所有 AI 的饋贈，早已在暗中標好了價格

生成式 AI 不僅在重塑千行百業，也從根本上改變着人類寫作、認知與思考的方式。在 ChatGPT3.5 發佈後，一種樂觀的預期廣為流傳：AI 將帶來 “工作平權”。 2023 年，兩位麻省理工學院的經濟學博士，在《Science》期刊上發表實證研究，為此論調提供了佐證：即生成式 AI 能顯著提升低績效員工的表現，有望彌補其與高績效員工的差距，從而減少不平等。 Science 期刊的編輯對此總結道，“技能較弱的參與者從 ChatGPT 中獲益最多，這一點對於未來旨在通過 AI 來減少生產力不平等的政策具有重要啓示。” 然而，兩年過去，現實似乎並未完全遵循這一理想路徑。 2025 年，兩位哈佛大學的經濟學博士，通過分析 2015 至 2025 年間覆蓋超 6200 萬員工、超 1.5 億次的招聘就業數據，揭示了一個冷酷的真相：生成式 AI 正以一種 “資歷偏向” 的方式重塑勞動力市場。 數據顯示，2015 到 2022 年間，初級和高級崗位的就業增長曲線基本保持一致，但從 2023 年開始，兩者開始出現分叉：高級崗位繼續向上增長，初級崗位則開始掉頭向下。 對於深度擁抱 AI 的企業，其初級崗位數量在六個季度內相對下降了 7.7%，而高級崗位則基本不受影響，甚至略有增長。這一現象的主因是招聘大幅減少，而非大規模裁員。 AI 非但沒有帶來普惠的平權，反而讓 “強者更強” 的馬太效應愈發凸顯。攜程 CEO 梁建章對此論文評價道 “AI 會取代初級的智力勞動，加劇年輕人在教育、結婚生育和職業初期等階段所遭遇的困境。” 勞動力市場的結構變化只是冰山一角。一個更深層次的問題隨之浮現：當 AI 大規模融入我們的工作流，它對人類的創造力本身，正在產生何種影響？AI 帶來的效率提升，是否真的是個人能力的內化？它是否正在以一種我們尚未察覺的方式，塑造甚至 “統一” 我們的思想？當個體過度依賴 AI 之後，他們獨立的、原創的思考能力是增強了，還是在不知不覺中被削弱了？ 近期，北京大學李圭泉課題組在社會學頂刊 Technology in Society 發表的論文，正是對這一系列關鍵問題的正面回應。 研究的核心由兩部分構成。研究一是一項大規模的自然實驗，通過分析 ChatGPT3.5 發佈前後，橫跨全部 21 個學科門類的超 41 萬篇學術論文，剖析 AI 對全球知識生產的真實影響；研究二則是一場持續追蹤數月的縱向行為實驗，在實驗室環境中，探究 AI 對個人認知能力的長期因果效應。 研究團隊結合斷點回歸設計與機器學習等技術，為我們揭示了生成式 AI 對個人創造力與羣體同質性的長期且真實的影響。 該期刊為 JCR 一區 top，影響因子 12.5，在 socialscience,Interdisciplinary 分類下 271 本期刊中排名第 2 01 41 萬篇論文的 “集體無意識” 最可怕的不是噪音，而是眾聲一詞。 研究一是一項大規模的自然實驗。 研究團隊從權威的 Web of Science 核心數據庫中，抽取了橫跨物理科學、生命科學與生物醫藥、應用科學、社會科學、藝術與人文等全部 21 個學科門類的學術產出。通過對超過 17,000 名學者的隨機抽樣，團隊最終彙集了這些學者在 ChatGPT-3.5 發佈前後的全部 419344 篇論文，構建了一個龐大的數據集，以此剖析 AI 對全球知識生產的真實影響。 生成式 AI 發佈前後學術界論文同質性和創造力結果示意圖 如上圖所示，在 2022 年之前，全球學術產出的創造力（紅/藍線）與同質性（灰線）均在平穩增長。但在 ChatGPT3.5 發佈之後，兩條曲線的斜率均出現了急劇的拉昇。 即 GPT3.5 發佈後，學術界在顯著加速知識產出（創造力）的同時，也以更快的速度加劇了其內容的同質化，清晰地展示了生成式 AI 對知識生產的 “雙刃劍” 效應。 為了證明觀察到的變化是由 AI 引起的，而非巧合，研究團隊採用了一種名為 “斷點回歸設計”（RDD）的因果推斷方法。 如何做 他們將 2022 年 12 月 ChatGPT-3.5 的發佈作為一個天然的 “時間斷點”。一篇論文發表在該日期之前還是之後，對於單個學者而言，存在着諸多其無法控制的偶然因素（如審稿週期），這就近似構成了一個隨機分配的 “實驗組”（有機會使用 AI）和 “對照組”（無法使用 AI）。 為何可靠 這種 “準隨機” 的特性，使得研究者可以有效剝離其他長期因素的干擾，精準識別出 AI 帶來的因果效應。為確保該方法的嚴謹性，團隊還進行了一系列專門的統計檢驗，證實學者們並未在 “斷點” 前後進行大規模的 “憋稿” 或 “搶發” 等策略性行為，從而保證研究結果的可靠性。 如何量化 “創造力” 與 “同質性” 指標？ 在確認了因果關係之後，研究團隊從 “創造力” 和 “同質性” 兩個維度對這 40 多萬篇論文進行了量化分析。 創造力，由論文發表的 “數量” 和發表期刊的 “質量”（JCR 分區）進行評估 數量：學者發表論文的總數。 質量：論文發表期刊的 JCR 分區（JournalCitationReportsQuartiles）。這是一個權威的期刊評級體系，Q1 代表該領域影響力排名前 25% 的頂級期刊，Q4 則為末位的 25%。 同質性：通過內容相似度和語言風格相似度進行評估 內容相似度：採用 SBERT 深度學習模型，將論文摘要的語義轉化為數字 “向量”，再通過計算向量間的 “餘弦相似度”，來判斷其在核心意思上的相似程度。 語言風格相似度：通過字符級匹配算法，掃描並計算論文摘要之間重複出現的短語和句式，以此衡量寫作風格的相似性。 冰冷的雙刃劍：更高效，也更單調 如圖所示，分析結果清晰地揭示了一個 “雙刃劍” 效應。 一方面，AI 的出現確實成為了學術產出的強大 “加速器”：學者的人均年發表量增加了 0.9 篇，發表期刊的質量平均提升了 6%，這一效應在技術和物理科學等領域尤為突出。 但另一方面，效率的提升正以思想和表達的多樣性為代價。數據顯示，論文的語言風格相似度平均每年驚人地增加了 79%，同時論文的內容主題也出現了顯著的趨同，其中物理科學、藝術與人文學科的同質化現象最為嚴重。 斷點回歸結果圖 北大研究團隊的這項大規模自然實驗，為我們提供了真實世界的宏觀證據：生成式 AI 確實是學術產出的強大 “加速器”，它幫助學者更快地產出、並發表在更好的期刊上。然而，這種效率的提升，正以思想和表達的多樣性為代價。 全球的知識生產，似乎正在這場 “大交換” 中，變得更高效，也更 “單調”。 與此同時，研究一也留下了一個更深層次的問題：這種宏觀趨勢，對每一個身處其中的個體，究竟意味着什麼？AI 帶來的創造力提升是真實的個人能力成長嗎？ 為了回答這個問題，研究團隊在研究二中進行了一場持續追蹤數月的縱向行為實驗，在可控的實驗室環境中探究 AI 對個人認知能力的長期因果效應。 02 AI 留下的創造力傷痕 思想一旦屈從於習慣，便失去了創造的可能。 事實上，已經有不少實驗室用小樣本的實證研究，從不同角度印證了宏觀數據所揭示的趨勢。例如，康奈爾大學的研究發現，AI 寫作助手會犧牲文化獨特性，使用户的表達趨向 “西方範式”；聖塔克拉拉大學的研究也表明，使用 ChatGPT 的個體，其創意在語義上更為雷同。 尤其值得一提的是，麻省理工學院的研究團隊通過腦電圖（EEG）技術直接觀測了個體的大腦，發現使用 ChatGPT 的學生組，其大腦活動水平遠低於僅靠自己思考或使用搜索引擎的小組。 這些研究共同指向一個結論：AI 正以降低認知投入和犧牲多樣性為代價來提升效率。 EEG 實驗過程中的參與者示意圖 然而，大部分研究都聚焦於使用 AI 的即時影響，鮮有探究當 AI“離場” 後，其效果能否持續，以及其長期的負面影響是否會消退。 北大的這項研究在此方面做出了新的嘗試 它不僅在為期七天的實驗中觀察 AI 的即時作用，更通過實驗結束後的第 30 天和第 60 天兩次獨立的追蹤測試，系統性地檢驗了 AI 依賴所帶來的長期後果。這使得我們能夠真正看清，AI 帶來的究竟是可遷移的 “能力”，還是一種短暫的、無法內化的 “幻覺”。 具體而言，北大研究團隊在研究二中將 61 名大學生隨機分為兩組：“AI 實驗組”（可使用 ChatGPT-4）與 “純腦力對照組”。 實驗設計分為三個關鍵階段：首先，所有參與者在第一天均不使用 AI，完成創造力基線測試；隨後，在第二至第六天，“AI 實驗組” 在 AI 輔助下完成每日的創造力任務，“純腦力對照組” 則在沒有輔助的條件下完成任務；最後，也是最關鍵的，在第七天、第三十天和第六十天，所有參與者都必須在無 AI 輔助的情況下，完成最終的追蹤測試。 實驗設計示意圖 為了全面地評估 “創造力”，研究採用了複合的任務模式，涵蓋了多個維度。這些任務包括： 發散思維測試：經典的 “替代用途任務”（AUT），要求參與者為日常物品（如 “一支鋼筆”）想出儘可能多的新穎用途。 創意問題解決：更貼近真實世界的商業場景題，例如要求參與者為一款 “智能單車” 設計創新功能。 聚合思維測試：在追蹤階段加入的 “遠距聯想測驗”（RAT），要求參與者找到一個能同時連接三個不相關詞語的關聯詞。 洞察力問題：經典的 “蠟燭問題”，要求參與者用一盒圖釘、一根蠟燭和一盒火柴，將蠟燭固定在牆上，並且不能讓蠟滴到桌上。 為確保評估的科學性，研究採用了該領域的 “黃金標準”——專家共識評估法（CAT）。多位專家評委在對分組情況和研究目的毫不知情的 “雙盲” 條件下，獨立地對數千份創意產出（包括髮散性思維任務和複雜問題解決方案）的新穎性、實用性、靈活性等多個維度進行打分。極高的數據一致性（評分者信度 ICCs>0.90）確保了評估結果的科學與公正。 研究二中同質性的測量方法，採用了與研究一完全相同的技術方法，確保了兩個研究之間評估標準的一致性。 創造力：ChatGPT 對 AUT 和解決問題兩類創新任務的影響 同質性：ChatGPT 對 AUT 的內容同質性和語言風格同質性的影響 實驗結果清晰地揭示了一個殘酷的不對稱性： 創造力的提升是短暫、不可持續的：在使用 AI 的階段（第 2-6 天），“AI 實驗組” 的各項創造力指標確實遠超 “純腦力組”。然而，一旦 AI 被撤走，這種優勢便瞬間消失。從第 7 天開始直到第 60 天，兩組的創造力表現再無顯著差異。更令人警醒的是，在第 60 天的聚合思維測試中，實驗組的參與者表現甚至顯著差於從未用過 AI 的對照組，AI 帶來的，並非可遷移的 “能力”，更像是一種無法內化的 “幻覺”。 思想的同質化卻是長期的，會留下 “創造性傷痕”：與稍縱即逝的創造力提升相反，思想的同質化卻表現出了驚人的 “粘性”。即便在停止使用 AI 兩個月後，“AI 實驗組” 的產出內容，無論在語義上還是語言風格上，依然比對照組表現出顯著更高的相似度。 這項縱向追蹤研究用直接的因果證據，證實了 AI 對個人創造力的長期影響。AI 帶來的可能只是一種無法內化的 “創造力幻覺”，而它留下的思想趨同，卻可能成為一道難以消除的 “創意傷痕”，長期存在於我們的認知與表達習慣之中。 03 如果世界沒有了新創意 這是最好的時代，也是最壞的時代。 北大這項研究的結論，並非是讓我們因噎廢食，在 AI 時代裏徹底放棄 AI。恰恰相反，它旨在提醒我們，必須有意識地去理解和應對，長期依賴 AI 對個體思維與認知習慣的深遠影響。 研究中揭示的 “同質化” 趨勢，其背後有着深刻的認知科學原理：AI 的輸出很容易對使用者產生強大的 “錨定效應”。當 AI 迅速生成一個 “看起來還不錯” 的答案或框架時，我們的思維就會被這個初始方案 “錨定”，後續的思考和創造便很難再大幅偏離，從而在羣體層面導致了思想的收斂。 今年 7 月當黃仁勳在接受 CNN 的專訪時，拋出了一個冷靜的判斷：“如果世界沒有了新創意，那麼 AI 帶來的生產力提升就會轉化為失業。” 當生成式 AI 被不斷使用，互聯網的信息、人類的知識庫正以前所未有的速度變得更加同質。北大的研究用冰冷的數據證實，這種趨勢真實存在。若社會能夠不斷湧現新的創意，AI 會轉化為更多元的就業機會；若只重複舊任務，AI 在幾秒內即可完成。 AI 放大了創意，也加速了 “思路枯竭” 者出局。 04 在 AI 時代，如何保持思考的鋒利 AI 減輕了我們的工作負擔，但我們需要建立一個能深度思考的思維體系，能和 AI 進行交互，描述想要讓 AI 解決的問題，也要對問題進行推理，同時判斷 AI 是否正確回答了問題，我們要有辨證思維。—黃仁勳 作為身處 AI 時代的個體，我們該如何自處？如何在享受 AI 便利的同時，避免陷入創造力荒漠？結合研究的啓示，以下是一些具體的行動建議： 把 AI 當 “思想陪練”：把它當成一個不知疲倦、能提供無限視角的 “思想陪練”。用它來進行頭腦風暴，生成多種可能性，挑戰你的固有假設。但最終的篩選、深化、決策和對結果負責的，必須是你自己。 刻意練習 “認知摩擦”：對抗 “錨定效應” 最有效的方法，就是主動製造 “認知摩擦”。不要輕易接受 AI 給出的第一個答案。刻意地去反駁它、尋找它的邏輯漏洞、質疑它未考慮到的方面，這種批判性思維的練習，正是保持我們獨立思考能力的關鍵。 設置 “無 AI 時間”：正如我們需要定期鍛鍊身體以防肌肉萎縮，我們也需要定期讓大腦進行無 AI 輔助的鍛鍊。每週定期劃定出一段 “無 AI 時間”，用最原始的紙筆或空白文檔進行思考、規劃和創作。這種刻意的 “認知斷舍離”，能確保我們大腦的核心創造與推理能力不會在安逸中退化。 本文作者：涵清，來源：騰訊科技，原文標題：《所有 AI 的饋贈，早已在暗中標好了價格｜北大最新論文解讀》風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。