作者：高藤

原創(chuàng)：深眸財經(jīng)（chutou0325）

28日晚，許多人都在關(guān)注的第 66 屆國際數(shù)學(xué)奧林匹克競賽（IMO）公布了比賽結(jié)果。

中國隊不出所料地奪得頭籌，斬獲6 枚金牌。其中更是有兩位同學(xué)獲得滿分，以231分的團隊總成績碾壓全場。

對于這一已經(jīng)預(yù)料到的結(jié)果，網(wǎng)上反應(yīng)比較平淡，引發(fā)熱議的反倒是另一個賽道的OpenAI。

01 OpenAI“搶跑”背后的幻像

在用于評估AI大模型在數(shù)學(xué)競賽表現(xiàn)的MathArena.ai平臺上，對當(dāng)前最頂尖的AI公開大模型進行了測試

OpenAI的o3與o4-mini、谷歌的Gemini 2.5、馬斯克家的Grok-4以及國產(chǎn)DeepSeek-R1等頂流AI模型全部出戰(zhàn)。

遺憾的是，AI大模型在這屆IMO上全軍覆沒。

在這場比拼中，得分最高的是谷歌Gemini 2.5拿到13分，也就是31%的分?jǐn)?shù)，連銅牌都夠不上。

就在大家紛紛認(rèn)為這就是目前AI的上限時。

OpenAI團隊帶著最新開發(fā)的通用推理模型，拋出了一顆重磅炸彈：

在與人類完全相同的考試條件下作答，最終解出5道題，共獲得35分，達(dá)到IMO金牌分?jǐn)?shù)線，成功拿到了金牌

但事實真的是這樣嗎？

首先引發(fā)大家爭吵的就是消息發(fā)布的時間。

按照IMO的規(guī)定，所有成績都應(yīng)該在IMO閉幕的一周后再發(fā)布。

結(jié)果當(dāng)?shù)貢r間19日下午5點43分，閉幕式一結(jié)束，5點50分OpenAI的官方就發(fā)布了“AI剛好壓過金牌線”的消息。

七分鐘之差，既讓OpenAI鉆了規(guī)定的空子，還先其他參賽選手一步，在網(wǎng)絡(luò)上掀起了軒然大波。

這一行為讓不少網(wǎng)友為其他真實競爭對手打抱不平，畢竟搶跑的行為，本身就是對競爭對手的不尊重。

其次就是，金牌是誰認(rèn)證的？

雖然官方一直說的都是“OpenAI壓上了金牌及格線”，但不少媒體為了省事，直接寫成“AI奪得金牌”。

此外，OpenAI并未接收到任何參加IMO的邀請，更不用說究竟是誰給AI評出的35分好成績。

這就相當(dāng)于自己在家里做了一套高考真題，對照答案評分后，得出了一個我是高考狀元，能上清華的結(jié)果。

國外有OpenAI以“奪冠”炒作，國內(nèi)也有AI寫高考作文吸睛。

今年高考語文考試一結(jié)束，各大AI公司迫不及待地讓自己的AI助手開始考試。

豆包、騰訊元寶、天工……一共16款產(chǎn)品，都在網(wǎng)上發(fā)布了自己寫的作文。

面對AI寫出來的作文，不少人站出來說“我覺得AI比我強”。

每每在這種測評的關(guān)鍵時刻，AI都會以出色表現(xiàn)“出圈”。

但到了生活中，AI假大空的想法、胡亂編造的數(shù)據(jù)、古今中外虛實大亂燉的文章模板，甚至連AI造假的事也層出不窮。

就算這樣，AI的使用率仍在不斷增長。

從學(xué)生用AI代寫論文，到上班白領(lǐng)依賴AI生成報告，再到媒體行業(yè)機器人撰稿占比突破40%，人類正經(jīng)歷一場前所未有的“思考能力危機”。

02 思維惰性引發(fā)認(rèn)知陷阱

AI寫高考作文、壓線奪冠，每一次“出圈”都像是精心策劃。

拋開網(wǎng)絡(luò)上營銷號對AI的呼聲，值得讓我們思考的并不是AI會不會代替人類，而是我們總是習(xí)慣把思考的機會全部甩給AI，自己坐享其成。

以Cision發(fā)布的《2025全球媒體調(diào)查報告》為例，通過對19個國家3,126名記者的調(diào)研發(fā)現(xiàn)，53%的記者已在工作中使用生成式AI工具。

在其他使用AI進行輔助的領(lǐng)域中，教育行業(yè)首當(dāng)其沖：

國內(nèi)的某高校調(diào)查顯示，使用AI輔助學(xué)習(xí)的學(xué)生中，僅28%能獨立完成復(fù)雜邏輯推導(dǎo)，較五年前下降45%。

神經(jīng)可塑性研究表明，長期依賴AI會導(dǎo)致大腦神經(jīng)網(wǎng)絡(luò)重構(gòu)，前額葉的決策區(qū)域活躍度下降20%，視覺皮層的信息處理區(qū)域卻變得異常活躍。

換句話說，使用AI大量處理認(rèn)知工作，會讓工作者參與創(chuàng)新所需的深層分析的過程大幅減少，思維出現(xiàn)"斷片"現(xiàn)象，產(chǎn)生認(rèn)知依賴癥。

還會縮小人腦思考和機器思考之間的差距，弱化原創(chuàng)觀點和創(chuàng)造性方法所帶來的價值。

除此之外，過度相信AI的建議，可能會失去辨別能力，導(dǎo)致錯誤信息風(fēng)險增加。

AI之所以能夠高效產(chǎn)出內(nèi)容，就是因為它直接搬運或者套用海量數(shù)據(jù)庫中的表面規(guī)律，但卻不會主動核實事實。

2023 年，紐約市協(xié)助政府服務(wù)的AI 聊天機器人，建議企業(yè)主扣除員工消費來獲利，但真實的法律卻明確規(guī)定了老板不能扣取員工的小費。

再比如，政策明確規(guī)定企業(yè)必須接受現(xiàn)金，不得歧視沒有銀行賬戶的客戶。但是AI 卻說“餐廳可以不提供現(xiàn)金付款選擇”。

在面對具有信息變量的情況下，尤其是在涉及多變量分析時，AI就可能生成看似專業(yè)但邏輯不自洽的內(nèi)容。

如果不仔細(xì)甄別，這種“幻覺”現(xiàn)象不僅會誤導(dǎo)用戶，增加錯誤信息的風(fēng)險，還可能引發(fā)信任危機。

所以說，AI使用率的不斷提高已成必然，但我們該做的不僅是改進算法，讓人工智能更好的服務(wù)人類，而是如何才能在享受便利和堅守認(rèn)知之間找到平衡。

03 以AI治理AI

首先，利用AI自身的算法能力，來監(jiān)管、優(yōu)化和安全應(yīng)用AI技術(shù)。

我們常見的AI主要分為，基于模板的自動化生成，和基于深度學(xué)習(xí)技術(shù)的自動化生成，這兩種類型。

而訓(xùn)練AI的原材料就是數(shù)據(jù)。

以O(shè)pen AI的第一個大模型GPT1為例，它有1.17億個參數(shù)，到了GPT2，有15億個，而GPT3則增長到了1750億個，GPT4的參數(shù)更是達(dá)到令人震驚的1.8萬億個。

巨大的參數(shù)數(shù)量決定了AI模型如何對輸入數(shù)據(jù)做出反應(yīng)，從而決定模型的行為。

將AI的行為舉止具象化，可以增進用戶對AI技術(shù)的理解，識別其潛在的偏差，有助于平衡用戶對AI的信任度和依賴度。

其次，還可以利用AI技術(shù)研究用戶的心理機制，成果可以作為改進AI模式的參考，避免引發(fā)引發(fā)過度依賴。

AI技術(shù)通過自然語言處理和情感計算，能夠?qū)崟r分析用戶的語言、語音和行為模式，識別潛在的心理健康風(fēng)險。

例如養(yǎng)老院使用機器人，通過聲波震顫識別老人的孤獨指數(shù)，輔助早期篩查抑郁傾向。

在過度依賴AI的防控上，同樣可以運用它的算法，通過分析用戶的使用頻次、情感表現(xiàn)、面部表情等，來提供特定的“AI戒斷”方法，降低用戶的依賴程度。

結(jié)語：AI的發(fā)展已成必然，頻頻“出圈”的背后不再只是算法的精進，還有認(rèn)知主導(dǎo)權(quán)的易主。如何在技術(shù)狂歡與認(rèn)知危機交織的時代始終保持警惕，避免淪為算法的附庸，才是人類駕馭科技的關(guān)鍵。