深眸財經

28日晚，許多人都在關注的第 66 屆國際數學奧林匹克競賽（IMO）公布了比賽結果。

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獲得滿分，以231分的團隊總成績碾壓全場。

對于這一已經預料到的結果，網上反應比較平淡，引發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大模型在數學競賽表現的MathArena.ai平臺上，對當前最頂尖的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DeepSeek-R1等頂流AI模型全部出戰。

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%的分數，連銅牌都夠不上。

就在大家紛紛認為這就是目前AI的上限時。

OpenAI團隊帶著最新開發的通用推理模型，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，達到IMO金牌分數線，成功拿到了金牌。

但事實真的是這樣嗎？

首先引發大家爭吵的就是消息發布的時間。

按照IMO的規定，所有成績都應該在IMO閉幕的一周后再發布。

結果當地時間19日下午5點43分，閉幕式一結束，5點50分OpenAI的官方就發布了AI剛好壓過金牌線的消息。

七分鐘之差，既讓OpenAI鉆了規定的空子，還先其他參賽選手一步，在網絡上掀起了軒然大波。

這一行為讓不少網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，能上清華的結果。

國外有OpenAI以奪冠炒作，國內也有AI寫高考作文吸睛。

今年高考語文考試一結束，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款產品，都在網上發布了自己寫的作文。

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鍵時刻，AI都會以出色表現出圈。

但到了生活中，AI假大空的想法、胡亂編造的數據、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。

從學生用AI代寫論文，到上班白領依賴AI生成報告，再到媒體行業機器人撰稿占比突破40%，人類正經歷一場前所未有的思考能力危機。

02 思維惰性引發認知陷阱

AI寫高考作文、壓線奪冠，每一次出圈都像是精心策劃。

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

以Cision發布的《2025全球媒體調查報告》為例，通過對19個國家3,126名記者的調研發現，53%的記者已在工作中使用生成式AI工具。

在其他使用AI進行輔助的領域中，教育行業首當其沖：

國內的某高校調查顯示，使用AI輔助學習的學生中，僅28%能獨立完成復雜邏輯推導，較五年前下降45%。

神經可塑性研究表明，長期依賴AI會導致大腦神經網絡重構，前額葉的決策區域活躍度下降20%，視覺皮層的信息處理區域卻變得異?；钴S。

換句話說，使用AI大量處理認知工作，會讓工作者參與創新所需的深層分析的過程大幅減少，思維出現斷片現象，產生認知依賴癥。

還會縮小人腦思考和機器思考之間的差距，弱化原創觀點和創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，導致錯誤信息風險增加。

AI之所以能夠高效產出內容，就是因為它直接搬運或者套用海量數據庫中的表面規律，但卻不會主動核實事實。

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

再比如，政策明確規定企業必須接受現金，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但邏輯不自洽的內容。

如果不仔細甄別，這種幻覺現象不僅會誤導用戶，增加錯誤信息的風險，還可能引發信任危機。

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人類，而是如何才能在享受便利和堅守認知之間找到平衡。

03 以AI治理AI

首先，利用AI自身的算法能力，來監管、優化和安全應用AI技術。

我們常見的AI主要分為，基于模板的自動化生成，和基于深度學習技術的自動化生成，這兩種類型。

而訓練AI的原材料就是數據。

以Open AI的第一個大模型GPT1為例，它有1.17億個參數，到了GPT2，有15億個，而GPT3則增長到了1750億個，GPT4的參數更是達到令人震驚的1.8萬億個。

巨大的參數數量決定了AI模型如何對輸入數據做出反應，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，避免引發引發過度依賴。

AI技術通過自然語言處理和情感計算，能夠實時分析用戶的語言、語音和行為模式，識別潛在的心理健康風險。

例如養老院使用機器人，通過聲波震顫識別老人的孤獨指數，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、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。

結語：AI的發展已成必然，頻頻出圈的背后不再只是算法的精進，還有認知主導權的易主。如何在技術狂歡與認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鍵。