期如此，创新所需的多元视角和跨界灵感被扼杀。
  
• “拿来主义”：AI能快速提供信息汇总和看似合理的解决方案。但若不加辨别地全盘接受，我们便失去了质疑信息来源、分析逻辑漏洞、评估方案优劣的能力——而这恰恰是创业者决策的核心。AI省去了你搜索和信息整合的时间，也悄悄替你做了判断。
  
• 创造力“外包”：当文案、设计、代码甚至商业计划都能由AI辅助生成时，我们可能满足于“够用就好”，放弃了深入探索、反复试错、打磨独特价值的过程，原创的火花可能因此熄灭。AI能够极快给出五花八门的建议，但无法替我们消化那些复杂的背景、矛盾的信号与多层次的价值取舍。你以为自己在快速进步，实际上只是被AI投喂得更丝滑了。
  
• 决策能力退化：过度依赖AI的数据分析和预测，可能让我们忽视直觉、经验和对复杂人性的理解，在面对非结构化、模糊性高的战略抉择时陷入迷茫。
  

主动思考的核心是什么？

从AI技术来看，生成式AI的本质是在海量文本中学习如何预测下一个最可能出现的词，并在训练过程中通过人类反馈强化学习进一步优化输出——而人类评审更倾向于给“让人感觉好”的回复更高分。这种训练机制就决定模型天然更注重取悦人类情绪，偏向输出积极、顺从、鼓励性的语言。

由此，AI呈现的结果，只让人类逐渐看到自己偏好的世界，无法跳出自己的立场，更不用提通过AI工具来扩展认知了。

想要主动思考，并非完全拒绝AI来参与思考过程，而是要将AI定位为强大的辅助工具而非思考替代者。

• 明确目标，主导方向：在使用AI前，我们需要先厘清自己的核心问题是什么？想要达到什么目标？AI是服务于你的目标，而非让你被它的输出牵着鼻子走。
  
• 保持质疑，深度追问：对AI提供的信息、建议或方案，始终保持“这是真的吗？”“为什么是这样？”“有没有其他可能？”的追问习惯。有的时候，你还需要自己去多方验证信息来源，分析其逻辑，评估其适用性。
  
• 拥抱多元，突破茧房：要有意识地跳出算法推荐，主动搜索不同观点、跨领域知识，甚至反对意见。让AI成为你探索未知世界的望远镜，而非困住你的回音壁。
  
• 重视过程，而不仅是结果：利用AI加速信息收集、数据处理等基础工作，但将节省下来的时间和精力投入到更核心的思考环节：定义问题、构建框架、权衡利弊、激发创意、做出最终判断。
  

如何兼顾？

策略一：提问AI，而非输入指令

1. 苏格拉底式提问法

苏格拉底认为真正的智慧在于持续质疑“我是否真的知道”。其核心是揭示假设、暴露漏洞、推动澄清。你可以尝试问AI：

· 我这个观点背后的假设是什么？

· 如果这个假设是错的，会产生什么后果？

· 有没有与我设想完全相反的解释？

· 还有哪些可能性是我没考虑到的？

· 我的结论在哪些条件下才成立？

这种提问方法可以引导AI帮助你暴露盲点，把重点从获取答案转向理解论证过程。

2.让AI还原你的论证逻辑

逻辑错位的地方往往就是偏见藏身之处。当你不确定AI的推理逻辑是否成立，你也可能不自觉地在使用错误推理方式。所以，你可以要求AI将你输入的观点转化为逻辑三段论结构或完整论证链。例如：

· 请把这个观点转化为清晰的逻辑结构：前提1，前提2，结论；并指出可能的逻辑跳跃。

· 请使用Toulmin结构（主张、理由、论据、支持性证据、反驳、限定条件）评估这个论证。

这种提问通过可视化AI的逻辑结构，暴露思维链条中未被检视的部分。

3.归谬法

如果你坚信某个立场，最有效的自我挑战方式是假设你错了，并沿着这个方向推演它会导致什么。你可以问问AI，假设观点是错的，请从逻辑上推导出可能的后果，并指出由此可以发现哪些关键漏洞。

4.引入结构性对立视角

认知存在盲区。AI天然适合被用作多角色扮演工具，帮助我们建立立场对照组。所以，你可以用同一个问题，要求AI用专家、新手、反对派、道德审视者、实际执行者等身份分别回应。引入结构性对立视角能防止立场单一导致的偏见放大，让判断体系更平衡。

5.构建反思模板

反向提问模板能打断惯性思维流程，引发深度思考。所以你可以设置固定AI对话结构，例如：

· 我的观点是XX，请你反问我3个问题，揭示我可能忽略的盲点。

· 等我回答你的问题之后，请继续评估：我的回答是否逻辑自洽以及是否遗漏了关键变量、反例或前提条件。

· 最后，请指出这个观点在现实应用中可能会失效的场景或条件。

这个流程相当于打造了一个元认知训练系统，帮助我们以第三者视角回头看自己的思考过程。

6.模糊问题清晰化

模糊的问题往往只能得到不痛不痒的表层回答。所以我们要把开放式问题不断拆解为更具体的结构单元，例如背景设定、问题假设、潜在变量、成功与失败的边界条件等等。例如不是问“我该不该创业”，而是问：

· 基于X市场的变化趋势，当前切入点的风险收益比如何？

· 我的核心假设能否通过历史对比数据验证？

· 在什么边界条件下，这个选择会变成错误决策？

策略二：建立“思考-验证”循环

面对复杂问题，要先尝试自己思考、列出初步方案或假设，而不是直接求助于AI。思考之后，再使用AI搜索信息、分析数据、模拟不同方案的结果，用以验证、补充或挑战你原有的想法。更关键的是在下一步：比较你的思考与AI的反馈，理解差异的原因，这个过程最能锻炼独立判断力。

策略三：刻意管理信息源

一方面，我们需要定期审视信息输入渠道，果断取消关注低质、重复或强化偏见的信息源，增加高质量、多元化、挑战你认知的内容。

另一方面，我们可以给自己设置一个“无AI”时间——每天或每周留出固定时段，远离电子设备，进行深度阅读、自由书写、冥想或纯粹的发呆。让大脑有机会消化信息、建立连接、产生原创想法。

策略四：拥抱跨界学习

有意识地学习与你主业看似无关领域的知识，无论是历史、艺术，还是心理学、自然科学等。AI是强大的知识连接器，学会利用它辅助你进行跨界探索。

此外，你还要学会审视流行趋势或“标准做法”，思考“这真的适合我吗？”“有没有更好的、不同的路径？”不盲从潮流，基于自身目标和价值观做出独立选择。

在信息极易获取的时代，稀缺的正是对世界保持结构化思考的习惯、对一切确定保持怀疑的精神以及对真理的好奇心。

使用AI的我们比以往更需要训练对认知过程的觉察力：意识到我们是如何提问、为何提问，这种提问方式是否会隐含立场、偏见与盲点。毕竟，人类的大脑终究是为了探索、质疑和理解这个世界而设计的。


来源：36kr