两天前，一群跨学科科学家在arXiv挂出一篇论文，标题直接把AI说成“认知病毒”。论文里有一组具体数字：社会传播压力这个参数一旦越过0.50，人群会整体转向依赖，认知能力从满分1骤降到约0.425。听起来像一份诊断书，但这组数字从头到尾都是作者自己设定的示例参数，并非任何真实世界测量的结果。这恰恰是这篇论文最该被说清楚的地方——它给出的不是“AI已经让人变笨”的证据，而是一套解释“依赖一旦形成为什么很难逆转”的数学结构。
三态模型：怎么从“用一下”滑向“离不开”
论文把用户分成三种状态：未耦合（不用AI）、常规耦合（用但保持自主判断）、持续依赖（离不开AI）。三个方程描述人在三态间流动的速度，由五个参数决定：社会/机构推广压力λ、从常规使用回归自主的速度ρ、自主认知的集体强化力κ、滑向依赖的速度μ、从依赖恢复的速度σ。
作者用一组示例参数（ρ=0.10，κ=0.40，μ=0.20，σ=0.10）算出两条线：λ超过0.50，滑向依赖会不可逆地加速；λ低于0.40，才能稳定退回自主。两条线之间的区间，就是模型定义的“锁定区间”——一旦踩进去，退出比进入难得多。
这套数学的关键判断不在“AI有多强”，而在这个不对称：预防远比逆转容易。同样的逻辑在流行病学、行为成瘾研究里反复出现——门槛前小心，门槛后代价陡增。这也是论文唯一一次让人真正紧张的地方，不是“AI像病毒”的比喻，而是这种一旦跨过某个点、回头路会变窄的结构性风险。
模型说的和证据看到的，差着一截
问题是，论文自己也承认：λ、ρ、κ这些参数全是“粗粒度示例”，没有一个来自真实心理学或行为数据。0.40到0.50这两个数字，更像是给读者演示“如果……会怎样”的沙盘推演，不是“社会现在正站在这条线上”的诊断结果。
同一时期真实发生的实证研究，画出的图景要温和、也具体得多：
- Gerlich（2025）对666名英国参与者的调查发现，AI使用与认知外包正相关（r=.72），与批判性思维负相关（r=-.68）。
- Bastani等（2025，PNAS）对近千名高中生的随机实验里，普通AI辅导让练习成绩提升48%，脱离AI后的考试成绩却低17%；换成只给提示、不直接给答案的“防护型”AI导师，这个负面效应基本消失。
- Kosmyna（MIT Media Lab，2025）对54人的EEG实验发现，用LLM写作的人神经连接性最弱、回忆自己文章内容的能力最差——样本小，后续有方法学质疑。
- Barcaui（2025）对120名本科生的随机研究显示，借助ChatGPT学习的学生，45天后延迟测试只拿到57.5%，传统学习组拿到68.5%。
这些数字有一个共同特征：效应是任务特异、局部、多为短期的。没有一项研究支持“人群规模的认知崩溃”正在发生，这恰恰是论文标题最容易被误读的地方。
- 风险.社交媒体已经出现把这篇模型论文说成“AI认知崩溃已发生”的夸大解读，与论文本身的证据强度不符。
真正该抄的不是“警报”，是Bastani那道题
这篇论文最有用的部分，反而不是耸动的“病毒”比喻，而是它顺手给出的一条操作性建议：想不滑向依赖，关键在于让ρ（回归自主认知的速度）始终大于κ（自主认知被集体削弱的速度）。翻译成人话——系统设计要留一条“随时能脱离AI、自己想清楚”的路，而不是把答案直接喂到嘴边。
Bastani那组对照实验已经把这条路做成了实证证据：同样是AI辅导，直接给答案的版本制造了17%的负向落差，只给提示、逼学生自己走一步的版本基本抹平了这个落差。教育机构、企业的AI工作流、产品经理如果只从这篇论文里拿走一句话，该拿走这句，而不是“AI是病毒”。
预防容易逆转难，这才是这篇论文真正该被记住的地方。
至于“LLM像病毒一样在人群中传播”这个说法本身，更准确的理解是：它借用了传染病模型的数学外壳，描述的却是纯粹的社会传染——同一套方程换个变量名，套在智能手机、社交媒体、任何一种让人上瘾的技术扩散上都能成立。病毒会复制、变异、去感染新宿主，LLM不会。真正值得盯住的，不是这个比喻炸不炸裂，而是往后有没有团队拿真实的教育、职场行为数据去校准这几个参数——到那时，0.40和0.50这两个数字才有资格被叫做证据，而不是演示。
- 结论.可操作的不是“少用AI”，是保证ρ≥κ，留住脱离AI独立思考的那条路。