Fobes：当人类将思考外包给AI时,这种转变究竟是天堂还是地狱？

抖音热门 2025年11月02日 16:31 3 aa

作者：Sahar Hashmi 。 Sahar Hashmi，医学博士、哲学博士，是波士顿一位屡获殊荣的人工智能专家。

今年10月，亚马逊云服务的一次大规模故障几乎让半个数字世界陷入停摆。从银行应用到企业系统,依赖AWS基础设施的数千项服务同时离线,而导火索仅仅是一个DNS自动化软件中的微小漏洞。这场持续数小时的混乱暴露了一个被刻意忽视的事实:当代社会对数字基础设施的依赖已经深入到令人不安的程度。

但更深层的依赖正在悄然形成——不是对云服务器的依赖,而是对算法判断的依赖。根据OpenAI与哈佛经济学家大卫·德明联合发布的研究,ChatGPT的周活跃用户已突破八亿,较去年同期增长四倍。更值得关注的是,这些用户平均每周发送的二十五亿条消息中,近半数涉及寻求建议和决策指导。人类正在将思考过程本身外包给机器,而这种转变的长期影响远未显现。

决策的民主化悖论

表面上看,人工智能正在实现技术史上罕见的民主化。OpenAI的数据显示,ChatGPT女性用户占比已从两年前的37%跃升至52%,中低收入国家的采用速度甚至超过发达经济体。斯坦福大学人工智能指数报告指出,全球75个国家的人工智能相关立法提及量自2023年以来增长21.3%,这一数字自2016年以来增长了九倍。技术普惠的愿景似乎正在成真:内罗毕的小企业主可以获得与硅谷企业家相同质量的商业咨询,孟买的学生能够接触到世界一流的教育资源。

然而民主化叙事掩盖了更复杂的现实。美国国家科学院在今年发表的一项跨国研究显示,过去十年人工智能和信息通信技术的快速发展反而阻碍了许多国家的民主进程。算法不仅在分配资源,更在塑造认知。当数亿人使用相同的大语言模型获取信息、做出判断时,思维的同质化风险正在累积。联合国教科文组织关于人工智能与文化的独立专家组报告警告,超过40%的全球用户在2025年表示,人工智能工具无法识别他们的口音或文化细微差别,技术平权的承诺在文化偏见面前显得苍白无力。

更根本的问题在于,所谓的"认知辅助"正在重构决策的底层逻辑。人们不再需要在复杂信息中艰难权衡,不再需要忍受不确定性带来的焦虑,算法提供的即时答案正在消解深度思考的必要性。这种便利的代价是什么?麻省理工学院媒体实验室神经科学家娜塔莉亚·科斯米娜的研究给出了令人不安的答案:过度依赖人工智能完成写作等认知任务会显著降低大脑活动和记忆形成能力。

认知能力的系统性侵蚀

教育领域的裂痕已经显现。微软研究院今年发布的大规模调查显示,生成式人工智能对批判性思维技能和实践产生了可量化的负面影响。一项针对大学生的研究发现,虽然使用人工智能进行研究能够减轻认知负荷、简化答案查找过程,但学生在遇到需要深度分析的问题时表现出明显的能力退化。当整篇论文可以由算法生成时,学生绕过了学习过程本身,无法培养基本的写作和推理技能。

这种现象并非局限于学术环境。重度GPS用户在空间推理任务中的表现比对照组下降23%。医疗专业人员借助人工智能可将诊断错误率降低37%,但当系统出现故障时,他们独立判断的准确率反而低于从未使用过辅助系统的医生。认知外包导致的技能萎缩呈现出不可逆的趋势——就像长期依赖电梯的人会失去爬楼梯的体力,持续依赖算法的人正在丧失独立思考的能力。

年轻一代受到的冲击尤为严重。针对17至25岁群体的最新研究表明,这一年龄段对人工智能工具的依赖程度最高,批判性思维得分却最低。当Z世代将认知任务委托给算法时,他们的大脑参与度持续下降,研究人员将这种现象描述为"认知萎缩"。问题的严重性不在于技术使用本身,而在于一代人正在成长过程中错失培养核心认知能力的关键窗口期。

从神经科学角度看,大规模使用生成式人工智能存在导致整体认知萎缩和大脑可塑性丧失的风险。人类的批判性思维、推理能力和应对不确定性的耐心就像肌肉,需要通过智力探索过程来锻炼。当算法提供即时答案时,这些认知肌肉正在快速退化。更令人担忧的是,这种退化可能是代际传递的——习惯了算法思考的父母将如何培养下一代的独立判断能力?

系统性风险的隐形扩散

除了个体认知能力的退化,更大的危机潜伏在系统层面。人工智能训练数据中根深蒂固的偏见正在以前所未有的规模被放大和传播。针对生成模型的最新研究发现,这些系统可能产生此前未被探索的、广泛存在的意外偏见。当数亿用户将决策委托给存在系统性偏见的算法时,歧视和不公正得到了技术化的合法性。

更微妙的风险在于自动化偏见的形成。当前的人工智能系统通过强制意识形态中立来最小化风险,但这种做法反而可能引入新的偏见——通过抑制认知参与来实现的表面中立,实际上剥夺了用户批判性思考的机会。算法权威性的外表掩盖了其输出内容的不确定性,用户往往不假思索地接受人工智能的判断,却不知道这些判断本身可能建立在有缺陷的数据和逻辑之上。

思维同质化带来的创新风险同样不容忽视。当数百万人使用相同的算法框架来分析问题、制定方案时,解决方案的多样性必然收窄。而历史一再证明,突破性创新往往源于非常规思维和跨领域碰撞。如果未来的决策者都在相同的算法模板下成长,人类社会的创新能力可能面临系统性衰退。

基础设施的脆弱性则构成更直接的威胁。10月的AWS故障已经展示了集中化依赖的危险。当认知过程本身也高度依赖云端算法时,任何技术故障都可能导致大规模的决策瘫痪。想象一个场景:某个关键时刻,人工智能系统因网络攻击或技术故障突然离线,而依赖这些系统做出紧急决策的个人和组织发现自己已经失去了独立判断的能力。这不是科幻小说,而是当下正在形成的现实风险。

重建认知主权

问题的核心不在于是否使用人工智能,而在于如何在享受技术便利的同时保持认知自主性。一些积极的探索已经展开。教育领域开始强调"带着人工智能批判性思考"的理念,训练学生将算法输出视为需要验证的假设而非终极答案。企业培训项目也在调整方向,不再单纯强调效率提升,而是教导员工在算法辅助下仍然保持独立判断能力。

技术层面的改进同样重要。新一代人工智能系统开始尝试在提供建议的同时展示推理过程和不确定性,帮助用户理解判断的依据和局限。一些研究项目正在探索如何设计"认知健身房"——通过刻意设计的挑战性任务来训练和保持人类的核心思维能力,就像身体健身房维持肌肉力量一样。

监管框架的建立不可或缺。全球范围内关于人工智能治理的讨论正在加速,但重点往往集中在隐私保护和算法透明度上,对认知依赖风险的关注仍然不足。政策制定者需要认识到,大规模认知外包对社会韧性构成的威胁不亚于数据泄露或算法歧视。

最终,这是一个关于人类主体性的根本问题。人工智能可以成为扩展认知边界的工具,也可能沦为削弱思考能力的拐杖。两者的区别不在于技术本身,而在于使用者的姿态。当我们将算法视为需要批判性审视的建议来源而非无可置疑的权威,当我们有意识地保留处理复杂性和不确定性的能力,当我们在依赖技术的同时培养独立判断的技能——只有这样,八亿用户的认知外包才不会演变成人类智能的系统性退化。

AWS故障的教训不仅在于技术基础设施的脆弱性,更在于过度依赖任何单一系统的风险。当云服务器宕机时,我们损失的是数据访问和服务连接;当认知能力萎缩时,我们失去的是作为人类最核心的能力——在复杂世界中独立思考和明智决策的能力。在人工智能重塑决策的时代,保持这种能力不是怀旧,而是生存。