【长回答】这个问题触及了当前AI发展最核心的认知误区，即把“工具效率的提升”等同于“人类认知能力的提升”。表面上看，大模型能帮我们写邮件、查资料、甚至写代码，似乎很“聪明”；而手机导航只是解决了空间定向这个单一问题。但这种对比恰恰暴露了我们混淆了“外挂增强”与“内化认知”这两个根本不同的层次。
首先，我们需要区分“认知外包”与“认知内化”。手机导航解决的是路痴问题，这是一个典型的“程序性知识”外包。你不需要记住复杂的地图和路线，导航替你完成了空间计算和路径规划，你的大脑被解放了，但你自身的空间认知能力并未因此增长，甚至可能因为依赖而退化。这就像计算器让我们不用心算，我们获得了计算结果，但心算能力弱化了。大模型目前扮演的，也主要是一个更高级的“认知计算器”或“知识索引器”。它能快速整合信息、生成文本，但这本质上是将人类已经编码的知识进行重组和输出，这个过程本身不创造新的、内在于使用者个体的认知结构。你用它写了一篇好报告，你的深度思考能力、逻辑构建能力是否因此提升了？很可能没有，你只是拥有了一个更高效的“外挂大脑”。
其次，从认知科学的角度看，真正的认知提升涉及“神经可塑性”和“心智模型的重构”。空间导航能力的提升（比如伦敦出租车司机的研究）会导致海马体等脑区的结构性变化。这种变化是长期训练、主动探索环境的结果，是内化的能力。而当前的大语言模型，其交互模式更多是“提问-获取答案”，这是一种被动消费信息的模式，与“提问-探索-试错-形成理解”的主动学习模式有本质区别。它优化了我们获取“陈述性知识”的效率，但并未系统地训练我们的“元认知”能力（即对自身思维过程的监控和调节），也未深化我们对复杂系统（如社会、经济、自然现象）的因果推理模型。就像你拥有了全世界最全的图书馆和最快的检索系统，但这并不自动让你成为一个优秀的学者，学者的核心能力是提出好问题、构建分析框架、进行批判性思考。
第三，存在一个关键的“认知闭环”问题。手机导航虽然外包了空间计算，但它提供了确定的、可验证的反馈：你到达目的地了。这形成了一个闭环，你知道这个工具是有效的。大模型在提升“认知”方面，却缺乏这种清晰的闭环。它生成的答案看起来流畅、合理，但常常包含事实错误、逻辑跳跃或“幻觉”。如果使用者缺乏足够的背景知识去鉴别，反而可能被误导，形成错误的认知。它没有告诉你“你今天的分析深度比昨天提升了10%”，它只是给你一个看起来不错的文本。这种模糊的反馈，使得它很难像导航那样，成为一种可靠的、能促进用户自身能力增长的“认知训练器”。
那么，这是否意味着大模型对认知毫无帮助？并非如此，但帮助的方式与我们的想象不同。它可能是一个强大的“思维脚手架”或“观点碰撞机”。例如，用它来头脑风暴、挑战自己的假设、快速了解一个陌生领域的框架，这可以激发思考，而不是替代思考。它的价值在于“辅助”而非“代理”认知过程。然而，这要求使用者具备高度的元认知能力，知道何时使用、如何提问、如何批判性地接收其输出。这本身就是一个很高的门槛。
因此，回应最初的问题：感觉大模型对认知的提升不如导航对路痴的帮助大，这种感觉在现阶段是敏锐的。导航解决了一个边界清晰的“痛点”，效果立竿见影。而大模型承诺的“认知提升”是一个模糊、宏大且高度依赖使用者主体性的目标。我们容易被其生成内容的“流畅性”所迷惑，误以为那就是“智能”或“认知”。真正的挑战不在于GPU的算力有多强，而在于我们如何设计人机交互范式，如何提升用户的AI素养，使得大模型能真正促进人类深度、批判性和创造性的思考，而不仅仅是让我们更快地得到一份“看起来不错”的答案。否则，我们可能只是在集体培养一种新的“认知路痴”——依赖于一个不完全可靠、且无法内化为我们自身能力的外部系统。
推荐《思考，快与慢》，作者：丹尼尔·卡尼曼。这本书系统阐释了人类思维的两种系统——快速直觉的系统1和慢速理性的系统2，有助于我们理解为何看似“智能”的AI输出，可能只是迎合了我们的系统1，而我们真正的认知提升需要动用并强化系统2。