AI 助攻還是自廢武功？Anthropic 研究顯示：過度依賴 AI 恐阻礙新技能學習

AI 人工智慧已成為現代程式開發的標配，但這份便利背後可能隱藏著代價。根據 Anthropic 研究團隊最新的隨機對照實驗顯示，雖然 AI 能加速工作流程，卻會顯著阻礙開發者對新技能的掌握。實驗發現，使用 AI 輔助的開發者在技術測驗中的表現，比純手寫代碼的同行落後了將近「兩個等第」。

「認知卸載」效應：大腦停止思考？

這項研究針對 52 名軟體工程師進行測試，要求他們學習並應用一個陌生的 Python 函式庫。研究發現，AI 雖然能縮短編寫時間，但參與者容易產生「認知卸載（Cognitive Offloading）」現象，也就是將思考過程完全外包給 AI。

在隨後的技能掌握測驗中，結果發現：

• 掌握度暴跌： AI 組的平均成績僅為 50%，遠低於手寫組的 67%。
• 除錯能力落差最為明顯： 兩組差距最大的是「除錯能力」。手寫組在過程中因被迫自行解決錯誤，反而加深了理解；而 AI 組因習慣直接獲取正確答案，一旦 AI 生成的代碼出錯，他們往往缺乏辨識與修正的能力。

關鍵在於「怎麼問」：高效學習者的秘訣

然而，AI 並非學習的敵手。研究人員觀察到，成績優異的開發者通常將 AI 視為「導師」而非「打字員」。

研究將互動模式分為兩大類：

1. 低分陷阱（依賴型）： 直接要求 AI 代寫代碼或解決報錯。這種模式雖然完成任務最快，但參與者幾乎沒有留下任何知識。
2. 高分策略（參與型）： 這些開發者會要求 AI「解釋這段代碼的邏輯」、進行「概念性提問」，或是先生成代碼後再主動追問原理。這種模式雖然稍費時間，但學習效果與手寫組相當，且兼具效率。

企業管理的隱憂

這項研究為科技公司敲響了警鐘。隨著 AI 生成代碼的比例節節攀升，如果初階工程師在成長階段過度依賴 AI，未來可能導致整個產業缺乏具備「深度審核能力」的高階人才。

研究負責人 Judy Hanwen Shen 表示：「生產力的提升不應以犧牲核心技能為代價。經理人應思考如何在導入 AI 工具的同時，保有讓工程師主動思考的環境，確保他們仍有能力監管 AI 系統。」

針對此現象，目前主流的大型語言模型（如 Claude 或 ChatGPT）已開始推出「學習模式」或「教學模式」。這些功能不再直接給出最終代碼，而是透過引導式提問與原理解說，幫助使用者在效率與學習之間取得平衡。

完整研究論文：https://arxiv.org/abs/2601.20245

• 延伸閱讀：前 OpenAI 研究員：別再禁止學生用 AI，教育該全面翻轉了
• 延伸閱讀：韓國研究報告揭示：AI 大語言模型不只會說謊，還會「沉迷賭博」搞到破產
• 延伸閱讀：罵 AI 真的有用！研究發現「不禮貌」提示詞讓 ChatGPT 表現更準確
• 延伸閱讀：研究者發現讓 AI 變得更有創意的懶人提問法，不論 ChatGPT、Gemini 等任何 AI 模型皆能適用