图像

对于经常使用人工智能的人来说,一个有趣的矛盾可能正在浮现。过去需要花费数小时进行研究、写作或解决问题的任务,现在只需几分钟即可完成。与此同时,人工智能还能让人们探索陌生的科学问题、开发复杂的项目,并接触到以前看似遥不可及的想法。.

这些经历可能会产生两种截然不同的印象。一方面,人工智能似乎正在拓展人类的智力极限。另一方面,它也可能引发一个更为隐晦的问题:如果机器承担了更多的思考工作,那么我们自身的认知能力将会发生什么变化?

公众讨论大多将人工智能问题视为两种可能性之间的选择:要么它通过扩展我们的能力使我们更聪明,要么它通过鼓励思维捷径使我们能力下降。研究结果常常被用来作为支持其中一方的证据,即便这些研究考察的是认知表现截然不同的方面。.

但还有一种更有效的方法来理解正在发生的事情。人工智能改变了人类和机器之间认知工作的分配。这种改变是否有益,不仅取决于节省了多少思考时间,还取决于哪些心理过程被取代,哪些心理过程仍然活跃,以及哪些新的思维方式成为可能。.

少思考和少做脑力劳动之间的区别

人类认知一直以来都依赖于外部工具。文字使我们能够存储信息而无需记住所有内容。计算器减少了心算的需要。导航系统帮助我们到达陌生的目的地,而无需自行规划详细路线。.

这些技术降低了某些认知需求,但我们通常不会将每一次脑力消耗的减少都解读为智力的损失。关键问题在于,节省下来的精力让我们能够做什么,以及被转移的技能对于我们的目标是否仍然重要。.

人工智能引入了一种更为复杂的关系。与计算器不同,大型语言模型能够生成解释、组织论证、比较证据、提出解决方案并评估相互竞争的观点。因此,它可以接管以往需要大量推理而非仅仅依靠记忆或计算才能完成的活动。.

假设有人正在撰写商业计划书。人工智能可以收集背景信息、组织文档,并生成一份精炼的初稿。这样一来,这个人可能花费的时间大大减少,但仍然能够运用相当的判断力来决定这些建议是否合适。.

或者,他们可能不加审视地接受输出结果,将分析和大部分判断工作都委托出去。表面上的结果可能相似,但其背后的认知活动却截然不同。.

脑力劳动少并不一定意味着思考不够深入。同样,做出复杂的作品并不一定意味着作者对作品本身有深刻的理解。.

研究究竟告诉我们什么

有充分的理由去调查大量人工智能辅助是否会改变认知参与度。.

2025年进行的一项研究 调查了319名知识工作者和936个生成式人工智能应用案例。研究人员发现,对人工智能的信心越高,自我报告的批判性思维投入就越少;而对自身能力的信心越高,批判性思维的参与度就越高。

有趣的是,研究人员还观察到批判性思维的性质发生了转变。员工不再主要专注于信息生成,而是越来越多地将工作重心放在检查人工智能的输出结果、整合反馈以及监督整体任务上。.

这表明人工智能或许并非彻底消除思考,而是会改变思考发生的场所。.

另一项来自麻省理工学院媒体实验室、广受关注的 研究 考察了不同条件下的论文写作情况,包括独立写作和使用 ChatGPT 辅助写作。研究人员报告称,脑电图连接模式、回忆能力以及参与者对作品的掌控感均存在差异。

这些发现引发了一些有意义的问题,即当人们将学习密集型任务的大部分工作委托他人时会发生什么。然而,实验过程中大脑活动的差异并不等同于智力下降或永久性认知损伤的证据。.

区分这一点至关重要,因为在特定任务中认知活动的减少可能反映出多种可能性,包括参与度降低、策略改变或更多地依赖外部帮助。要确定这些变化对长期认知能力的影响,还需要更多证据。.

因此,现有的研究为我们提供了研究人工智能如何影响思维的理由,但并没有提供充分的依据来断言普通人工智能的使用会使人们普遍变得更聪明或更不聪明。.

人工智能可以通过三种方式改变思维过程

探索这些差异的一个有效方法是考虑人工智能交互的三种主要模式。这些是解释性的类别,而非经过科学验证的分类,而且大多数现实世界的交互都涉及这三种模式的某种组合。.

第一种是认知替代。在这种情况下,人工智能承担了大部分推理密集型工作,而人主要负责接收或应用结果。例如,让法学硕士(LLM)总结长篇文档、撰写例行报告或完成行政任务,都是对这项技术高效且完全恰当的运用。.

当委托的任务恰好也是当事人需要学习的内容时,潜在的问题就出现了。如果学生反复接受现成的解释,而没有自己构建理解,他们可能会错失练习检索、推理和整合新知识的机会。.

第二种模式是认知协作。在这种模式下,人不再只是被动地接收答案,而是与人工智能合作,共同构思、比较各种方案、找出不足之处并完善解决方案。技术负责处理部分信息,而人则积极参与决策,决定哪些内容至关重要。.

例如,研究某个不熟悉的科学课题的人可以利用人工智能来解释术语、比较理论、找出论证中的漏洞,以及连接不同学科的概念。这种交互可以变成一个探索的过程,而不仅仅是答案检索。.

第三种模式是认知挑战。在这种模式下,人工智能被用来仔细审视人的推理过程。用户首先提出一个初步的解释,然后让系统识别其中的漏洞,评估其他可能的解释,并最终修正自己的观点。.

这会给评估能力、认知灵活性和元认知意识(即审视和调节自身思维的能力)带来巨大要求。它也可能暴露出一些原本不会被质疑的假设。.

这些方法没有哪一种是绝对优越的。委派日常任务或许明智,而独立思考在学习新技能时可能至关重要。关键的区别在于,互动模式是否与预期的认知结果相符。.

当人工智能使新思维成为可能

人工智能的一个更有趣的潜在好处在认知衰退的讨论中却很少受到关注:它可能会扩大人们愿意或能够从事的智力活动的范围。.

许多复杂的项目历来都需要大量的预备专业知识。对计算生物学、工程学、高等统计学或不熟悉的哲学领域感兴趣的人,过去可能会遇到一些障碍,使得有意义的探索变得不切实际。.

人工智能可以通过解释不熟悉的概念、将问题分解成可管理的组成部分、翻译技术语言以及在调查过程中提供反馈来降低这些障碍。.

这或许能让人们接触到他们原本不会尝试的问题。即使完成单个子任务所需的努力减少,他们一生中整体的智力探索量也可能增加。.

例如,一个人可能花较少的时间查阅技术文档,但花更多的时间来评估假设、建立概念联系或测试替代解决方案。.

然而,这里存在一个重要的局限性。获取复杂的分析并不等同于拥有深刻的理解。人工智能可以使复杂的材料看起来易于理解,但却会削弱用户解释、验证或独立应用这些材料的能力。.

潜在的好处不仅在于能够接触到更高级的材料,还在于人们通过这种接触实际学到了什么。.

为什么时机和背景会影响结果

在 CHI 2026 上发表的一项特别有启发性的实验研究了人工智能辅助的时机如何影响批判性思维的表现。

研究人员对393名参与者进行了研究,这些参与者需要完成一项任务,即评估信息并做出合理的决策。研究人员改变了参与者何时可以使用学习型学习工具(LLM)以及可用的时间长短。.

结果显示出一个重要的逆转。当时间有限时,从一开始就使用人工智能可以提高表现。而当参与者时间充裕时,与参与者一开始就独立推理的情况相比,过早或持续使用人工智能反而会降低表现。.

因此,同一项技术在不同的条件下会产生不同的效果。.

这一发现挑战了人工智能辅助会产生单一、一致认知后果的观点。在时间紧迫的情况下,辅助可以帮助人们克服处理能力的局限。但当时间允许更深入地独立思考时,过早引入人工智能可能会改变人们探索问题的彻底程度。.

这也引出了一个更广泛的观点:帮助的认知价值部分取决于任务要求人们完成什么。快速完成一项高难度决策和培养独立推理能力是相关的目标,但它们并不相同。.

性能与能力的区别

或许最重要的未解之谜是:当人工智能不再可用时会发生什么?.

一个人在他人帮助下可以出色地完成某项任务,但这并不意味着他独立完成该任务的能力会显著提高。反之,一次艰难的学习经历或许短期内收效甚微,但却能帮助个体建立日后极具价值的理解。.

这些是不同的结果,发生在不同的时间尺度上。.

即时表现告诉我们人机结合系统能够完成什么。独立能力则指的是即使没有该系统,人仍然能够理解、记忆、评估或执行什么。.

这种区别在教育和技能发展中尤为重要。检索信息、构建解释、犯错和纠正误解都能促进学习。如果人工智能持续地消除这些活动,它也可能剥夺人们发展相关基础能力的机会。.

但若就此断言每一项委托任务都会导致认知发展的损失,同样也是误导性的。避免重复的信息收集或许能腾出更多时间进行更高层次的分析,而获得适当的指导则能使原本困难的学习变得更容易。.

相关的问题不在于投入了多少精力,而在于这些精力对持久理解做出了哪些贡献。.

人工智能能否改变我们评判自身理解能力的方式?

还有一种值得考虑的微妙可能性。.

人工智能生成的解释通常语言流畅、条理清晰。复杂的主题可能突然变得清晰明了,因为系统已经构建了论证框架、定义了术语,并将相关概念联系起来。.

这种清晰性确实很有用。但是,阅读时理解解释并不总是等同于能够独立地重构其推理过程。.

这会造成潜在的元认知问题。人们可能会部分地根据信息呈现的难易程度来判断自己是否理解了这些信息,而不是根据自己是否能够解释或应用这些信息。.

在评估人工智能生成的结论时,也会出现同样的问题。如果系统既给出了答案又给出了解释,那么人们在识别答案缺陷时,可能缺乏独立的参考依据。.

这并不意味着人工智能的解释本身就具有误导性。而是说,流畅的辅助功能可能会改变人们用来判断自己是否充分理解某件事的信号。.

随着人工智能能力的增强,获得令人信服的解释和拥有评估该解释的能力之间的区别可能会变得越来越重要。.

我们仍然不知道的事情

研究开始发现,人工智能辅助在某些情况下可以提升绩效、改变认知策略或降低独立参与度。但不同重复使用模式在数月或数年内如何影响认知能力,目前仍不甚明了。.

许多现有研究考察的是相对较短的干预措施、特定的教育任务或即时表现。其他研究则依赖于自我报告的努力程度或认知活动的间接测量方法。.

这些方法可以揭示有意义的影响,但它们并不能确定广泛使用LLM是否会对智力、记忆力、推理能力或认知灵活性造成广泛、持久的变化。.

从长远来看,不同个体之间的结果也可能存在显著差异。主要利用人工智能来规避陌生挑战的人,与利用人工智能从事更具挑战性的智力工作的人,其体验可能截然不同。.

即便如此,更费力的互动也不应自动等同于更大的认知收益。努力可能是有益的,也可能是不必要的,或者方向错误,这取决于具体情况。.

要了解这些差异,需要开展研究,不仅要考察人工智能的接触情况,还要考察使用过程中发生的认知活动以及之后保留的能力。.

大局观

人工智能是否会让我们思考得更少这个问题是可以理解的,但这个问题并不全面。.

人工智能可以降低某些任务所需的工作量,同时也会增加另一些任务的复杂性。它可以替代推理,支持协作,挑战既有假设,或者让人们能够参与以前看似遥不可及的智力活动。.

这些影响可能同时存在于同一个人、同一个项目或同一个工作日内。.

重要的是认知投入、人类判断、任务表现和学习之间不断变化的关系。一个人可能在减少某些技能练习的同时取得更多成就,或者在越来越多地依赖他人帮助完成熟悉任务的同时发展出新的专业技能。.

科学尚未确定这些变化会对我们的长期认知能力产生何种影响。但它已经提供了一个令人信服的理由,让我们摒弃“努力减少就意味着认知能力下降”或“人工智能辅助效果更好就必然意味着认知能力提升”这种简单的假设。.

更具启发性的问题或许不是人工智能是否正在取代我们更多的思考,而是它的参与如何改变了我们仍然拥有的思维方式。.

关注我们

blog-arrow.png

开始使用 NeuroTracker

谢谢!我们已收到您的投稿!
糟糕!提交表单时出错了。.

研究支持

感知认知训练对运动员意象能力的影响
感知认知训练对运动员意象能力的影响

欢迎来到当今快节奏环境下的研究与战略服务部门。.

关注我们

相关新闻

NeuroTrackerX 团队
NeuroTrackerX 团队
2026年1月13日
填字游戏和数独真的能改善大脑健康吗?

本文以证据为基础,探讨填字游戏和数独等活动是否能有效改善大脑健康,阐明这些活动支持哪些方面,不支持哪些方面,以及为什么人们常常误解这些活动的好处。.

老化
健康
NeuroTrackerX 团队
NeuroTrackerX 团队
2025年2月1日
《打开大脑》纪录片:冠军运动员如何运用神经科学

来看看这些关于神经科学在运动表现中作用的精彩见解。.

运动员
简·阿布多
简·阿布多
2025年1月9日
任何年龄都可以重塑大脑

了解你大脑惊人的神经可塑性。.

健康
X
X