.svg){kind=small}
.svg){kind=small}
.svg){kind=small}
自动化的讽刺：人工智能如何对我们进行心理训练
当全世界都在庆祝人工智能的高效时，一个令人不安的悖论出现了：人工智能不是在取代我们，而是在训练我们。这种 "认知卸载 "过程正在改变我们的思维和记忆方式。
心理 GPS：当效率成为敌人时
还记得你能在城里找到路的时候吗？你还能背出朋友的电话号码吗？全球定位系统（GPS）改变了我们的方向感，而人工智能（AI）则改变了我们的认知能力。
麻省总医院的路易莎-达马尼2020 年发表在《自然-神经科学》上的一项研究表明，依赖 GPS 导航会显著降低海马区的活动，而海马区是空间记忆和导航的关键脑区。
谷歌效应：解释一切的先例
这种现象有着坚实的科学基础。2011 年，哥伦比亚大学心理学家贝茜-斯帕罗（Betsy Sparrow）在《科学》杂志上发表的一项研究首次记录了"谷歌效应 "或数字失忆症。
研究表明，当人们知道可以很容易地在网上检索到信息时，他们就不太可能记住这些信息。在一项实验中，参与者更容易记住在哪里可以找到信息，而不是信息本身。
有关数字失忆症的数据似乎令人担忧：
- 根据卡巴斯基实验室 2015 年的一项研究，美国和欧洲 91% 的人承认，他们将互联网作为其记忆的在线延伸
- 只有 49% 的参与者能记住配偶的电话号码
- 71% 的人记不住子女的电话号码
微软-卡内基梅隆研究院：关于人工智能的第一手数据
2025 年，微软和卡内基梅隆大学的研究人员对 319 名知识工作者及其使用生成式人工智能工具的情况进行了分析。结果显示
- 工人报告称，在依赖人工智能工具时，"感觉到了批判性思维的实施
- 与依赖自身认知能力的人相比，使用人工智能 "在同一任务中产生的结果多样性较少"。
- 存在 "认知卸载 "倾向--将心理过程委托给外部工具
但等等：并非所有的 "去培训 "都是一样的
在继续讨论之前，让我们进行一次批判性的反思。这种现象并不新鲜：
计算器
谁还会用手算长除法？几十年来，计算器 "训练 "了我们的心算能力。然而，数学并没有死--事实上，它已经蓬勃发展。从繁琐的计算中解脱出来，数学家们集中精力解决更复杂、更有创造性的问题。
经文与口述记忆
苏格拉底本人也担心书写会削弱记忆力。在柏拉图的对话《斐德鲁斯》（Phaedrus，约公元前 370 年）中，苏格拉底讲述了埃及神话 Theuth 和 Thamus。但塔穆斯国王反驳说："这项发明会让学习它的人产生健忘症：他们会停止锻炼记忆力，因为他们将依赖于书写，而书写是外在的"。
他说得没错：背诵整部《伊利亚特》的说书人已经不复存在。但是，我们获得了在全球范围内保存和分享复杂思想的能力。
印刷与书法
古腾堡的印刷机（1440 年）使精美的书法变得过时。在印刷术之前，14 世纪欧洲 80% 的英国成年人甚至不会写自己的名字。然而，到 1650 年，47% 的欧洲人可以阅读。到 18 世纪中期，这一数字上升到 62%。
我们失去了一门艺术，却实现了知识的民主化。正如历史学家所指出的："识字率的净增长打破了识字精英对教育和学习的垄断，支持了新兴的中产阶级"。
这种模式是显而易见的：每一次技术飞跃都会 "去训练 "一些能力，同时增强另一些能力。
那么，人工智能有什么不同呢？
如果每项技术都会 "削弱 "某些东西，那么为什么人工智能会让我们更加担心呢？区别在于三个关键因素：
1.速度和普及性
电子袖珍计算器自 1971 年上市以来，在大约 15 到 20 年的时间里就取代了复杂的心算。人工智能正在用不到五年的时间取代批判性思维。
我们不能再像过去那样以世代为单位来思考问题，现在我们必须以五年为周期，而不是 20-30 年。
速度很重要：大脑适应和发展新的补偿技能的时间较短。人类社会历来发展缓慢，让制度、教育和文化逐渐适应技术变革。但人工智能将这一适应过程压缩了几十年，造成了前所未有的文化和认知冲击。
2.认知卸载的程度
- 计算器：替代算术计算
- GPS：取代空间导航
- 人工智能：取代推理、创造、写作、分析--我们在各个领域都会用到的横向技能
3.缺乏元认知
使用计算器时，你知道自己不会做长除法。对于人工智能，你往往意识不到自己已经停止了批判性思考。这是一种无声的、无意识的衰退。
人工智能引发的认知萎缩理论
2024 年的一项研究提出了 "人工智能聊天机器人诱发认知萎缩"（AICICA）的概念，其理论基础是大脑发育的 "不使用就失去 "原则，认为过度依赖人工智能而不同时培养核心认知技能会导致认知能力利用不足。
2009 年发表在《奥斯陆符号》（Symbolae Osloenses）上的一篇学术研究论文已经将其与计算器相提并论："袖珍计算器让我们能够得出计算问题的解决方案，但它是否能让我们知道这些解决方案呢？这取决于我们这里所说的 "知道 "是什么意思。如果这意味着我们还应该能够证明这些解法的正确性，解释为什么这些解法确实是正确的，那么肯定不是"。
"这不是缺陷，这是特点"：设计的认知依赖性
但这里有一个转折：认知依赖可能不是副作用，而是一种设计特征。
关键区别在于：计算器不需要你成为雇员就能盈利。而人工智能需要。你用得越多，它产生的数据就越多，它就越能自我完善，变得越不可或缺。这是一种基于依赖性的商业模式。
这是一个自我循环：人工智能越有效，我们就越依赖它。依赖性越强，我们就越少发挥自己的能力。我们越少发挥自己的能力，就越需要人工智能。这就好比对某种物质产生了耐受性：你需要越来越大的剂量才能获得同样的效果。
认知自由的悖论：当自由使我们沦为囚徒
医学
2024 年发表在《心理科学展望》（Perspectives on Psychological Science）上的研究警告说，在人工智能应用日益广泛的放射学领域，医生正面临着逐渐丧失直觉诊断技能的危险。但要注意的是：人工智能正在将放射科医生从成千上万次正常扫描的常规分析中解放出来，使他们能够专注于复杂和非典型病例。风险不在于人工智能会取代诊断，而在于医生将不再训练他们的 "临床之眼 "来处理琐碎的病例--这些病例往往隐藏着对识别罕见异常至关重要的微妙细节。
编程
2025 年的研究突显了一个有趣的现象：经常依赖人工智能编写代码的开发人员会形成一种认知依赖。人工智能擅长生成模板代码和标准函数--这些重复性工作曾经占用了宝贵的时间。问题在于：从这些乏味的工作中解脱出来后，一些程序员即使在真正需要时也不再进行算法思考。这就好比外科医生在常规手术中使用机器人工具，但在紧急情况下却很难手动操作。
教育
正如教育家 Trevor Muir 所说："我认为，在学生没有掌握人工智能之前，教师不应该在写作中使用它。人工智能可以纠正语法、建议同义词，甚至是安排文章结构--所有这些活动以前都需要数小时的人工修改。隐藏的价值：这些错误和看似 "无用 "的努力实际上是对大脑的训练。这就像在学习自动变速箱之前先学习手动变速箱一样：看起来更难，但却能培养出自动变速箱无法提供的对车辆的控制和理解能力。
这就像学习驾驶：首先，你必须通过 "低效 "练习来培养反应能力和道路直觉，然后才能安全地使用巡航控制系统。
正如苏格拉底在 斐德鲁斯"你将为你的学生提供智慧的表象，而不是智慧的真实。你的发明会让他们在没有受过适当教育的情况下听到许多东西，他们会想象自己已经知道了许多东西，而实际上他们什么也不知道"。
假想替代 "测试（重温）
与其问 "人工智能能做到这一点吗？"，不如试试这个最新的思想实验："如果明天每个人都使用人工智能来做这件事，作为一个物种，我们会失去什么？我们又会得到什么？
- 写作：我们会失去表达复杂思想的能力吗？
- 导航：我们会失去空间感 → 但我们会提高移动效率吗？
- 计算：我们已经失去了心算能力 → 但我们获得了解决更复杂问题的能力
真正的问题是：我们是否意识到自己选择的后果？
认知抵抗策略：如何不被助理取代
1.用人工智能来放大，而不是遗忘
"利用人工智能来增强你的技能，而不是忘记它们。让它把你从繁重的工作中解放出来，这样你就可以专注于创造性和复杂的方面--但不要让这些核心技能因废弃而萎缩"。
2.不断训练 "认知肌肉
这就像体能训练一样：如果你两个月不去健身房，照镜子时你不会注意到--你看起来还是老样子。但当你试着举起重物或跑上楼梯时，就会立刻感觉到不同。你的肌肉已经悄无声息地变弱了。
认知萎缩甚至更加隐蔽：不仅在发生时你不会注意到，而且往往在你需要这种能力时也意识不到--你只是把工作委托给了人工智能，却没有意识到自己曾经也能做到这一点。
3.实践 "先无后有 "规则
为了保持我们的认知技能，在将核心技能委托给人工智能之前，我们必须直接练习这些技能，即使在委托之后，我们仍然必须不断训练这些技能。这不是 "基本 "技能与 "多余 "技能的问题，而是保持思维训练的问题。
就像一个棋手总是用电脑来分析棋步：他在技术上变得越来越精确，但如果他从不独立推理，他就会失去战略直觉和 "感觉 "局面的能力。
未来：人工智能是合作者，而不是拐杖
解决办法不是拒绝人工智能，而是战略性地使用它。那些能将人类的直觉和经验与人工智能的超能力相结合的专业人士才会茁壮成长--他们知道何时授权，何时独立思考，同时始终保持对决策过程的控制。
结论：这是一个功能，而不是一个错误（但是是哪个功能？）
人工智能造成的认知萎缩不是一种需要纠正的缺陷，而是一种设计后果，我们必须认识到并有意识地加以管理。
但要注意：并非所有的 "去培训化 "都是坏事。计算器把我们从繁琐的计算中解放出来，打印机把我们从口述记忆中解放出来，全球定位系统把我们从学习各种方法的需要中解放出来。
真正的挑战在于如何区分：
- 什么情况下取消训练是一种解放（释放认知资源用于更重要的事情）
- 当它使我们贫乏时（降低了我们独立思考所需的能力）
问题不在于人工智能是否会取代我们，而在于我们是否有足够的意识来选择取代什么，以及继续训练什么。未来属于那些知道何时不使用人工智能的人。
常见问题：关于人工智能和认知萎缩的最常见问题
"人工智能让我变蠢了吗？"
不，它不会让你变得愚蠢。人工智能让你在某些特定领域的认知变得懒惰，就像全球定位系统让你在导航方面变得懒惰一样。你的基本智能不会改变，但你有可能失去在某些情况下使用智能的习惯。幸运的是，这一过程是可逆的：你只需重新开始练习。
"ChatGPT真的会破坏大脑吗？"
绝对不是。你在报纸上读到的耸人听闻的研究往往是基于小样本的初步研究。没有科学证据表明使用人工智能会对大脑造成损害。问题更微妙：它可能会降低独立思考的动力，而不是独立思考的能力。
"我应该停止使用人工智能吗？
不，那只会适得其反。人工智能是一个强大的工具，可以放大你的能力。关键是要有策略地使用它：让它处理重复而枯燥的任务，但要让关键技能保持活跃。这就好比去健身房：继续使用健身器材，但不要忘了自由体操。
"我的孩子长大后会变得不聪明吗？"
不一定。与人工智能一起成长的孩子可能会发展出与我们不同的技能：与智能系统合作的能力更强、选择信息的思维更敏捷、结合多种资源的创造力更强。风险在于，他们将错过关键的教育步骤。
但真正的挑战对每个人来说都是一样的--儿童和成人都一样：学会在认知自主和与人工智能协作之间取得平衡。儿童在成长过程中自然而然地掌握了这两种模式的 "双语"，他们甚至可能拥有优势。
"人工智能会完全取代人类劳动吗？
不是你想的那样。事实上，人工智能并没有完全消除任何 "职业角色"，而是改变了现有角色中的个别任务。这同时产生了三种现象：
1.分层自动化：人工智能首先取代的是更常规的任务，然后是越来越复杂的任务。会计师可能会先看到基本计算的自动化，然后是趋势分析，甚至是部分战略咨询。工作会逐渐转变，不会突然消失。
2.价值两极分化：能够有效利用人工智能（提高生产力）的人和不能有效利用人工智能（被淘汰）的人之间正在产生分歧。仅仅在自己的领域中表现出色已经不够了，你还必须在自己的领域+人工智能方面表现出色。
3.新瓶颈：随着人工智能处理分析和例行工作，看似 "软 "的技能变得至关重要：复杂的谈判、在模棱两可的情况下发挥领导力、将创造力应用于前所未有的问题。矛盾的是，人工智能的能力越强，"人 "的技能就越有价值。
真正的问题不是 "我的工作会消失吗？"而是 "今天我可以把哪些工作委托给人工智能，以便专注于只有我能做的工作？"然后，六个月后，你必须再问自己同样的问题。
移动能力悖论：与人工智能合作得越好，就必须越快地重塑自己的角色。未来的专业人员将不再拥有固定的 "核心业务"，而是一种元能力：能够在每个季度都在变化的环境中迅速确定在哪里增加人的价值。
"没有人工智能，我再也写不出东西，这正常吗？"
这很正常，但并非不可避免。如果您已经对人工智能写作上瘾，可以逐渐 "戒毒"。从没有辅助的短文开始，然后逐渐增加复杂度。这就好比久坐后的健身：一开始会很累，但体力很快就会恢复。
"人工智能会让我失去创造力吗？
除非你用不好。如果你用它来集思广益、克服障碍或探索意想不到的方向，那么人工智能可以成为你的创意伙伴。风险在于将其用作你创造力的替代品，而不是放大器。黄金法则：创意必须始终从你开始，人工智能可以帮助你开发创意。
"如何判断我是否过度使用了人工智能？
做个测试：试着在没有人工智能的情况下完成一项你通常会委托他人完成的任务（写一封重要的电子邮件、解决一个问题、进行计算）。如果你感到 "迷失 "或速度比平时慢很多，那么你可能变得过于依赖数字助理了。偶尔试着像以前一样工作吧。
"人工智能会让学校变得一无是处吗？"
这是最困难的问题。传统教育以练习（写作、计算、研究）为基础，而现在人工智能比学生做得更好。难题在于：如果因为 "反正有人工智能 "而不练习这些技能，那么如何培养批判性思维，以评估人工智能何时出错？但如果一直让他们练习人工智能做得更好的东西，教育就显得不合时宜了。 你可能需要一种混合方法：通过动手实践培养基本技能，然后学习如何协调人工智能工具来实现复杂的目标"。
"这只是一时兴起吗？"
不，人工智能将继续存在。但是，就像所有的技术革命一样，在最初的热情过后，会有一个适应期，我们要学会更好地使用它。认知卸载是一个真实而持久的现象，但我们可以有意识地加以管理，而不是被动地承受它。
记住：下次当你准备让人工智能来写那封电子邮件时，停下来问问自己--我是在放大我的技能还是在萎缩它们？
.webp){kind=small}
