生成式AI不仅在重塑千行百业，也从根本上改变着人类写作、认知与思考的方式。在ChatGPT3.5发布后，一种乐观的预期广为流传：AI将带来“工作平权”。
2023年，两位麻省理工学院的经济学博士，在《Science》期刊上发表实证研究，为此论调提供了佐证：即生成式AI能显著提升低绩效员工的表现，有望弥补其与高绩效员工的差距，从而减少不平等。
Science期刊的编辑对此总结道，“技能较弱的参与者从ChatGPT中获益最多，这一点对于未来旨在通过AI来减少生产力不平等的政策具有重要启示。”
然而，两年过去，现实似乎并未完全遵循这一理想路径。
2025年，两位哈佛大学的经济学博士，通过分析2015至2025年间覆盖超6200万员工、超1.5亿次的招聘就业数据，揭示了一个冷酷的真相：生成式AI正以一种“资历偏向”的方式重塑劳动力市场。
数据显示，2015到2022年间，初级和高级岗位的就业增长曲线基本保持一致，但从2023年开始，两者开始出现分叉：高级岗位继续向上增长，初级岗位则开始掉头向下。
对于深度拥抱AI的企业，其初级岗位数量在六个季度内相对下降了7.7%，而高级岗位则基本不受影响，甚至略有增长。这一现象的主因是招聘大幅减少，而非大规模裁员。
AI非但没有带来普惠的平权，反而让“强者更强”的马太效应愈发凸显。携程CEO梁建章对此论文评价道“AI会取代初级的智力劳动，加剧年轻人在教育、结婚生育和职业初期等阶段所遭遇的困境。”
劳动力市场的结构变化只是冰山一角。一个更深层次的问题随之浮现：当AI大规模融入我们的工作流，它对人类的创造力本身，正在产生何种影响？AI带来的效率提升，是否真的是个人能力的内化？它是否正在以一种我们尚未察觉的方式，塑造甚至“统一”我们的思想？当个体过度依赖AI之后，他们独立的、原创的思考能力是增强了，还是在不知不觉中被削弱了？
近期，北京大学李圭泉课题组在社会学顶刊Technology in Society发表的论文，正是对这一系列关键问题的正面回应。
研究的核心由两部分构成。研究一是一项大规模的自然实验，通过分析ChatGPT3.5发布前后，横跨全部21个学科门类的超41万篇学术论文，剖析AI对全球知识生产的真实影响；研究二则是一场持续追踪数月的纵向行为实验，在实验室环境中，探究AI对个人认知能力的长期因果效应。
研究团队结合断点回归设计与机器学习等技术，为我们揭示了生成式AI对个人创造力与群体同质性的长期且真实的影响。
该期刊为JCR一区top，影响因子12.5，在socialscience,Interdisciplinary分类下271本期刊中排名第2
01
41万篇论文的“集体无意识”
最可怕的不是噪音，而是众声一词。
研究一是一项大规模的自然实验。
研究团队从权威的Web of Science核心数据库中，抽取了横跨物理科学、生命科学与生物医药、应用科学、社会科学、艺术与人文等全部21个学科门类的学术产出。通过对超过17,000名学者的随机抽样，团队最终汇集了这些学者在ChatGPT-3.5发布前后的全部419344篇论文，构建了一个庞大的数据集，以此剖析AI对全球知识生产的真实影响。
生成式AI发布前后学术界论文同质性和创造力结果示意图
如上图所示，在2022年之前，全球学术产出的创造力（红/蓝线）与同质性（灰线）均在平稳增长。但在ChatGPT3.5发布之后，两条曲线的斜率均出现了急剧的拉升。
即GPT3.5发布后，学术界在显著加速知识产出（创造力）的同时，也以更快的速度加剧了其内容的同质化，清晰地展示了生成式AI对知识生产的“双刃剑”效应。
为了证明观察到的变化是由AI引起的，而非巧合，研究团队采用了一种名为“断点回归设计”（RDD）的因果推断方法。
如何做
他们将2022年12月ChatGPT-3.5的发布作为一个天然的“时间断点”。一篇论文发表在该日期之前还是之后，对于单个学者而言，存在着诸多其无法控制的偶然因素（如审稿周期），这就近似构成了一个随机分配的“实验组”（有机会使用AI）和“对照组”（无法使用AI）。
为何可靠
这种“准随机”的特性，使得研究者可以有效剥离其他长期因素的干扰，精准识别出AI带来的因果效应。为确保该方法的严谨性，团队还进行了一系列专门的统计检验，证实学者们并未在“断点”前后进行大规模的“憋稿”或“抢发”等策略性行为，从而保证研究结果的可靠性。
如何量化“创造力”与“同质性”指标？
在确认了因果关系之后，研究团队从“创造力”和“同质性”两个维度对这40多万篇论文进行了量化分析。
创造力，由论文发表的“数量”和发表期刊的“质量”（JCR分区）进行评估
数量：学者发表论文的总数。
质量：论文发表期刊的JCR分区（JournalCitationReportsQuartiles）。这是一个权威的期刊评级体系，Q1代表该领域影响力排名前25%的顶级期刊，Q4则为末位的25%。
同质性：通过内容相似度和语言风格相似度进行评估
内容相似度：采用SBERT深度学习模型，将论文摘要的语义转化为数字“向量”，再通过计算向量间的“余弦相似度”，来判断其在核心意思上的相似程度。
语言风格相似度：通过字符级匹配算法，扫描并计算论文摘要之间重复出现的短语和句式，以此衡量写作风格的相似性。
冰冷的双刃剑：更高效，也更单调
如图所示，分析结果清晰地揭示了一个“双刃剑”效应。
一方面，AI的出现确实成为了学术产出的强大“加速器”：学者的人均年发表量增加了0.9篇，发表期刊的质量平均提升了6%，这一效应在技术和物理科学等领域尤为突出。
但另一方面，效率的提升正以思想和表达的多样性为代价。数据显示，论文的语言风格相似度平均每年惊人地增加了79%，同时论文的内容主题也出现了显著的趋同，其中物理科学、艺术与人文学科的同质化现象最为严重。
断点回归结果图
北大研究团队的这项大规模自然实验，为我们提供了真实世界的宏观证据：生成式AI确实是学术产出的强大“加速器”，它帮助学者更快地产出、并发表在更好的期刊上。然而，这种效率的提升，正以思想和表达的多样性为代价。
全球的知识生产，似乎正在这场“大交换”中，变得更高效，也更“单调”。
与此同时，研究一也留下了一个更深层次的问题：这种宏观趋势，对每一个身处其中的个体，究竟意味着什么？AI带来的创造力提升是真实的个人能力成长吗？
为了回答这个问题，研究团队在研究二中进行了一场持续追踪数月的纵向行为实验，在可控的实验室环境中探究AI对个人认知能力的长期因果效应。
02
AI留下的创造力伤痕
思想一旦屈从于习惯，便失去了创造的可能。
事实上，已经有不少实验室用小样本的实证研究，从不同角度印证了宏观数据所揭示的趋势。例如，康奈尔大学的研究发现，AI写作助手会牺牲文化独特性，使用户的表达趋向“西方范式”；圣塔克拉拉大学的研究也表明，使用ChatGPT的个体，其创意在语义上更为雷同。
尤其值得一提的是，麻省理工学院的研究团队通过脑电图（EEG）技术直接观测了个体的大脑，发现使用ChatGPT的学生组，其大脑活动水平远低于仅靠自己思考或使用搜索引擎的小组。
这些研究共同指向一个结论：AI正以降低认知投入和牺牲多样性为代价来提升效率。
EEG实验过程中的参与者示意图
然而，大部分研究都聚焦于使用AI的即时影响，鲜有探究当AI“离场”后，其效果能否持续，以及其长期的负面影响是否会消退。
北大的这项研究在此方面做出了新的尝试
它不仅在为期七天的实验中观察AI的即时作用，更通过实验结束后的第30天和第60天两次独立的追踪测试，系统性地检验了AI依赖所带来的长期后果。这使得我们能够真正看清，AI带来的究竟是可迁移的“能力”，还是一种短暂的、无法内化的“幻觉”。
具体而言，北大研究团队在研究二中将61名大学生随机分为两组：“AI实验组”（可使用ChatGPT-4）与“纯脑力对照组”。
实验设计分为三个关键阶段：首先，所有参与者在第一天均不使用AI，完成创造力基线测试；随后，在第二至第六天，“AI实验组”在AI辅助下完成每日的创造力任务，“纯脑力对照组”则在没有辅助的条件下完成任务；最后，也是最关键的，在第七天、第三十天和第六十天，所有参与者都必须在无AI辅助的情况下，完成最终的追踪测试。
实验设计示意图
为了全面地评估“创造力”，研究采用了复合的任务模式，涵盖了多个维度。这些任务包括：
发散思维测试：经典的“替代用途任务”（AUT），要求参与者为日常物品（如“一支钢笔”）想出尽可能多的新颖用途。
创意问题解决：更贴近真实世界的商业场景题，例如要求参与者为一款“智能单车”设计创新功能。
聚合思维测试：在追踪阶段加入的“远距联想测验”（RAT），要求参与者找到一个能同时连接三个不相关词语的关联词。
洞察力问题：经典的“蜡烛问题”，要求参与者用一盒图钉、一根蜡烛和一盒火柴，将蜡烛固定在墙上，并且不能让蜡滴到桌上。
为确保评估的科学性，研究采用了该领域的“黄金标准”——专家共识评估法（CAT）。多位专家评委在对分组情况和研究目的毫不知情的“双盲”条件下，独立地对数千份创意产出（包括发散性思维任务和复杂问题解决方案）的新颖性、实用性、灵活性等多个维度进行打分。极高的数据一致性（评分者信度ICCs>0.90）确保了评估结果的科学与公正。
研究二中同质性的测量方法，采用了与研究一完全相同的技术方法，确保了两个研究之间评估标准的一致性。
创造力：ChatGPT对AUT和解决问题两类创新任务的影响
同质性：ChatGPT对AUT的内容同质性和语言风格同质性的影响
实验结果清晰地揭示了一个残酷的不对称性：
创造力的提升是短暂、不可持续的：在使用AI的阶段（第2-6天），“AI实验组”的各项创造力指标确实远超“纯脑力组”。然而，一旦AI被撤走，这种优势便瞬间消失。从第7天开始直到第60天，两组的创造力表现再无显著差异。更令人警醒的是，在第60天的聚合思维测试中，实验组的参与者表现甚至显著差于从未用过AI的对照组，AI带来的，并非可迁移的“能力”，更像是一种无法内化的“幻觉”。
思想的同质化却是长期的，会留下“创造性伤痕”：与稍纵即逝的创造力提升相反，思想的同质化却表现出了惊人的“粘性”。即便在停止使用AI两个月后，“AI实验组”的产出内容，无论在语义上还是语言风格上，依然比对照组表现出显著更高的相似度。
这项纵向追踪研究用直接的因果证据，证实了AI对个人创造力的长期影响。AI带来的可能只是一种无法内化的“创造力幻觉”，而它留下的思想趋同，却可能成为一道难以消除的“创意伤痕”，长期存在于我们的认知与表达习惯之中。
03
如果世界没有了新创意
这是最好的时代，也是最坏的时代。
北大这项研究的结论，并非是让我们因噎废食，在AI时代里彻底放弃AI。恰恰相反，它旨在提醒我们，必须有意识地去理解和应对，长期依赖AI对个体思维与认知习惯的深远影响。
研究中揭示的“同质化”趋势，其背后有着深刻的认知科学原理：AI的输出很容易对使用者产生强大的“锚定效应”。当AI迅速生成一个“看起来还不错”的答案或框架时，我们的思维就会被这个初始方案“锚定”，后续的思考和创造便很难再大幅偏离，从而在群体层面导致了思想的收敛。
今年7月当黄仁勋在接受CNN的专访时，抛出了一个冷静的判断：“如果世界没有了新创意，那么AI带来的生产力提升就会转化为失业。”
当生成式AI被不断使用，互联网的信息、人类的知识库正以前所未有的速度变得更加同质。北大的研究用冰冷的数据证实，这种趋势真实存在。若社会能够不断涌现新的创意，AI会转化为更多元的就业机会；若只重复旧任务，AI在几秒内即可完成。
AI放大了创意，也加速了“思路枯竭”者出局。
04
在AI时代，如何保持思考的锋利
AI减轻了我们的工作负担，但我们需要建立一个能深度思考的思维体系，能和AI进行交互，描述想要让AI解决的问题，也要对问题进行推理，同时判断AI是否正确回答了问题，我们要有辨证思维。—黄仁勋
作为身处AI时代的个体，我们该如何自处？如何在享受AI便利的同时，避免陷入创造力荒漠？结合研究的启示，以下是一些具体的行动建议：
把AI当“思想陪练”：把它当成一个不知疲倦、能提供无限视角的“思想陪练”。用它来进行头脑风暴，生成多种可能性，挑战你的固有假设。但最终的筛选、深化、决策和对结果负责的，必须是你自己。
刻意练习“认知摩擦”：对抗“锚定效应”最有效的方法，就是主动制造“认知摩擦”。不要轻易接受AI给出的第一个答案。刻意地去反驳它、寻找它的逻辑漏洞、质疑它未考虑到的方面，这种批判性思维的练习，正是保持我们独立思考能力的关键。
设置“无AI时间”：正如我们需要定期锻炼身体以防肌肉萎缩，我们也需要定期让大脑进行无AI辅助的锻炼。每周定期划定出一段“无AI时间”，用最原始的纸笔或空白文档进行思考、规划和创作。这种刻意的“认知断舍离”，能确保我们大脑的核心创造与推理能力不会在安逸中退化。
