AI 认知外包的风险
本条为初评草案（AI 辅助编目 · 评于 2026-07）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
GPS 削弱空间记忆、计算器改变心算——认知外包不是新事，但 AI 第一次让"思考本身"可以被外包：写作、推理、决策、甚至提问。核心问题是：哪些认知能力像肌肉（不用则废），哪些像杠杆（外包后人反而升到更高层）？这条分界线现在没人画得出来。而这场实验正以史上最大规模在全人类身上同时进行，没有对照组——如果十年后发现一代人的独立推理能力被系统性削弱，已无法回头。攻破它意味着搞清机制、找到临界点，进而设计出"增强而非替代"的人机认知分工规范，让 AI 成为文明的杠杆而不是拐杖。
现象太新，纵向证据要多年才能积累，而 AI 能力本身还在指数变化——研究对象跑得比研究方法快。更深的困难在于"萎缩"与"重新分配"难以区分：不再自己写初稿的人，是失去了写作能力，还是把认知资源转移到了判断与编排？现有认知测量工具是为前 AI 时代设计的，测不出这种结构性变化。卡点的核心是缺一套"人机协作时代的认知能力度量框架"。
无人区（认知科学界初步在攻：认知外包/cognitive offloading 有既有研究脉络，个别实验室和零散论文开始研究生成式 AI 对学习与批判性思维的影响，但无系统性攻坚的旗舰机构）
读认知心理学或人机交互（HCI），方法论上重点掌握纵向研究设计。最好的切入子问题是教育场景：追踪"用 AI 学习的学生"与传统学习者在一两年尺度上的独立推理能力差异——教育场景变量可控、伦理上可行、且结论直接影响政策。也可进 AI 实验室里研究人机协作的团队，从工具设计侧回答"怎样的 AI 交互方式让人变强而不是变懒"。
谁在攻这颗暗星 · 攻关者名录6 人
这不是终点站——今天在这颗暗星上攻坚的人，就是明天点亮它、登上星光榜的候选。名录含科研、创业与第三方三类关键角色，初评待核实，欢迎补充与纠正。
去哪家 · 机构与公司名录2 家 · 其中初创/成长期 0
给求职者和投资人的信息增量——不只是听过的大机构，更多是正在攻这颗暗星的初创与新公司（联网实搜、初创优先排序，初评待核实）。