摘要
人工智能（AI）对话系统和生成模型在教育、专业工作和医疗保健领域的快速普及带来了显著的生产力提升，但也引发了对过度依赖、过度依靠和认知衰退日益增长的担忧。尽管学术界越来越关注这一问题，现有研究仍然分散在不同领域和学科中，缺乏最近的综合性综述，无法系统整合不同领域中关于认知影响、相关风险和缓解策略的证据。这种分散限制了对共享机制、更广泛风险和有效应对措施的累积理解，以及它们对个人学习、决策、专业能力、整体福祉和更广泛社会结果的影响。
为解决这一差距，我们呈现了基于系统性研究映射的跨领域综述，涵盖关于AI过度依赖及其认知后果的实证和概念文献。本综述聚焦于两个目标：（1）综合关于认知衰退和特定任务技能退化的现有实验和观察证据；（2）系统组织理论论点和新兴关注点，特别是在实证证据仍然有限的领域。此外，本综述明确识别了已报告和假设的AI过度依赖风险，并调查了各领域提出的缓解策略。
为支持综合性分析，我们提出了P2BEAM分类法（Psychological and Contextual Mechanisms，Population-Specific Effects，Broader Hazards and Impacts，Evidence for Cognitive Decline and Deskilling，Affected Domains and Mitigation Strategies，即心理和情境机制、特定人群影响、更广泛风险和影响、认知衰退和技能退化证据、受影响领域和缓解策略）。该分类法概括了综述中出现的关键主题。
通过整合分散的文献，区分证据与假设，并系统映射风险和缓解方法，本综述提供了跨领域的可转移见解，并以优先跨领域研究议程和针对研究人员、教育工作者、政策制定者和系统设计者的实用建议作为结论。
关键词
- AI过度依赖
- AI过度依靠
- 认知衰退
- 技能退化
- 批判性思维
- 认知卸载
- 生成式AI
- ChatGPT
数据可用性
本文所述研究未使用任何数据。
【全文结束】
