—人工智能如何改變人類的認知結構
人類發明工具，一向是為了讓自己少做一些事情。輪子減輕搬運的負擔，機器減少體力勞動，計算機提高計算效率。每一次技術進步，都意味著某些原來必須由人完成的勞動，可以交給外部裝置。人工智能把這個過程推進到了一個前所未有的領域：人類開始將自己的認知勞動交給機器。
寫一封信，可以讓AI代筆；閱讀一本書，可以先看AI的摘要；遇到複雜問題，可以直接索取答案；甚至判斷某個觀點是否正確，也可以詢問一個語言模型。過去需要閱讀、比較、推理和反覆修改才能完成的工作，如今可能在幾秒鐘內得到一個結構完整、語言流暢的結果。表面看來，這是人類智力的一次巨大解放。人們不再需要把有限時間花在重覆勞動上，可以利用機器獲得更豐富的知識，處理更覆雜的問題。然而，一個令人不安的疑問也隨之出現：當機器替我們完成越來越多的思考，我們自己的思考能力究竟會增強，還是逐漸衰退？
麻省理工學院斯隆管理學院教授埃里克·C.蘇(Eric C. So)在新書《碰撞》（The Collision: What AI Does to Us）中，將這個問題放到了人工智能革命的中心。這本書的重要性在於把心理學、行為科學和進化理論結合起來，討論技術依賴如何影響人的判斷、創造力和社會行為。《柯克斯書評》肯定了作者對人工智能可能削弱獨立思考能力的警告，以及他提出的實用應對方法。
蘇所揭示的危險，遠比機器搶走工作崗位複雜。一個人即使保住了工作，也可能逐漸失去完成這份工作所需的某些能力；一個學生即使獲得了更好的成績，也可能沒有形成與成績相稱的理解力。工業革命改變了人類身體與機器之間的分工，人工智能革命正在重新劃定人類頭腦與機器之間的分工。問題的關鍵，是在新的分工中，人還剩下多少獨立判斷的能力。
認知努力的消失是AI最隱蔽的代價
人類大腦具有節約努力的傾向。面對一個困難問題，如果存在一條省時省力的道路，我們通常願意優先選擇它。這種傾向本身並非缺陷。在漫長的進化過程中，避免不必要的能量消耗，有助於生存和行動。蘇在麻省理工學院的訪談中，用“AI引力”（AI gravity）描述人工智能對人類認知行為的吸引：我們越來越容易把困難的思考任務交給系統，因為立即獲得答案比親自經歷探索、失敗和修正更加輕鬆。
但是，學習存在一個容易被效率觀念忽視的事實：許多重要能力恰恰形成於那些看起來沒有效率的過程。學生解一道數學題，第一次可能失敗；閱讀一篇哲學文章，可能需要反覆推敲；研究歷史問題，必須在相互沖突的史料之間作出判斷。這些活動包含遲疑、錯誤、重新理解和逐步修正。它們消耗時間，卻也構成認知能力形成的必要條件之一。
如果AI立即提供完整答案，學生獲得的結果可能更準確，完成任務的速度也可能更快，但原本應該由他完成的認知活動被省略了。他看懂答案，不等於能夠獨立推導；能夠覆述解釋，不等於具備解釋新問題的能力。由此出現一個深刻的教育悖論：技術越能降低認知勞動的成本，教育越需要保護那些對能力形成不可缺少的認知勞動。
當然，認知努力並非越多越好。無意義的機械重複、反覆陷入同一種錯誤，未必促進學習。AI能夠減少這類負擔，使人把注意力轉向更有價值的問題。真正需要區分的，是沒有學習價值的消耗與促進理解、記憶、推理和遷移的有效努力。這裡還必須保持科學上的謹慎：認知活動減少，不等於大腦已經發生不可逆的能力退化。現有研究尚不足以證明，廣泛使用生成式AI必然造成普遍、長期的認知萎縮。蘇提出的是值得重視的風險機制，具體後果仍須由持續研究驗證。
人工智能正在改變知識的存在方式。過去，知識更多地保存在書籍、學校和個人記憶之中。一個人要掌握某個領域，通常需要經過長期學習。今天，外部智能能夠隨時提供大量專業解釋，人可以在並未完整掌握相關知識的情況下，借助AI完成相當複雜的任務。這使我們必須重新區分兩種能力：一種是利用外部智能完成任務的能力，另一種是個人通過學習形成的、能夠在新情境中自主運用的能力。兩者都具有價值，卻不能相互替代。
一名大學生利用AI完成優秀論文，可能展示了良好的工具使用能力，也可能只是接受了機器提供的論證結構。若讓他離開AI，面對一個相近但有所變化的問題，他是否仍能提出有意義的疑問、判斷材料的可靠性、組織自己的論證？這個問題比論文是否由AI參與寫作更有教育意義。
2025年，微軟研究院與合作研究者調查了319名知識工作者，收集936個生成式AI輔助工作實例。研究發現，對AI越有信心，受訪者報告的批判性思考活動往往越少；而對自己完成任務的能力越有信心，則與更多批判性思考相關。同時，AI也使批判性思考的部分重心轉向信息核驗、結果整合和任務監督。這一發現不能證明AI導致思維能力下降，因為研究主要依據自我報告，也沒有通過長期實驗確定因果關系。但它揭示了一種值得研究的變化：人類認知活動可能從直接解決問題，轉向監督外部系統解決問題。
監督本身當然也是一種重要能力。然而，監督需要知識作為基礎。一個從未學過統計學的人，很難有效判斷AI生成的統計分析是否可靠；一個缺乏歷史知識的人，面對機器編造的歷史細節，也未必知道應該懷疑什麼。當學生尚未建立內部知識結構，就過早依賴外部答案時，表面上的認知效率可能掩蓋實際能力的不足。這意味著教育不能只問學生利用AI完成了什麼，還必須問：完成任務以後，究竟有哪些知識、方法和判斷能力留在了學生自己身上？
人類可能逐漸喪失發現問題的能力
如果說認知外包使人減少某些思考活動，那麼更深層的危險，是人可能逐漸失去發現問題的主動性。傳統教育重視解決問題，但科學史告訴我們，許多重大發現首先來自對既有問題的重新理解。一個科學家發現實驗結果與現有理論不一致，一個歷史學家發現傳統敘述無法解釋某份新史料，一個思想家發現社會普遍接受的判斷存在邏輯矛盾，新的認識便可能由此產生。這些活動需要人保持一種能力：在別人已經提供答案的時候，仍然能夠看見答案沒有解決的問題。
生成式AI具有很強的語言組織能力。它可以把複雜爭論整理成清楚的條目，把不完整的想法補充成流暢的文章，把相互沖突的材料排列成看似協調的解釋。這些能力十分有用，但也容易帶來一種新的認知風險：表達的完整性可能掩蓋認識的不完整性。 一個回答越流暢，使用者越可能忽視其中的假設；一份報告越周密，閱讀者越可能不再追問它遺漏了什麼。機器提供的便利，在某些情況下會減少人們與困難問題直接相遇的機會。
蘇在接受麻省理工學院采訪時，還談到AI系統迎合用戶的傾向。他擔心，人們如果長期習慣於獲得即時回應與肯定，可能降低面對不同意見和人際摩擦的耐受力。這一擔憂值得重視。思考能力的發展，不僅需要知識，也需要接受糾正的經驗。一個人提出觀點，遭到反駁，發現證據不足，再重新組織論證，便是在學習如何與現實和他人的判斷相處。
如果智能系統不斷幫助使用者完成論證、修飾缺陷、提供情緒上的肯定，人可能越來越擅長表達，卻未必越來越擅長承認錯誤。這里涉及人工智能時代認知結構的一項重要變化：從知識的被動接受，轉向知識的主動審查，可能成為人類更加重要的能力。未來有價值的思想者，未必是能夠最快生產答案的人，而可能是能夠發現答案的邊界、識別隱藏前提，並提出更好問題的人。
人工智能並不必然削弱人類思考，它也可以顯著擴展人的認知範圍。一位研究者借助AI閱讀不同語言的文獻，可以接觸過去難以獲得的思想資源；一名醫生利用智能工具檢索相關研究，可以獲得更廣泛的參考；一個學生通過與AI討論數學證明，可能比獨自閱讀教材更快理解其中的邏輯。關鍵區別在於：AI究竟參與了人的思考，還是取代了人的思考。
基於《碰撞》提出的問題，我們可以進一步建立一個分析框架，將AI與人的認知關係區分為認知增強、認知外包和認知依賴。認知增強意味著外部智能幫助個人形成更好的理解、判斷和創造能力；認知外包指人把部分任務交給機器處理，它本身是一種任務分配方式，既可能帶來收益，也可能產生代價；認知依賴則指人在某些情境中越來越難以脫離外部支持完成原本需要承擔的關鍵認知活動。
這三個概念不屬於同一層次，也不能被簡單劃分成三種互不重疊的人。一個人完全可能在資料檢索上高度依賴AI，同時在問題提出和理論判斷方面保持獨立。真正值得研究的是，哪些認知活動可以安全外包，哪些活動的持續外包會影響能力的形成或保持，以及怎樣的協同方式能夠幫助人獲得比過去更強的能力。
2026年一項針對中國大學英語寫作課堂的八周準實驗研究提供了值得注意的線索。研究比較了不使用AI、有限度使用AI並要求反思，以及開放式AI協作三種教學安排。結果顯示，開放式協作在AI支持下取得了較高的寫作表現，而受到約束並要求反思的AI使用方式，在後續獨立寫作任務上表現出一定優勢。不過，研究僅涉及六個自然班，部分統計結果處於顯著性邊緣，尚不能據此作出普遍因果結論。
另一項2026年發表的大學課堂縱向研究同樣值得關注。研究涉及87名學生，比較不同AI教學條件，發現各組知識均有增長，但沒有觀察到AI使用帶來穩定的額外學習收益，教學安排和學生的反思性使用方式更值得重視。這些發現支持一種審慎判斷：AI的教育後果取決於具體任務、使用方式、學習者基礎和教學制度。把AI簡單稱為智力增強器，或者將其視為必然造成認知退化的技術，都超出了現有證據能夠支持的範圍。
當機器越來越聰明，人類是否還需要親自思考
《碰撞》對於中國教育的意義，尤其值得深入討論。當前，越來越多學校開始探索AI輔助教學、個性化學習、智能作業批改和自動化評價。提高效率當然重要，但如果教育只追求學生更快完成任務，就可能忽略能力形成這一根本目的。傳統考試主要觀察學生在特定條件下能否完成任務。AI普及以後，學校還必須區分學生借助外部智能能夠做到什麼，以及他本人已經掌握什麼。
我認為，未來教育評價需要建立兩條相互聯系的軌道。第一條軌道評價人機協同能力，包括提出問題、使用工具、核實信息、整合方案和承擔決策責任；第二條軌道評價個人形成的能力，包括獨立理解、推理、解釋、發現錯誤和遷移知識。研究時還需要比較三個時間點：學習前的獨立表現、使用AI時的輔助表現，以及一段時間後脫離AI完成新任務的表現。只有這樣，才能初步判斷一次技術支持究竟幫助學生學到了什麼。
這也意味著教師的工作需要重新定位。教師不能只檢查作業是否正確，還要了解學生怎樣獲得結論；不能只鼓勵學生熟練使用AI，還要安排他們獨立思考、接受質疑和修正判斷的機會。對於基礎教育尤其如此。兒童的認知能力仍在發展，某些必要練習不能因為機器能夠代做便輕易取消。另一方面，全面禁止AI也未必合理，因為未來社會需要人學會與外部智能合作。教育真正需要的是有組織的認知分工：機器幫助人完成合適的工作，人則保留形成知識、檢驗結論和獨立行動的必要訓練。
更深一層看，AI教育還可能產生新的社會不平等。過去，人們主要關注設備、網絡和教育資源的差距。未來，即使每個學生都能使用相近的AI系統，不同家庭和學校仍可能培養出差異很大的使用習慣。有的學生得到教師指導，學會質疑和驗證；有的學生只學會覆制答案。前者可能借助AI擴大能力，後者則可能在不斷提高作業質量的同時，越來越缺少獨立完成任務的信心與經驗。
這種新的差距，可以稱為“認知收益鴻溝”。它並非《碰撞》作者已經確立的正式概念，而是由本書問題意識引出的教育學假設。要證明它長期存在，還需要控制家庭背景、原有能力、教師支持及其他影響因素。
《碰撞》的最大價值，在於它把人工智能討論重新帶回人的發展。我們已經習慣用運算速度、模型規模、任務準確率和經濟產出衡量技術進步，卻很少追問：這些進步是否同時提高了人的理解能力、判斷能力和創造能力？一項技術可以讓社會生產更多知識，卻未必讓每個人更加理解世界；可以讓個人完成更多任務，卻未必讓個人形成更多能力。這種區別將成為AI時代重要的文明問題。
當然，蘇的論證仍有需要深化之處。人類認知長期依賴語言、文字、學校和各種外部工具。把記憶交給書籍，並沒有使人類失去思想能力；使用計算器，也沒有必然破壞數學教育。外部化一直是文明發展的重要條件。因此，關鍵不能停留在是否外包認知勞動，而應進一步追問：外包以後，人類保留了什麼、發展了什麼，又失去了什麼？新的工具是否讓人獲得了以前不可能擁有的能力？這些收益和風險由誰承擔？
蘇提出的個人使用建議具有實踐意義，但對阻礙改革的經濟、政治和社會力量討論仍顯不足。這一批評尤其重要。當學校以升學結果評價教學、企業以產出速度評價員工、平台以使用時長和參與度獲得收益時，單純勸告個人“不要過度依賴AI”，恐怕難以改變實際行為。制度必須為人的學習和獨立判斷保留時間，也需要建立能夠識別真實能力的評價方式。
人工智能帶來的深刻變化，或許正在於人類第一次擁有一種能夠大規模模仿、補充甚至替代複
雜認知活動的通用工具。它使我們有可能站在更高的知識起點上，也使我們有可能把一些重要的思考過程交出去。這兩種未來並不必然互相排斥。人類可能在某些領域獲得前所未有的認知力量，同時在另一些領域逐漸失去獨立能力。技術進步與人的成長之間，不存在自動成立的等號。
一個文明的繁榮，不能只用它擁有多少智能機器來判斷，還應當觀察生活在其中的人，是否仍然具有理解世界、發現問題、辨別真偽和獨立行動的能力。也許，這正是《碰撞》留給我們的最重要的問題：當人工智能越來越能夠替我們思考，人類究竟準備把節省下來的時間用於更深刻的思考，還是準備連思考本身也一並放棄？
未來教育的使命，應當使越來越強大的機器智能，最終轉化為人的能力增長。否則，我們可能創造出一個能夠回答無數問題的智能世界，卻培養出越來越不願意親自提出問題的人。
參考資料： Eric C. So, The Collision: What AI Does to Us, W. W. Norton, 2026；MIT News，2026年10月作者訪談；MIT Sloan，2026年10月專訪；Publishers Weekly，2026年書評；Kirkus Reviews，2026年書評；Lee等，CHI 2025批判性思維研究；2026年AI輔助寫作與大學學習研究。
轉載自《中國AI評論》
