把作業題目拍照上傳，幾秒鐘後，解題步驟、英文翻譯與作文大綱便整整齊齊排在螢幕前。順著讀過一遍，覺得每句都通順合理；然而關掉視窗後，要自己拿起筆重寫一次，卻連第一步為什麼要這樣切入都說不清楚。

這是「思考外包」最值得警覺的訊號：面對問題，我們能夠拿到的答案越來越完整，但自己獨立推演、組織與判斷的能力，卻未必跟著增加。

對還在學習閱讀、邏輯推理與文字表達的孩子而言，科技省下的，可能正是原本需要反覆練習的過程。

從近千名高中生的班級隨機試驗，到2026年公布、追蹤超過兩萬名學生的資料，研究者開始看見「有工具時表現更好，離開工具後卻未必學會」的落差。不過，後者目前仍是工作論文，尚待期刊同儕審查。[註1][註2]

我們也必須先說清楚：現有研究測出的是考試成績的落差、詞彙與記憶的測驗差異，或特定腦區的影像相關性。本文引用的證據，尚不足以支持「社群與AI會讓青少年的大腦永久萎縮或加速退化」的結論。[註1][註4][註5][註6]

而且，這個課題並不僅限於學生。上班族把專案報告交給AI潤飾，長輩則可能仰賴智慧型手機記錄日常、提醒回診。在不同的人生階段，工具帶來的助益、需要防範的風險，以及值得保留的思考練習，都需要分開討論。

本文目錄
  1. 思考外包省下了什麼？
  2. 課堂實測：作業做得更好，為什麼考試反而退步？
  3. 2.6萬名學生的追蹤研究
  4. 社群與腦部影像：哪些是警訊，哪些還不能下結論？
  5. 青少年：保留動腦摸索的過程，守住睡眠
  6. 成人：追求效率，也保留判斷主導權
  7. 長者：善用數位輔助，不必什麼都硬背
  8. 把思考留給自己：今天就能實踐的六個小習慣

我們省下的，究竟是哪一部分的思考？

把待辦事項寫進行事曆、用紙筆列出複雜算式，這種借助外部工具分擔認知工作的做法，在認知心理學上叫作「認知卸載」（cognitive offloading）。人類本來就善於利用工具處理繁雜任務，適當的輔助可以減少記憶負擔，讓我們把注意力放在其他需要判斷的事情上。[註3]

到了生成式AI時代，可以交出去的工作更多了：從「題目該怎麼切入」，到比較不同立場、篩選證據、挑選理由，直到寫出結論。

一個人可以在每個步驟保持主導，將AI當成對話的鏡子；也可以只負責複製題目、貼上答案。這兩種用法，在最終交出的成品上可能看不出差別，實際參與的學習過程卻很不同。

一位熟悉專業的資深編輯請AI重組段落，仍有能力挑出哪一句失準、哪一處論點薄弱。但正在學寫作的學生，如果連自己的第一個想法都還沒形成，就先拿到完整範文，可能少了一次組織語言、發現矛盾並修改的機會。

社群平台則帶來另一種干擾：它替我們挑下一則內容，零碎通知讓注意力反覆轉向。社群使用與AI代寫作業不能套用同一套研究結果，但它們都讓人想問：我們一天之中，還保留多少主動選擇、深入理解與獨立判斷的時間？

課堂實測：作業做得更好，為什麼考試反而退步？

賓州大學研究團隊在土耳其高中，針對近千名學生進行班級隨機試驗，結果發表於《美國國家科學院院刊》（PNAS）。學生分別使用一般型AI、加入教學引導的AI家教，或課本與筆記。AI家教的設計重點，是引導解題、降低直接提供答案的情況，而不是保證每次都不給答案。[註1]

同樣用AI，有工具與獨立作答的結果不同
工具有工具的練習拿掉工具後的考試
一般型AI比對照組高48%比對照組低17%
有教學設計的AI家教比對照組高127%與對照組未見顯著差異
Bastani等人，PNAS，2025。百分比為相對於對照組平均分數的差異，非單一考卷的絕對分數增減。未見顯著差異，不等於已證明完全相同或沒有任何風險。[註1]

這項研究提醒我們：有AI時做得出答案，和拿掉AI後能獨立作答，是兩件需要分開檢查的事。研究只涵蓋一所學校、四次數學課程，也沒有直接測量神經網絡，不能把考試結果寫成腦部變化的證明。[註1]

看著流暢的答案，容易覺得自己已經懂了；是否真的理解，仍要透過獨立解釋與練習確認。另一方面，大學生的短期試驗也發現，經過教學設計的AI家教可以幫助學習。重點仍在使用方式，不能只看工具有沒有AI。[註11]

兩萬六千名學生的追蹤：把問題拉進日常學習

如果把觀察時間拉長，日常學習會出現什麼變化？2026年6月公布的一份工作論文，分析中國26,811名七至十二年級學生、30個月的資料，涵蓋九科作業與考試。[註2]

根據研究估計，開始使用生成式AI後，學生作業成績上升18%、完成時間減少30%，但六個月內的月考成績下降20%。[註2]

學習損失主要集中在作業時間特別短、分數又特別高的一群AI使用者。這符合大量外包作業的可能性，但研究沒有逐次直接觀察使用過程，不能據此認定每個人都把思考完全交出去了。[註2]

對家長與老師而言，我們可以怎麼應變呢？當孩子的作業變得更漂亮時，試著請孩子用自己的話講一遍：「這一步怎麼算出來？為什麼這個論點成立？」然後再換一道題目重複測試，會比只看成品更能了解孩子學到了什麼。

社群與腦部影像：哪些是警訊，哪些還不能下結論？

美國「青少年腦部認知發展研究」（ABCD）提供了近年多篇研究的資料。一篇追蹤逾6,500名青少年的分析發現，社群使用增加與部分閱讀、詞彙測驗表現較低有關；另一篇分析約4,800名青少年，則發現問題性社群使用往較高程度發展，與記憶和詞彙表現較低相關。[註4][註5]

「問題性使用」包括難以控制、想減量卻做不到等情況，不等於研究已替每位參與者診斷成癮。兩篇來自同一研究計畫，參與者也可能重疊，不能把人數相加當成兩批完全獨立的證據。[註4][註5]

2026年《神經影像》（NeuroImage）另一篇研究發現，社群使用時間較長，與部分腦區皮質較薄等差異有關。但這是單一時間點的橫斷面分析，效果量偏小，無法證明社群造成了變化。[註6]

發育中的皮質本來就會重整，厚度也會改變。因此，影像上的「較薄」不能直接等同病理性退化；但也不能反過來認定研究觀察到的差異一定完全正常。要判斷意義，仍需要追蹤變化與功能表現。[註6][註7]

青少年：保留動腦摸索的過程，守住睡眠

青春期的大腦具有很強的學習與適應能力，規劃、自我控制與判斷能力仍在發展。這段時間，可以多陪孩子保留一些自己嘗試、慢慢想通的機會。[註9]

  • 保留「先試試、再求助」的時間：寫作業時，可以先讓孩子自己摸索，例如寫下三行解題方向或作文草稿，再請AI提供提示，最後關掉工具、不看答案重新說明一次。若連題意都不懂，也可以先找人幫忙釐清，不必硬撐。

  • 睡前放下螢幕，守護8～10小時睡眠：13至18歲青少年一般需要每天8至10小時睡眠。[註14]美國兒科醫學會2026年技術報告指出，睡前使用螢幕可能延後就寢，刺激性內容與夜間通知也可能干擾睡眠；睡眠不足則與注意力和情緒問題有關。[註10]可以一起約定睡前停止非必要使用，把手機放遠一些或放在臥室外，同時保留必要聯絡方式。與其一直擔心AI的影響，不妨先從讓孩子睡得安穩開始。

成人：追求效率，也保留判斷主導權

工作忙碌時，AI流暢的文筆很容易讓人覺得「這樣應該就可以了」。一項成人工作者問卷也發現，對AI越有信心，與較少自述的批判性思考投入相關；不過，這還不是能力衰退的證明。[註17]

  • 先有自己的主張，再請AI當反方：撰寫企劃或分析決策前，可以先寫下自己的判斷準則，再請AI挑毛病、列出潛在盲點。讓它幫忙把問題想得更周全，最後的取捨仍由自己決定。

  • 替關鍵數字多留一道核對：AI寫得通順，不代表內容一定正確。引用關鍵數據、法規與文獻時，不妨養成點進原始來源核對的習慣；送出前，也確認自己能說明結論是怎麼來的。

長者：善用數位輔助，不必什麼都硬背

面對中高齡長輩，我們不用將科技視為洪水猛獸。有些工具，正好能替生活減輕一點負擔。

  • 科技輔助不等於認知退化：2025年《自然人類行為》納入逾41萬名中高齡成人的統合分析發現，一般數位科技使用與較低的認知障礙及認知衰退風險相關。但這不能證明科技能預防失智，原本認知較好的人，也可能比較容易持續使用科技。[註8]查公車、看地圖、與家人視訊，或設定回診提醒，都可以是日常幫手；家人可以陪著練習，讓長輩保留自己的選擇與操作機會，不必什麼都硬背。

  • 醫療與財務大事，找可靠的人一起確認：長輩可以用AI整理健康名詞，把疑問記下來，再向醫師或藥師詢問。藥物調整與重大財務決定，則請合適的專業人員協助確認，必要時由可信任的家人陪同，讓AI提供的資訊多一道可靠的把關。

把思考留給自己：今天就能實踐的六個小習慣

日常學習與工作，可以從這六件事慢慢調整：

  1. 先留下自己的第一版思考：在對AI下指令前，不妨先花三分鐘，在紙上寫下自己的直覺與盲點，讓自己先想一想：真正要解決的是什麼問題？

  2. 把「幫我寫」換成「請考考我」：閱讀長文時，請AI針對內文出三道推論題考考自己；收到回饋後，再對照原文確認，具體的修改依然由自己動手。

  3. 主動回想（Retrieval Practice）：關掉視窗後，換一道同概念的題目自主練習。課堂研究認為「主動回想」對學習是有正面幫助的，但也不能保證抵銷AI的所有風險。[註12]

  4. 每天留下一段「不被打斷的思考留白」：在閱讀或寫作時，關閉通訊軟體非必要的即時推播，把社群回覆集中在特定時段處理，留一點時間把眼前的事情想完整。[註13]

  5. 讓臥室回到好好休息的地方：可以先試著在睡前一小時放下AI聊天與社群平台，關閉非必要通知，讓螢幕暫時離開床邊，為好好休息留出空間。[註10]

  6. 定期檢視「生活是否被數位排擠」：參考兒科醫學會的「5 Cs原則」，定期與孩子、伴侶聊聊：最近的手機使用，有沒有排擠到原本該有的運動、戶外活動、聚餐與面對面相處？[註15]

保留思考的三步驟：先寫自己的想法，再請AI給提示，最後關掉工具自行解釋與重做。
先想、再問、最後自己說。適用於想學會的任務；生活所需的提醒與輔助不必撤除。

家庭與學校也可以一起調整作業規則：保留初稿與修改理由，加上口頭說明或短時間獨立作答。教育部已有中小學生成式AI使用資源，可作為親師生討論的起點。[註16]

“

保持對生活的好奇心，訓練獨立思辨的能力。一直都是我所認為能讓「大腦保鮮」的關鍵。也是開放型、成長型人格所擁抱的特質。

AI時代將「人類知識」的資料庫打開，再將「專業技術」的壁壘打破，我們可以說是忽然擁有了倚天劍和屠龍刀的初級劍客。要知道，神兵利器可以開疆闢土，當然也可能反噬其身。於是這個時代的我們更應該學習的，是「如何與科技相處」的素養。把AI工具當作學習夥伴，幫自己打開知識的大門，一邊與之切磋一邊砥礪自己，那麼你會進步得飛快。但假如你放棄了思考權，在一問一答中成為了只會複製貼上的機器，很可能，下一個被淘汰的人，將是你自己。

站在巨人的肩膀上，我們應該要能飛得更高，看得更遠。與你共勉之。

”

— 詩詩觀點

研究與數據細節註釋（供查證與延伸閱讀）
  1. 註1　近千人、班級隨機分派；土耳其一所高中九至十一年級，四次90分鐘課程。一般型AI組練習分數比對照組高48%，撤除工具後考試低17%；有教學設計的AI家教組練習高127%，獨立考試與對照組未見顯著差異（不代表證明完全相同）。48%、127%與−17%均為相對於對照組平均分數的差異，非百分點或IQ變化。DOI: 10.1073/pnas.2422633122。2025年8月勘誤為作者所屬機構更正。 原始來源
  2. 註2　2026年6月2日工作論文，26,811名七至十二年級學生、30個月、九科；採不同採用時間的差異中的差異分析。估計作業成績增加18%、時間減少30%，六個月內月考成績下降20%。作業外包由時間與分數模式推論，非逐次直接觀察學生使用過程。本文依公開摘要與作者2026年9月4日VoxEU解說整理，未取得完整論文及附錄。效果為相對於基準平均數的估計，不是隨機試驗，也不是20個百分點。 原始來源
  3. 註3　概念回顧，20（9）：676–688，DOI: 10.1016/j.tics.2016.07.002。認知卸載涵蓋以外部行動或工具降低任務認知需求；本文對生成式AI與社群的並置為分析架構，非此回顧直接驗證的共同病理機制。 原始來源
  4. 註4　2025年10月13日線上發表，6,554名ABCD參與者。高增加組相較無／極低使用組，校正後總合分數差−1.76（95% CI −2.72至−0.81）；不是智商下降1.76分。自述使用、觀察設計與殘餘混淆限制因果推論。DOI: 10.1001/jama.2025.16613。 原始來源
  5. 註5　2026年7月15日線上發表，4,809人，分析ABCD第2年至第4年資料；依公開摘要，中至高問題性使用軌跡的記憶、詞彙標準化係數分別為−0.24（95% CI −0.35至−0.13）、−0.17（−0.25至−0.09）。不是能力下降24%或17%。DOI: 10.1016/j.amepre.2026.108509。 原始來源
  6. 註6　7,614名10至13歲參與者，單一時間點MRI與自述社群使用之橫斷面分析。顯著腦區厚度的標準化係數約−0.051至−0.026，效果偏小；腦區分析中，問題性／成癮量表分數與形態的關聯未達顯著。不能當成個人腦部萎縮速度。DOI: 10.1016/j.neuroimage.2026.121860。 原始來源
  7. 註7　此NIMH研究解說用於說明正常發育中皮質厚度亦會變化，不作為社群或AI安全性的證據，也不藉此推定社群影像差異是正常或有害。 原始來源
  8. 註8　系統性回顧136篇，57篇可納入OR／HR統合，合計411,430名成人；基線平均68.7歲。認知障礙OR 0.42（95% CI 0.35–0.52），認知衰退HR 0.74（0.66–0.84）。觀察性研究不能證明保護因果，也不能外推至青少年生成式AI。DOI: 10.1038/s41562-025-02159-9。 原始來源
  9. 註9　機構衛教資料，說明青春期前額葉相關能力持續成熟、社交經驗與神經可塑性。本文不把成熟期定成所有人一致的生日門檻，也不據此宣稱青少年使用AI的傷害必然大於成人。 原始來源
  10. 註10　2026年1月20日線上發表，Pediatrics 157（2）：e2025075321。綜整數位媒體、睡眠、認知、情緒與家庭環境；媒體和睡眠關係可能雙向。DOI: 10.1542/peds.2025-075321。文中日常安排不是該報告驗證的單一套裝介入。正文的睡前一小時為可嘗試的生活安排，不是此報告驗證的統一門檻，也不保證深度睡眠。 原始來源
  11. 註11　194名符合納入條件的哈佛物理課學生，比較特製AI家教與課堂主動學習，採隨機交叉設計。特製AI家教的課後測驗學習增益優於課堂主動學習比較條件，不是跨學期追蹤，也不是任意通用聊天機器人的效果。DOI: 10.1038/s41598-025-97652-6。 原始來源
  12. 註12　系統性回顧50個課堂實驗，共5,374人、49個效果量，支持多種情境下主動回想的學習效益。大部分研究來自西方等特定文化環境；不是AI專屬防護試驗。DOI: 10.1007/s10648-021-09595-9。 原始來源
  13. 註13　467名成人隨機分為立即或延後介入，研究報告持續注意力、心理健康及主觀幸福感改善；阻擋手機上網兩週，仍可通話、傳簡訊及以其他裝置上網。119人達預註冊依從標準（14天至少10天有效阻擋）；流失與依從性限制外推。這不是AI專屬或青少年研究。DOI: 10.1093/pnasnexus/pgaf017。正文將此研究作為減少數位干擾的間接依據；原試驗並非只關閉通知或集中回覆訊息，不表示本文安排已得到相同效果的驗證。 原始來源
  14. 註14　美國睡眠醫學會建議13至18歲青少年每天規律睡眠8至10小時。為一般健康建議，個別睡眠問題仍須評估；不將其當成思考外包的診斷標準。 原始來源
  15. 註15　Child、Content、Calm、Crowding Out、Communication，分別提醒孩子特質、內容、情緒安撫、排擠其他活動及溝通。本篇六項行動為編輯整理，並非學會原文的逐條翻譯。將家庭溝通延伸至伴侶為編輯建議，並非成人伴侶介入的研究結論。 原始來源
  16. 註16　查閱日2026年9月14日，官方下載頁列教師、行政人員及家長版與學生版2.1，以及115年相關教學資源。本文僅指向資源，未聲稱台灣有一律禁止某年齡使用AI的法規。 原始來源
  17. 註17　319名知識工作者提供936個工作使用案例；問卷與自述認知投入，非客觀能力下降或神經退化測量。本文依研究團隊公開摘要整理。研究發現對AI較有信心，與較少自述的批判性思考投入相關；不能由自評推定客觀能力衰退。 原始來源
參考來源（點擊展開）
  1. Bastani H, et al. Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 2025
  2. Strömberg D, Lei V, Wu Y. The Generative AI Learning Penalty: Evidence from Chinese Secondary Education. CEPR Discussion Paper 21577, 2026
  3. Risko EF, Gilbert SJ. Cognitive Offloading. Trends in Cognitive Sciences, 2016
  4. Nagata JM, et al. Social Media Use Trajectories and Cognitive Performance in Adolescents. JAMA, 2025
  5. Nagata JM, et al. Problematic Social Media Use Trajectories Are Linked With Lower Cognitive Performance in Adolescents. American Journal of Preventive Medicine, 2026
  6. Nagata JM, et al. Social media use and early adolescent brain structure: Findings from the ABCD Study. NeuroImage, 2026
  7. NIMH. Brain Matures a Few Years Late in ADHD, But Follows Normal Pattern, 2007
  8. Benge JF, Scullin MK. A meta-analysis of technology use and cognitive aging. Nature Human Behaviour, 2025
  9. NIMH. The Teen Brain: 7 Things to Know
  10. Munzer T, et al. Digital Ecosystems, Children, and Adolescents: Technical Report. Pediatrics, 2026
  11. Kestin G, et al. AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 2025
  12. Agarwal PK, Nunes LD, Blunt JR. Retrieval Practice Consistently Benefits Student Learning. Educational Psychology Review, 2021
  13. Castelo N, et al. Blocking mobile internet on smartphones improves sustained attention, mental health, and subjective well-being. PNAS Nexus, 2025
  14. American Academy of Sleep Medicine. Teen Sleep Duration Health Advisory
  15. American Academy of Pediatrics. The 5 Cs of Media Use
  16. 教育部AI人才方舟計畫：資料下載／中小學使用生成式人工智慧注意事項2.1
  17. Lee HP, et al. The Impact of Generative AI on Critical Thinking. CHI, 2025
  18. Strömberg D, Lei V, Wu Y. The generative AI learning penalty in secondary school. VoxEU／CEPR，2026年9月4日（作者解說）
  19. Benge與Scullin，作者機構提供的論文全文
  20. Correction for Bastani et al. PNAS，2025年8月20日
本文內容僅供健康與教育知識參考，不能取代專業醫療診斷與個別教育評估。觀察性研究的相關性不等於因果性；文中工作論文與預印本的結果仍待後續檢驗。