刷新品发布谁都会，但海外AI圈真正的信息差，藏在那些吵了一整年、至今没有定论的论战里。这些论战决定你该怎么用AI、怎么教团队用AI、怎么给职业做预案——而中文世界往往只转发一个被压扁的结论。今天拆三场：MIT那篇"AI让人变笨"的研究到底吵的是什么；AI-2027末日剧本已经到了验货期，怎么自己动手打分；还有"模型塌缩"之争的最新转折。每场都给你各方观点、可执行动作，以及中文世界很少出现的原文入口。
事实部分先摆清楚。 2025年6月，MIT媒体实验室Nataliya Kosmyna团队在arXiv上放出预印本《Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task》（编号arXiv:2506.08872）。实验设计：54名参与者分成三组写SAT式作文——纯脑写作组、搜索引擎组、LLM辅助组，全程戴脑电图（EEG）设备采集神经信号，共四轮。核心发现：LLM组的神经连接强度在三组中最弱，记忆表现最差，论文原文数字是83.3%的LLM组成员引用不出自己"刚写完"的作文里的话，远低于另外两组。论文造了一个词：cognitive debt，认知债。第四轮把AI组的人换回纯脑写作，表现依然偏弱——"先用了AI再撤掉，脑子回不去"是传播最广的解读。
海外真正吵的是三件事，而不是"AI有没有害"。 第一，样本只有54人，预印本未经同行评审，统计派认为撑不起"AI让人变笨"这种量级的结论；第二，任务只有作文一种，反对方指出写作让AI代劳本来就没走"动脑回路"，拿脑电连接强度弱来证明"思考质量差"，有循环论证的味道——你让它替你写，它当然替你写了；第三，EEG连接强度这个工程指标能不能代表"认知质量"，学习科学圈内部都没统一答案。支持方主要是一线教师和学习科学研究者，他们认为结果与课堂观察高度吻合——学生交上来的作业漂亮了，但下次课一问三不知。中立派的态度最克制：这是"值得继续的重要研究方向"，不是结论。
国内传播的变形很典型：原文是"使用顺序可能造成认知负债"，传到中文Feed里变成"MIT实锤AI让人变笨"。丢掉的不是细节，是整场方法论之争。
对中国从业者的启示恰好藏在被丢掉的部分里：这份研究真正可用的信息不是"AI有害"，而是"使用顺序有害"——先让AI作答再自己看，走的是负债路径；先自己作答再和AI对比，走的是对比学习路径。同样的工具，顺序一换，结论完全相反。给团队新人定规矩、给孩子定家规，一句"AI只进第二遍"就够了：
flowchart TD
S1["拿到新任务<br/>先自己想"] --> S2["写下初版答案"]
S2 --> S3["再让AI作答"]
S3 --> S4["对比找差异点"]
S4 --> S5["归因<br/>我漏了什么"]
S5 --> S6["自己重写一版"]
S6 -->|下一题| S1
2025年4月，一份叫《AI 2027》的场景预测文档在海外技术圈刷屏。主笔Daniel Kokotajlo是前OpenAI研究员，据多家媒体当时的报道，他在2024年底离开OpenAI并放弃了未兑现的股份，理由是无法再为公司的发展路线背书——这个背景让文档自带流量。合著者里还有知名博客Astral Codex Ten的作者Scott Alexander等人。剧本的核心里程碑激进得吓人：2027年初出现"超级程序员"（superhuman coder）——AI能完全替代人类编码员的全部工作，随后自动化AI研究本身，进入智能爆炸。文档罕见地附了一份带概率标注的预测清单。
2026年9月是个微妙的时间点：距离剧本里"超级程序员"的节点只剩不到半年。支持方的论据是过去一年各家agentic编码工具的能力陡增——Agent从补全工具进化到能独立提PR、跑测试、修bug，方向上确实在贴剧本走；反对方的代表人物一直批评这是包装精致的科幻叙事，拿部署、需求沟通、系统维护这些工程现实反驳——编码员的工作从来不只是"写代码"这三个字；而中立派的做法，我认为是整场论战里最值得抄的：他们不站队，把文档附的预测清单当考卷，每个季度打一次分。预测对了记一分，跳票了划一道，用可证伪的方式跟踪，而不是在评论区吵嘴仗。这份文档的生命力恰恰在于它敢被打分——市面上99%的AI预言家都不敢。
对中国技术从业者的启示有两层。方法层：把"宏大预测→拆成中间指标→定期打分"这套流程搬走，你就能对任何AI新闻产生免疫力。实操层：按剧本分支做职业预案——如果2027年代码自动化率真的陡增，你的位置在哪条分支上？把自己工作拆成"AI可替代/难替代"两栏，比焦虑有用一百倍。
第三场论战更底层，关系到整个AI行业的数据根基。2023年5月，Shumailov等人在arXiv上传论文《The Curse of Recursion》，2024年7月登上Nature，标题改得更直白："AI models collapse when trained on recursively generated data"。核心发现：如果AI生成的内容大规模回流训练集，下一代模型再拿它训练，如此递归下去，模型输出的分布会不断收窄——先死的是尾部：稀有样本、冷门知识、小众表达慢慢消失，最后只剩头部高频模式。通俗版：近亲繁殖。当时中文圈的标题基本是"AI吃自己的尾巴，文明要完"。
但2025年以来，反方火力越来越猛。后续多篇研究指出论文的前提太苛刻：真实训练管道里，数据是持续累积的而不是换代覆盖的，人类数据始终有掺入，加上清洗过滤环节，塌缩在可预见的条件下是可控的。工业界的实际行动更说明问题——各家头部实验室都公开承认大规模使用合成数据训练，也没见谁家模型集体翻车。目前浮现的共识雏形是：问题已经从"要不要用合成数据"变成了"数据配比工程"——人类数据打底、合成数据扩量、质量分层、逐层过滤。这不是和稀泥，这是整场论战真正的产出。
对中国从业者来说，这里藏着个冷门机会：数据配比、数据溯源、合成数据质检，这几个方向国内还在当"脏活"看，海外已经在把它们岗位化。做数据生意、做微调服务的团队，值得提前卡位。
flowchart TD
subgraph D1["论战一：认知债"]
A1["MIT预印本<br/>54人脑电实验"] -->|结论| A2["AI组连接最弱<br/>提出认知债"]
A2 -->|质疑| A3["样本小任务单一<br/>指标存疑"]
A3 -->|回应| A4["作者称是早期信号<br/>呼吁更多研究"]
end
subgraph D2["论战二：末日钟"]
B1["AI-2027剧本<br/>2025年4月发布"] -->|预测| B2["2027年初出现<br/>超级程序员"]
B2 -->|支持方| B3["Agent能力陡增<br/>方向在应验"]
B2 -->|反对方| B4["科幻叙事<br/>忽略工程现实"]
end
subgraph D3["论战三：模型塌缩"]
C1["递归训练实验"] -->|发现| C2["分布收窄<br/>尾部先消失"]
C2 -->|反驳| C3["真实管道混人类数据<br/>塌缩可控"]
C3 -->|再反驳| C4["关键在配比工程<br/>不是禁合成"]
end
| 你以为的 | 别人已经知道的 |
|---|---|
| MIT研究=AI让人变笨实锤 | 54人预印本，海外吵的是方法而非结论，"使用顺序"才是变量 |
| AI-2027=科幻阴谋论，看个乐 | 文档附可打分预测清单，海外高手正在按季度逐条验货 |
| 合成数据=毒品，碰了模型就塌 | 塌缩有严格前提，"数据配比工程"才是真战场，还是个岗位机会 |
| 参与论战=站队发言 | 高手的玩法是把论战变成自己的打分表和决策工具 |
这三场论战有个共同规律：都从"结论之争"滑向了"方法之争"。中文世界传播的是结论（AI让人变笨、末日要来、合成数据有毒），海外圈真正卷的是测量方式——脑电怎么测、预测怎么打分、塌缩怎么定义。信息差的本质从来不是"知道新消息"，而是掌握别人没有的验证工具。下次再看到任何一个AI惊悚结论，先问一句：它测的是什么？样本多大？有没有可打分的清单？这一问，你就站到信息差的上游去了。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。