AI guides

9.5万大学生和37万高中生的使用数据,暴露了AI 时代真正的分水岭

By 不懂经1 viewsSource: 不懂经
9.5万大学生和37万高中生的使用数据,暴露了AI 时代真正的分水岭

2026年5月,两篇重磅研究在一周内相继发表。一组来自加州大学伯克利分校研究团队,样本是美国 20 所公立研究型大学的 95,513 名本科生。研究发表在《Science》科学杂志上,主题是大学生如何使用生成式 AI,以及怎样用它作弊。

The full text has not been translated yet. The Chinese original is shown below.

文章配图

2026年5月,两篇重磅研究在一周内相继发表。

一组来自加州大学伯克利分校研究团队,样本是美国 20 所公立研究型大学的 95,513 名本科生。研究发表在《Science》科学杂志上,主题是大学生如何使用生成式 AI,以及怎样用它作弊。

另一组来自乔治城大学神经科学家 Adam Green 团队。他们分析了超过 37 万份美国高中生的大学申请文书,试图回答一个更隐蔽的问题:ChatGPT 出现之后,年轻人的创造力发生了什么变化。

这两组数字看起来属于两个不同领域。一个谈教育公平,一个谈写作创造力;一个研究大学生行为,一个研究高中生的申请文书内容。但它们最后指向同一个问题和同一条裂缝。

AI 时代最深的分水岭,根本不在“有人用AI、有人不用AI”,或者“有人会用,有人不会用”。那只是第一层。那条线当然存在,但是很多人都看得到。真正隐蔽的区分,藏在一个大多数人还没注意到的地方。

《了不起的盖茨比》作者菲茨杰拉德说过一段话,后来成了常被引用的智慧检验标准:"对一流头脑的测试,是看它有没有能力同时持有两个截然相反的观点,而且依然能照常行事。"

这句话确实具有天才的洞察,但我觉得在AI这个时代,它需要加一个补充和延伸。

网络内容正分成两层,大多数人将只能看到噪音和诈骗

判断力的无产阶级:AI算法下的第一批炮灰已经诞生

一、关键并不在于用或不用AI

伯克利那项研究的第一组数字,很容易让人得出一个熟悉结论。

大约三分之二的本科生已经使用过生成式 AI,接近 40% 的学生至少每月使用一次。至少 9% 的 AI 使用者承认,自己曾用 AI 完成了本不被允许的任务。

研究还发现,AI 使用存在明显差异。男性学生、白人和亚裔学生更常使用生成式 AI,女性学生、低收入学生和少数族裔学生使用得更少。

这听起来像传统的数字鸿沟。

过去的数字鸿沟,是谁家里有电脑,谁家里没有电脑;谁能上网,谁不能上网;谁能用搜索引擎和英文资料,谁只能依赖学校课本。

今天它换成了另一种形态:谁能熟练使用 Claude、ChatGPT、NotebookLM,谁只能偶尔打开免费模型;谁知道怎样让 AI 帮自己拆论文、改代码、做简历,谁连提示词怎么写都不熟。

如果就业市场默认毕业生应该具备 AI 使用能力,那么不用 AI 的学生当然会落后。

这套叙事没有错。

低收入家庭的孩子买不起更强的模型,访问次数受限,训练机会更少。将来面试时,雇主问他是否熟悉 AI 工作流,他可能只能回答“用过一点”。同样是大学生,有人已经把 AI 变成随身研究助理,有人还停留在复制粘贴。

差距会从课堂进入实习,从实习进入第一份工作,再从第一份工作进入一生的收入曲线。

如果故事只到这里,解决方案就很简单:给每个学生发 AI 账号,把 AI 纳入课程,教他们正确使用。

但伯克利研究里还有另一个数字,才是更加值得警惕的。

二、同一个滑梯上的两种人

伯克利研究发现,每天使用 AI 的学生中,26% 承认用 AI 作弊;每月使用 AI 的学生中,这个比例只有 7%。

这不是一个小差异。

它说明 AI 使用并不是一条单向的进步曲线。用得更多,不一定等于学得更好。

AI 像一条滑梯。

一开始你只是想省一点时间。让它帮你解释一个概念,润色一段文字,整理一组资料。很快,它就开始进入任务的核心部分。你不再让它“帮我理解”,而是让它“帮我完成”。再往后,你开始习惯直接拿到一个成品,然后在成品上改几句,把它伪装成自己的工作。

这个过程没有明显的道德断点。

今天的工具设计,本来就在模糊边界。你用 Google,页面上已经有 AI 总结。你用语法检查工具,下一步就是全文重写。你让模型解释一个概念,它顺手就会给你生成一份作业结构。学生很难一直清楚地知道:我现在是在学习,还是在替代学习?

学生可能交出一份很漂亮的成果,甚至拿到好成绩,但那个作业本来要训练的能力并没有长出来。

这才是问题的核心。

教育里的很多任务,本来就不是为了那个结果。

写论文不是为了交出五页纸,是为了在材料、证据、观点之间反复拉扯。做题不是为了答案,是为了让大脑经历那段从混乱到清楚的过程。写代码不是为了程序最终跑起来,是为了在错误里形成判断:哪里可能坏,为什么坏,下次怎样提前避开。

AI 最擅长的,恰恰是把这些过程折叠掉。它让你直接看到结果。

于是,学生们有了两种完全不同的发展态势。

第一种学生,本来已经有某种基本功。AI 帮他节省体力,扩大资料范围,测试更多方向。他知道哪里该信,哪里要查,哪里只是语言漂亮。他用 AI 像用杠杆。

第二种学生,还没有形成基本功。AI 给他答案,也给他语气,给他结构,给他判断。他交出了作品,却没有经历作品形成的那段路。他用 AI 像用假肢。

外表上,这两个人越来越像。他们的作业都整齐,邮件都礼貌,报告都有结构,PPT 都像咨询公司。

区别藏在工具关闭之后。

要判断学生真正的学习力,就是让他们每次用AI的时候问自己三个问题:我能不靠这个工具解释清楚吗?明天我能独立完成类似的任务吗?AI是帮我理解得更深了,还是只是帮我完成得更快了?

这三个问题,正好把AI用户群体切成了完全不同的两种人。一种人问不出来这三个问题。另一种人问完之后还能给出肯定的答案。这两种人的差距,比"用AI"和"不用AI"的差距大得多。

正如我在之前的文章里反复讨论过的一个词:去技能化。AI未必立刻让你失业,但它可能先把"本来会做这件事"的手感、判断和笃定,从你身上一点一点抽走。你看起来产出更多了,但支撑这些产出的能力却在变薄。

未来十年最贵的东西不是能力,是入场券

信息流已死,未来的贫富差距会首先体现在“现实感”上

文章配图

三、37 万份高中生文书暴露的深层问题

Adam Green 团队研究的是大学申请文书,这是一种很特殊的文本。

大学申请文书不是普通作文。它的功能,是让一个年轻人从分数、活动、简历这些标准化信息里走出来,告诉招生官:我是一个具体的人,我有怎样的经历、困惑、欲望、失败和理解。

换句话说,它本来应该是最抗标准化的文本之一。

Green 团队追踪了 37 万多份申请文书,把 ChatGPT 出现前后的变化放在一起看。结果很微妙。

ChatGPT 出现之后,文书的词汇更丰富,句子更流畅,表达更像“好文章”。人类评委甚至更容易给这些文章打出更高的创造力评分。

但底层想法变得更相似。

语言外壳在升级,思想差异在收缩。

纽约时报的文章里引用了这个研究,并提出一个关键判断:人类第一次拥有了一种可以脱离思想本身生成语言的技术。它可以识别哪些词语组合看起来高级,哪些句子节奏像创造力,哪些转折能让读者产生“这个人有想法”的错觉。

但它并不保证那些词语背后真的有新的想法。

这就是 AI 写作最危险的地方。它不会让每个人都写得很差。相反,它会让很多人写得更像优秀范文。

过去,平庸文章有平庸文章的样子。词穷、结构散、表达笨拙,老师和读者很容易看出来。现在,空洞可以穿上漂亮衣服。

更麻烦的是,评委也会被这件衣服骗过。

Green 团队相关研究显示,人类写作能带来的新想法数量,最多可以达到 AI 生成内容的数倍。另一篇发表在 ScienceDirect 的研究也分析了大学申请文书中的创造性多样性,结论类似:每增加一篇人类写作,能带来的新想法更多;样本规模越大,AI 文本的同质化问题越明显。

这不是简单的“AI 写得不好”。AI 写得很好。问题在于,它把“好”的标准变窄了。

Science Advances上关于短篇小说的实验也有类似发现。AI 可以让部分写作者的故事更好读、更完整、更像可发表作品。但当很多人都借助 AI 写故事时,故事之间的相似度上升,整体多样性下降。

这就是创造力的悖论。

从个人角度看,你确实写得更好了。但从群体角度看,世界变得更像了。

最可怕的部分在于,AI 对离均值最远的人影响最大。纽约时报的文章中提到,语言少数群体、少数族裔学生,以及可能的神经多样性学生,他们原本最独特的表达,反而最容易被 AI 拉回主流模板。

这几乎是一个文明层面的反讽。

我们以为 AI 会帮助弱势学生补足表达差距,结果它也可能把他们最珍贵的差异抹平。

如果 AI 是一台均值回归机器,它真正消灭的就不是错误,而是偏离均值的那部分生命经验。

AI时代最重要的一堂生存课,和AI无关

“20世纪发明的所有职业,都难逃AI的冲击!”

四、AI使用产生的三大悖论

把这两组研究放在一起看,会出现三个悖论。

第一个悖论:不用 AI,会落后;用太多 AI,会空心化。

伯克利研究说明了这一点。低使用率群体会面临工具差距,高使用率群体又可能陷入依赖和作弊。一个技术同时制造两种劣势。

前一种劣势看得见,后一种劣势很隐蔽。

不用 AI 的人,效率差距立刻出现。用 AI 太多的人,能力损失要过一段时间才显形。等到显形时,他可能已经拿到一串漂亮成绩,一份不错简历,甚至一份体面的工作。

然后某一天,他需要在没有模板、没有提示、没有现成答案的地方作判断。

那一刻,账才会算出来。

第二个悖论:AI 帮你写得更好,却让你想得更浅更窄。

37 万份申请文书的研究最刺痛人的地方在这里。语言质量提升,思想多样性下降。评委还未必看得出来。

这会破坏整个教育系统的判断标准。

过去,老师看到一篇文章,可以从笨拙之处看见学生正在思考。现在,老师看到一篇漂亮文章,反而要怀疑里面有没有学生。过去,雇主通过写作判断一个人的理解力。现在,写作越来越像包装层。

文字的外壳越来越精美,思想的核越来越空心。

第三个悖论:AI 对最独特的人伤害最大。

这是最可怕、最容易被忽略的一点。

很多人以为 AI 会把底层学生往上托,把表达不好的人训练得更体面。它确实有这个功能。问题是,它托举人的方式,常常是把他托向平均值。

一个移民家庭学生原本可能写出带有混杂语法、家庭口音和特殊记忆的文章。那篇文章不一定流畅,却有不可复制的纹理。AI 会帮他改得更像标准英语,更像优秀申请文书,也更像几万份别人的申请文书。

一个神经多样性学生原本可能用非常规路径理解世界。AI 会帮他把跳跃变成连贯,把奇怪变成自然,把尖锐变成得体。

这在申请系统里可能更安全。但创造力常常就藏在那些不安全的地方。

如果所有离经叛道的表达都被修成“成熟、清晰、有说服力”,我们得到的不是更公平的创造力,而是一种更高级的同质化。

今天比任何时候都更容易翻身:300 年现代财富史揭穿了一个时代错觉

别再学巴菲特了:致富的主战场已经转移,但没人告诉你

五、创造力不是结果,是过程

硅谷喜欢给 AI 一个很诱人的承诺:让机器处理无聊的部分,人类专注创造性的工作。这句话的问题在于,它误解了创造力。

无聊的部分并不总是创造力的障碍。很多时候,它就是创造力的燃料。

一个分析师翻看原始数据时,可能在某个异常值里发现真正的问题。一个作家删掉三千字废稿时,可能才发现自己真正想写的不是这个题目。一个程序员调 bug 时,才慢慢形成系统感。一个学生写不出开头,在纸上乱画十分钟,那十分钟并没有浪费。

空白页很痛苦,但空白页不是敌人。

它是思考开始工作的地方。

很多人使用 AI,并不是为了处理行政杂务,而是为了逃避最痛苦的认知阶段。那个阶段就是面对空白、忍受混乱、自己生成第一个方向。

AI 最诱人的功能,就是让你不用经历这一刻。

你输入一句话,它给你十个方向。每个方向都合理、完整、像那么回事。你立刻获得一种轻松感,好像创造力已经启动了。

可它也完成了锚定。

一旦第一个方向出现,人很容易围绕它修修补补。你以为自己在创作,其实是在给机器的第一个答案做装修。

沃顿研究关于 AI 头脑风暴的讨论也指向类似问题:AI 能提高个人产出的数量和表面质量,却容易让群体想法变得集中。哥伦比亚商学院关于模型偏好的研究则提醒,早出现的选项会影响后续判断,更好的想法可能还没来得及出现,就被第一个体面答案挡住了。

创造力不是最后那段漂亮文字。创造力是你在错误、迟疑、推翻、重来里形成的路径。

AI 可以代你走完路径,但它不能把走路长出的肌肉转移给你。

这也是 AI 与过去工具最不一样的地方。

文字削弱了口头记忆,却打开了历史、法律和科学。计算器削弱了心算,却让更多人能处理复杂数学。搜索引擎削弱了背诵,却扩大了信息可达性。

每一次能力外包,都伴随新的能力形成。AI 的特殊之处在于,它外包的往往不是某一项能力,而是形成能力的过程。

这才是风险所在。

AI逼出了教育的真相,美国大学开始复兴一种古老传统

传统教育已死,AI时代的原生教育会是这样的吗?

六、真正的分水岭:判断力基线

AI时代的阶层分水岭到底是什么。

不是"会"和"不会"。"会"用AI这件事的门槛正在以月为单位下降。今天的工具比半年前的好用得多,半年后的工具会用起来更简单。把时间拉长到三年,用不用AI、用得好不好,很可能不再是决定性的竞争变量。就像今天没有人会因为自己"会用搜索引擎"而觉得自己有不可替代的优势。

真正的分水岭,是你有没有在AI到来之前,或者使用AI之前,建立了自己的判断力基线。

什么算基线?

就是你在没有任何外部工具的情况下,独立拆解过一个复杂问题,独立写过一篇逻辑完整的论证,独立做过一次研究,发现过AI给你的总结其实漏掉了最关键的部分,独立在没有人提示的情况下想过"这件事有没有另一种可能"。

这些经历,不只是在你的技能表上增加了一行。它们在你脑子里刻下了某种"对的"和"不对的"的直觉。这种直觉,让你在AI递给你一份漂亮的输出时,能停下来感觉到"这个地方不对"。

这跟聪明不聪明没关系。而是你曾经走过那条自己推导的路,你知道真正的好答案长什么样。

《了不起的盖茨比》作者菲茨杰拉德说过一段话,后来成了常被引用的智慧检验标准:"对一流头脑的测试,是看它有没有能力同时持有两个截然相反的观点,而且依然能照常行事。"

我非常喜欢这段话,但我觉得在这个时代,它需要一个补充。

AI时代的智力测试不再是"你能否同时持有两个相反的观点",而是"当AI递给你一个流畅、完整、看起来极其专业的答案时,你是否有能力判断它是对的还是错的、深的还是浅的、真正的好东西还是看上去很好。"

而要拥有这种判断力,只有一个途径:你在没有AI的时候,做过足够多的笨拙的、低速的、走弯路的、没人旁观的学习。

这不是在怀旧。这是一个冷酷的结构性问题。

Berkeley研究里那个悖论,不用AI的落后了、用太多AI的变空了,指向的其实是同一种困境:判断力基线的缺失。不用AI的学生,缺工具,但真正缺的是另一件东西:"用工具之前的那个自己"。用太多AI的学生,有效率,但真正缺的也是同一件东西:"在效率之外判断什么是值得做的那个自己"。

我在之前的文章中讨论过去技能化的时候,提过一个判断:只有本来就有基本功的人,才有资格谈"监督AI"。

不会写的人,很难真正修改AI的文字;不懂研究的人,很难发现AI总结时遗漏了什么;不懂代码的人,也不可能真正判断一段AI生成的程序到底稳不稳。没有基线的人,表面在和AI协作,实际上在把自己的判断权交出去。

今天我把这个判断往前推一步。

AI时代真正的三层结构,远比"会用AI"和"不会用AI"复杂:

第一层:还没有建立基线,也不会用AI。这类人面临的是老式的不平等:效率被碾压,选择被压缩,被时代抛在后面。

第二层:还没有建立基线,但会用AI。这类人是AI时代最危险的位置。表面上和第一层完全不同:产出漂亮、表达流畅、看起来很专业。但内核和第一层一样脆弱:一旦离开工具,无法独立完成任何有深度的思考。更糟的是,他们不知道自己不知道。AI给的流畅答案,让他们误以为自己懂了。

第三层:在AI到来之前已经建立了基线,然后把AI当加速器用。他们知道一个真正的好答案长什么样,因为他们自己写过。他们知道AI的总结可能漏掉了哪一类东西,因为他们自己总结过。他们在AI给出的方案里能认出"这个地方有问题",不是靠直觉,是靠自己走过那条路的肌肉记忆。

这里的关键词是"在AI到来之前",或者“使用AI之前”。

不是"在AI到来之后你再怎么努力",是"之前"。因为AI一旦无处不在,它就把建立基线所需要的那条路从环境里拿掉了。那条路本来是用最笨的方式从头学,在没有提示的情况下自己撞墙。现在它不存在了。

这不是一个技术能力的问题。这是一个技术环境的问题。你没有选择不走那条路,因为那条路已经不存在了。

AI时代的残酷自由:曾经是少数人的特权,如今是每个人的义务(在新窗口打开)

凯文凯利:我们的未来是不确定的不确定。最值钱的能力不再是判断力(在新窗口打开)

七、比判断力更重要的事

如果只是停在"判断力基线很重要"这个层面,这篇文章和另一篇讲"AI时代你需要什么能力"的文章没有区别。

Green研究里那个很少有人注意的细节,才是真正值得一谈的地方:AI对有独特视角的人伤害最大。

这个发现,把整个讨论从"技能"层面拉到了"人是什么"的层面。

一个人的独特视角,不是一种可以被主动"培养"的技能。它来自你生在什么样的家庭,说的什么语言,是不是习惯性地听不懂主流叙事,是不是总在别人觉得理所当然的地方停下来问"为什么"。这些差异,不是"训练"出来的。它们是"存在"出来的。

AI作为一种均值回归机器,在生产力层面帮你更快地产出更标准的好东西。但在存在层面,它在减轻你和世界的摩擦的同时,也在减轻"你之所以是你"的那些东西。

格林研究里提到的神经多样性学生、少数族裔、非母语者,他们和平均值之间的摩擦最大。而这种摩擦,恰好是他们可能产生最独特思想的来源。AI把它们抹平了。

这不是恶意,不是阴谋,是数学和算法。

我在之前的文章里反复讨论过一个麦克卢汉式的命题:媒介即讯息。当你的思考媒介是一个模式匹配引擎,你变成什么样的思考者?当你的写作媒介是一个词语预测机器,你变成什么样的写作者?当你的"创造力"由你最不可能想到的东西来定义,而那东西恰好是被算法排除掉的,你还剩下什么?

最后再讲一个关于创造力的故事。

罗马尼亚裔法国遗传学家弗朗索瓦·雅各布,1965年拿了诺贝尔奖。有人问他科学研究的秘诀是什么。他的回答很短:"创造即重组。"

他在自己的实验室日记里写过更完整的一句话:一个新想法,不过是把两个彼此认识但从未被介绍给对方的老想法,放在同一个房间里。

这个比喻我很喜欢,因为它恰好解释了为什么AI时代的判断力基线危机,是一个人类问题,不是一个技术问题。

两个从未被放在同一个房间里的老想法。这件事的前提是,你的脑子里有足够多、足够不相关的老想法。而获得这些老想法的唯一途径,是你曾经在没有外部加速器的情况下,扎扎实实地、笨拙地、低效地学过很多东西。那些东西当时看起来没连接,日后才有机会在某个意想不到的瞬间撞出火花。

AI可以帮你把已经建立的老想法加速连接,但它不能替你做"建立老想法"这件事。因为建立老想法的过程,只能是缓慢的、亲身经历的、带着困惑和重复的。它需要的不是更好的prompt,是时间和真实的活动。

AI时代真正的阶层分水岭,不是你会不会用AI,甚至不是你现在用AI用得有多好,而是你有没有在那个"什么都能帮你的AI"到来之前,用自己的脑子,走过足够长的、没人看见的、独特的路。

这才是AI真正无法替代的。【懂】

文章来自于微信公众号 "不懂经",作者 "不懂经"

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)