作者：高藤
原创：深眸财经（chutou0325）
28日晚，许多人都在关注的第 66 届国际数学奥林匹克竞赛（IMO）公布了比赛结果。
中国队不出所料地夺得头筹，斩获6 枚金牌。其中更是有两位同学获得满分，以231分的团队总成绩碾压全场。
对于这一已经预料到的结果，网上反应比较平淡，引发热议的反倒是另一个赛道的OpenAI。
01 OpenAI“抢跑”背后的幻像
在用于评估AI大模型在数学竞赛表现的MathArena.ai平台上，对当前最顶尖的AI公开大模型进行了测试
OpenAI的o3与o4-mini、谷歌的Gemini 2.5、马斯克家的Grok-4以及国产DeepSeek-R1等顶流AI模型全部出战。
遗憾的是，AI大模型在这届IMO上全军覆没。
在这场比拼中，得分最高的是谷歌Gemini 2.5拿到13分，也就是31%的分数，连铜牌都够不上。
就在大家纷纷认为这就是目前AI的上限时。
OpenAI团队带着最新开发的通用推理模型，抛出了一颗重磅炸弹：
在与人类完全相同的考试条件下作答，最终解出5道题，共获得35分，达到IMO金牌分数线，成功拿到了金牌
但事实真的是这样吗？
首先引发大家争吵的就是消息发布的时间。
按照IMO的规定，所有成绩都应该在IMO闭幕的一周后再发布。
结果当地时间19日下午5点43分，闭幕式一结束，5点50分OpenAI的官方就发布了“AI刚好压过金牌线”的消息。
七分钟之差，既让OpenAI钻了规定的空子，还先其他参赛选手一步，在网络上掀起了轩然大波。
这一行为让不少网友为其他真实竞争对手打抱不平，毕竟抢跑的行为，本身就是对竞争对手的不尊重。
其次就是，金牌是谁认证的？
虽然官方一直说的都是“OpenAI压上了金牌及格线”，但不少媒体为了省事，直接写成“AI夺得金牌”。
此外，OpenAI并未接收到任何参加IMO的邀请，更不用说究竟是谁给AI评出的35分好成绩。
这就相当于自己在家里做了一套高考真题，对照答案评分后，得出了一个我是高考状元，能上清华的结果。
国外有OpenAI以“夺冠”炒作，国内也有AI写高考作文吸睛。
今年高考语文考试一结束，各大AI公司迫不及待地让自己的AI助手开始考试。
豆包、腾讯元宝、天工……一共16款产品，都在网上发布了自己写的作文。
面对AI写出来的作文，不少人站出来说“我觉得AI比我强”。
每每在这种测评的关键时刻，AI都会以出色表现“出圈”。
但到了生活中，AI假大空的想法、胡乱编造的数据、古今中外虚实大乱炖的文章模板，甚至连AI造假的事也层出不穷。
就算这样，AI的使用率仍在不断增长。
从学生用AI代写论文，到上班白领依赖AI生成报告，再到媒体行业机器人撰稿占比突破40%，人类正经历一场前所未有的“思考能力危机”。
02 思维惰性引发认知陷阱
AI写高考作文、压线夺冠，每一次“出圈”都像是精心策划。
抛开网络上营销号对AI的呼声，值得让我们思考的并不是AI会不会代替人类，而是我们总是习惯把思考的机会全部甩给AI，自己坐享其成。
以Cision发布的《2025全球媒体调查报告》为例，通过对19个国家3,126名记者的调研发现，53%的记者已在工作中使用生成式AI工具。
在其他使用AI进行辅助的领域中，教育行业首当其冲：
国内的某高校调查显示，使用AI辅助学习的学生中，仅28%能独立完成复杂逻辑推导，较五年前下降45%。
神经可塑性研究表明，长期依赖AI会导致大脑神经网络重构，前额叶的决策区域活跃度下降20%，视觉皮层的信息处理区域却变得异常活跃。
换句话说，使用AI大量处理认知工作，会让工作者参与创新所需的深层分析的过程大幅减少，思维出现"断片"现象，产生认知依赖症。
还会缩小人脑思考和机器思考之间的差距，弱化原创观点和创造性方法所带来的价值。
除此之外，过度相信AI的建议，可能会失去辨别能力，导致错误信息风险增加。
AI之所以能够高效产出内容，就是因为它直接搬运或者套用海量数据库中的表面规律，但却不会主动核实事实。
2023 年，纽约市协助政府服务的AI 聊天机器人，建议企业主扣除员工消费来获利，但真实的法律却明确规定了老板不能扣取员工的小费。
再比如，政策明确规定企业必须接受现金，不得歧视没有银行账户的客户。但是AI 却说“餐厅可以不提供现金付款选择”。
在面对具有信息变量的情况下，尤其是在涉及多变量分析时，AI就可能生成看似专业但逻辑不自洽的内容。
如果不仔细甄别，这种“幻觉”现象不仅会误导用户，增加错误信息的风险，还可能引发信任危机。
所以说，AI使用率的不断提高已成必然，但我们该做的不仅是改进算法，让人工智能更好的服务人类，而是如何才能在享受便利和坚守认知之间找到平衡。
03 以AI治理AI
首先，利用AI自身的算法能力，来监管、优化和安全应用AI技术。
我们常见的AI主要分为，基于模板的自动化生成，和基于深度学习技术的自动化生成，这两种类型。
而训练AI的原材料就是数据。
以Open AI的第一个大模型GPT1为例，它有1.17亿个参数，到了GPT2，有15亿个，而GPT3则增长到了1750亿个，GPT4的参数更是达到令人震惊的1.8万亿个。
巨大的参数数量决定了AI模型如何对输入数据做出反应，从而决定模型的行为。
将AI的行为举止具象化，可以增进用户对AI技术的理解，识别其潜在的偏差，有助于平衡用户对AI的信任度和依赖度。
其次，还可以利用AI技术研究用户的心理机制，成果可以作为改进AI模式的参考，避免引发引发过度依赖。
AI技术通过自然语言处理和情感计算，能够实时分析用户的语言、语音和行为模式，识别潜在的心理健康风险。
例如养老院使用机器人，通过声波震颤识别老人的孤独指数，辅助早期筛查抑郁倾向。
在过度依赖AI的防控上，同样可以运用它的算法，通过分析用户的使用频次、情感表现、面部表情等，来提供特定的“AI戒断”方法，降低用户的依赖程度。
结语：AI的发展已成必然，频频“出圈”的背后不再只是算法的精进，还有认知主导权的易主。如何在技术狂欢与认知危机交织的时代始终保持警惕，避免沦为算法的附庸，才是人类驾驭科技的关键。
