賓夕法尼亞大學（University of Pennsylvania）一項最新研究發出警告，指出大型語言模型（LLM）的普及正催生一種名為「認知投降」（Cognitive Surrender）的心理現象，用戶傾向於將批判性思考外包，全盤接受人工智能看似權威的答案。
- 研究機構：賓夕法尼亞大學（University of Pennsylvania）
- 核心概念：認知投降（Cognitive Surrender）
- 研究對象：大型語言模型使用者
- 關鍵發現：使用者放棄監督與驗證，全盤接受AI推理
機器人也會失控？掌握 OpenClaw 正確「養殖」方式讓 AI 更聽話
想深入探索 AI 技術極限？不要隨便養龍蝦！論 OpenClaw 的正確「養殖」方式
從「認知卸載」到「認知投降」
該研究發表於〈思考——快速、緩慢與人工：人工智能如何重塑人類推理與認知投降的興起〉一文，為過度依賴AI的用戶行為提供了新的心理學框架。研究人員將人類決策分為「系統一」（快速、直覺）與「系統二」（緩慢、分析）兩種模式，並認為AI的出現創造了第三種「人工認知」類別，其推理源於演算法而非人腦。
過去，人們使用計算機或GPS等工具時，會進行策略性的「認知卸載」（Cognitive Offloading），將特定任務交給機器，但仍保留監督與評估的權力。然而，研究團隊指出，面對大型語言模型，用戶正轉向一種截然不同的「認知投降」。在此過程中，用戶僅提供「最低限度的內部參與」，便全盤接受AI的推理，完全放棄了監督或驗證的責任。
流暢自信的「答案機器」
研究人員分析，這種「對推理本身不加批判的放棄」之所以發生，很大程度上是因為大型語言模型的輸出總是「流暢、自信或幾乎毫無阻礙地呈現」。當AI以看似無所不知的權威口吻提供答案時，使用者更容易放棄獨立思考，直接將其視為最終事實。
報告強調，這種現象與過去人們使用計算器等工具的模式有本質區別。用戶不會質疑計算器「2+2=4」的結果，是因為其運算邏輯透明且可靠。但大型語言模型的推理過程對用戶而言是一個黑盒子，其答案可能包含事實或邏輯錯誤，而「認知投降」的用戶則完全喪失了偵測這些錯誤的能力。研究旨在探討時間壓力、外部誘因等因素如何加劇這種認知外包的決定。
來源：Ars Technica
封面來源：Adobe Stock