AI正在改變人腦，重置我們的思維方式

我們正在發展新的認知能力，只是我們目前還不知道它們是什么。 我們的思維方式正在發生轉變。

HANA LEE GOLDIN，信息學碩士

2026年4月10日

在人類歷史的大部分時間里，我們使用的認知工具都獨立于思維本身之外。筆并不參與論證，它只是記錄論證。計算器并不理解問題，它只是處理別人設定的計算。思維發生在人的內心，而工具只是擴展了人運用這種思維所能做的特定且有限的部分。這條界限一直相當清晰，但隨著人工智能的出現，它正變得越來越模糊。

一位建筑師正在繪制建筑草圖，她讓人工智能根據她的初始概念生成各種方案。幾分鐘之內，她就看到了幾十個選項，這相當于手工探索數天才能完成的工作量。她瀏覽這些方案，識別哪些值得進一步研究，從中選取元素，將它們組合起來，然后再次迭代。最終的設計出自她之手，而這個過程在五年前是不存在的。哪些部分來自她的構思，哪些部分來自與人工智能的交互？

一位律師在準備辯護狀時，讓人工智能找出她論點中的漏洞。幾乎瞬間，她就看到了一份潛在漏洞清單，這些漏洞都是她需要在對方律師發現之前解決的攻擊點。她逐一分析這些漏洞，排除了一些可能性不大的，并意識到另一些確實是問題。第三個漏洞讓她想到了一個之前沒有考慮過的案例，而這個案例最終強化了她的核心論點。她自己能發現哪些漏洞？哪些漏洞只會在法庭上暴露出來，從而削弱她準備案件的效果？

在這兩種情況下，思考都是在整個交流過程中分散進行的。建筑師和律師提供方向和判斷；人工智能則提供速度和數量。在流程的中間階段，即可能性轉化為結果的階段，并非完全由他們或完全由機器完成。他們都沒有從人工智能那里獲得最終產品，也并非獨立地達到最終結果。最終的作品是在兩者之間的空間中通過迭代產生的，而這是他們各自都無法獨立完成的。“我的思考”和“輔助思考”之間的界限變得越來越難以界定。

訂閱

工具如何一直塑造認知

工具一直以來都在拓展人類的認知能力，但始終存在一個界限：人類才是理解的源泉。計算器執行的是人類構建和解讀的計算。望遠鏡放大的是人類早已瞄準的目標的光線。每種工具都處理著特定的操作，而人類則負責所有使操作有意義的因素。思維的來源清晰可追溯。

人工智能跨越了這條界限。大型語言模型能夠處理語言、識別模式并生成綜合信息，其功能性地復制了以往需要人類思維才能完成的認知活動。電子表格不會提出論點，它只是計算人類已經構建好的論點。搜索引擎不會分析問題，它只是檢索可能相關的文檔。但研究人員使用人工智能可以同時探索多種分析方法，以人類認知無法企及的速度檢驗假設，而返回的不是需要解釋的原始數據，而是需要評估的推理過程。這是一種截然不同的工具。它能夠理解意義，生成能夠響應語境的語言，并產生過去需要人類思維才能完成的輸出，因為它涉及判斷。思考究竟發生在何處這個問題變得難以回答，而且這種困難是前所未有的。以往的工具從未提出過這個問題，因為它們根本無法做到。

照片由 阿姆斯特丹城市檔案館提供 ，來自 Unsplash

能夠重組的大腦

大腦終其一生都在重組，根據我們的學習和注意力分配情況形成新的神經連接。這并非比喻，而是可以測量的。倫敦出租車司機花費數年時間記憶城市迷宮般的街道布局，與非出租車司機相比，他們的后海馬體（負責空間導航的區域）明顯增大。當司機退休不再進行導航時，這種差異會隨著時間的推移而逆轉。認知能力因被使用而增長，因不再被使用而衰退。認知并非一種固定不變的稟賦，工具對其要么有所幫助要么阻礙。它是一個鮮活的系統，會根據我們反復要求它做的事情而進行物理重組。這意味著，當我們大規模地改變管理和處理信息的方式時，我們改變的不僅僅是習慣，更是思維方式。

文字的歷史就是文明尺度上最清晰的例證。

在文字出現之前，語言本身并沒有外部存儲系統。物體和標記可以記錄數量和順序，但它們無法承載論證、保存敘事，也無法傳遞那種存在于文字之中的知識。對于所有需要語言表達的事物，記憶是唯一可用的載體。吟誦《伊利亞特》和《奧德賽》的口頭詩人并非依據固定的文本進行創作；當時根本沒有這樣的文本。根據學者米爾曼·帕里和阿爾伯特·洛德提出的口頭程式理論，詩人在表演中創作，運用豐富的常用短語、形容詞和場景結構，根據敘事需要進行組合和重組。詩歌本身并沒有被存儲在任何地方，而是存在于詩人重構的能力之中。知識存在于頭腦中，這意味著最寶貴的認知能力是將其儲存在頭腦中的能力。智者擁有深厚的記憶力，能夠通過言語將過去召喚到現在。

文字的出現，使得知識得以脫離任何人的頭腦而存在。思想變成了實物，可以儲存，也可以在產生之時之外進行檢驗。蘇格拉底在柏拉圖的《斐德羅篇》中警告說，文字會削弱記憶，并造成知識缺乏實質的錯覺。他的觀點部分正確：在識字人群中，記憶海量知識的能力確實有所下降。但文字也催生了口頭文化無法支撐的思維方式。系統性的哲學成為可能，論證也得以在首次提出很久之后進行檢驗和修正，邏輯的檢驗不再局限于激烈的現場辯論，而是在時間的長河中得以體現。科學作為一種累積性的事業成為可能，因為觀察結果可以儲存起來，并在人的一生中不斷積累和發展。

然而，閱讀并非大腦天生擅長的。書面語言出現至今不過五千年，遠不足以塑造人類的進化歷程。大腦不得不進行即興發揮。神經科學家斯坦尼斯拉斯·德阿納及其同事的腦成像研究揭示了這種即興發揮的具體表現：學習閱讀會使左側枕顳皮層的一個特定區域專門用于識別文字。在從未學習過閱讀的人身上，同一腦區主要負責處理面孔和物體。這個區域存在于每個人身上；識字能力改變的是它的功能。隨著它專門處理文字，該區域對面孔的處理能力下降，面孔反應逐漸轉移到右半球。文字的處理區域與曾經處理面孔的腦區位于同一區域。識字能力重新利用了進化賦予其他功能的腦區。這具體表明，大腦并非僅僅使用認知技術——它會圍繞這些技術進行重組。工具改變了大腦。

大約六個世紀前，印刷術的出現帶來了又一次變革。印刷術出現之前，書籍稀少且昂貴；閱讀主要以口頭和集體形式進行。印刷書籍使得大規模的獨讀成為可能。我們可以獨自靜坐數小時，不受干擾地跟隨單一的論證思路。能夠理解數百頁復雜論證的結構并保持理解能力并非與生俱來；這是一種經過幾代人與新型認知技術互動而習得的技能。

數字技術延續了這一模式。心理學家貝齊·斯帕羅及其同事的研究表明，當人們預期稍后就能獲取信息時，他們就不太可能將其編碼到記憶中。我們不再記憶電話號碼和路線；我們開始記住在哪里可以找到信息，讓位置信息代替信息本身。神經系統會根據其運行環境進行優化。

每一次轉型都產生了相同的動態：新的認知工具改變了我們的思維方式，舊的認知能力逐漸消退，新的認知能力則不斷涌現。經歷這些轉型的人們很少能清楚地看到，為了彌補失去的認知能力，他們獲得了什么。新的認知能力只有在扎根之后才會顯現出來。

訂閱

共同演化正在進行中

這一切背后都貫穿著一個模式。人類發展出各種工具來拓展認知能力。這些工具改變了人們對認知類型的需求。隨后，大腦會根據需求進行重組，從而釋放資源，用于處理更高層次的復雜信息。例如，書寫將記憶存儲在外部，從而釋放認知資源，用于更抽象的思考。印刷術使書籍數量激增，但其更深遠的影響在于訓練了持續的線性注意力，而這種注意力正是進行擴展分析推理的必要條件。每項技術都通過減輕大腦的負擔，釋放了認知空間。

人工智能或許代表了這種動態的更根本版本。以往的技術擴展了特定的認知能力：書寫擴展了記憶，計算器擴展了算術。而人工智能擴展的是人類認知中更為核心的要素：基于語言的推理能力本身。當工具擴展算術能力時，認知重組是有限的。而當工具擴展基于語言的推理能力時，這種重組則可能更為根本。

認知科學家和心靈哲學家在探索人機關系時，提出了認知協同進化的可能性，即人類可能會發展出只有與人工智能協同運作才能發揮作用的全新思維方式。一個識字的人不僅僅比一個只會口頭吟誦的詩人擁有更好的記憶力；她與知識的關系不同，構建論證的方式也不同。這種質的轉變或許正是當下正在發生的現象的特征。

這些能力很可能通過實踐和環境壓力逐漸顯現，只有在廣泛使用這些工具的人群中發生神經重組之后才會顯現出來。我們并非刻意設計了持續線性閱讀的能力；它是幾代人與紙質書籍互動的結果。人工智能交互所產生的認知能力也可能以類似的方式讓我們感到驚訝。

正在形成的實踐

我們正處于這場變革的早期階段。但我們可以觀察到，借鑒以往每一次認知轉變的經驗，重組很可能發生在人們日常使用這些工具的具體實踐中。實踐會形成習慣，習慣塑造神經通路，而神經通路決定了認知能力。新的能力正是在這里形成的，并非源于意圖或預測，而是源于人們當下實際使用人工智能方式的累積。而這些實踐中的一些，恰恰對應著我們熟悉的技能：那些在信息源強大、快速且并非天生就符合我們特定需求的環境中，我們一直以來都需要掌握的技能。

用我們自己的思維方式來評估人工智能的輸出結果。

人工智能生成的文本往往聽起來合情合理，但實際上卻未必正確。要區分“這聽起來不錯”和“這表達了我的意思”，就需要事先進行充分的思考，明確自己的意圖。建筑師瀏覽數十種不同的方案后，能夠立即判斷哪些方案值得采納，因為她對建筑需要達成的目標有著清晰的內在認知。這就是快速評估信息來源：判斷某個信息是否真正回答了我們的問題，還是僅僅表面上看起來如此。

以人工智能輸出為起點。

人工智能生成可供反思和完善的素材。醫生利用人工智能提供的診斷建議來探索各種可能性，然后將這些建議與她對患者的直接了解相結合，這便是將人工智能視為其思考過程中的合作者。這些信息來源能夠啟發思考，但并不會取代分析。

保留真正重要的認知工作。

同一個工具，在不同的環節使用，會產生不同的結果。一個學生先自己解決問題，然后再用人工智能檢驗自己的推理過程，最終得到的是自己構建的理解；而一個學生先讓人工智能解決問題，得到的答案卻并非自己獨立思考所得。改變的不是工具本身，而是學生在尋求幫助之前是否先獨立思考過問題。

承擔起結論的責任。

與人工智能合作意味著要不斷地做出決策，包括接受什么、修改什么以及拒絕什么。這些決策會不斷累積。如果一位律師利用人工智能來檢驗自己的論點，并且不加全面評估就接受人工智能提出的每一個漏洞，最終得到的訴狀可能表面上看似完整，但卻無法反映她對案件的真實理解。這類工作培養的不僅僅是對工具的熟悉：它培養了一種能力，即在人工智能拓展我們視野的同時，仍然堅持運用我們自身的判斷來決定如何處理這些拓展后的視角。我們最終得出的結論應該比最初的設想更加完善，并且完全出自我們自己的判斷。

這些實踐正是壓力所在。如同以往所有認知技術一樣，最終的成果將取決于人們的實際行為，而非任何人的設計或預測。潛在的能力，以及正在進行的神經重組，只有在之后才會清晰顯現。但根據摩擦點所在，我們已經可以推測這些能力可能呈現出的形態。

照片由 Rafael M.拍攝 ，來自 Unsplash

可能出現的情況

歷史模式提供了一個指導：最終形成的能力往往與產生它的實踐截然不同。持續閱讀紙質書籍并沒有帶來“更好的閱讀能力”，而是培養了進行線性論證的能力，即在數百頁的篇幅中，能夠始終把握單一的思路脈絡并保持其結構清晰。實踐本身是閱讀，而由此產生的能力則更為廣闊。

如果這種模式持續下去，人工智能實踐所帶來的能力將不僅僅是“更好的評估”或“更好的綜合”。它們將是重構后的形態，我們只能在它們成形之后才能命名。以下是一些可能性，基于當前壓力所在：

更敏銳的辨別力。大量評估人工智能輸出的實踐可以訓練出更快、更可靠的判斷真偽和判斷力。人工智能的輸出可能既流暢又錯誤，這意味著使用人工智能的人必須保持懷疑態度，能夠察覺到聽起來正確與實際情況之間細微的偏差。反復進行此類實踐的人，在人工智能應用過程中會進行數百次判斷。這種能力的應用范圍遠不止于人工智能：它能使人更精準地評估任何主張或論證，無論其表達方式多么流暢。

跨越更廣闊的可能性進行思考。建筑師掃描數十種方案，不僅提高了工作效率，更重要的是，她能夠駕馭傳統思維無法企及的豐富選擇。我們擁有拓展視野或提升計算能力的工具，但卻缺乏能夠同時容納更多可能性的工具。這里正在發展的能力或許是一種新型的創造性認知：先通過人工智能生成廣度信息，再運用判斷力探索這一空間。

與外化推理進行對話。寫作讓我們得以在紙上看到自己的想法。人工智能則讓我們看到自己的推理被反饋和轉化。我們可以提出論點，觀察它以不同的方式重述，提出異議，并通過交流加以完善。這與獨自修改作品或與他人辯論截然不同。人工智能沒有利害關系，也沒有防御心理。這里發展的能力或許是一種全新的對話式思考方式，它完全消除了他人自尊、防御心理或競爭性議程帶來的摩擦，只留下推理本身作為唯一需要應對的因素。

快速迭代解決復雜問題。測試方法耗時越長，我們測試的方法就越少。如果一套方法論需要數周才能搭建完成，那么搭建過程本身就是一種投入。而如果同樣的探索只需幾分鐘，我們就可以在尚未完全確定的情況下就開始嘗試，將早期嘗試視為信息而非最終成果。這樣我們就能更快地發現錯誤，從中吸取教訓，并再次嘗試。這種能力培養的是一種更具探索性的方式來應對復雜問題：在嘗試所有其他方法之前，先生成并測試各種方案，而不是先規劃出一條固定的路徑。

在這些變革中，得失總是相伴而生。口頭詩人驚人的記憶力隨著文字的出現而消逝，但文字也開啟了代代相傳、系統性地積累知識的時代。反復研讀少數文本所建立的深刻熟悉感隨著印刷術的出現而減弱，但印刷術也催生了新的個人推理方式。數字工具取代了我們曾經用來導航的空間記憶，但也以前所未有的規模開啟了信息獲取的途徑。每項技術都使某些能力變得不再必要；隨著這些能力的消逝，它們又被前人無法命名的事物所取代。在所有這些變革中，損失并非簡單地累積。總有一些東西被釋放出來，而填補這些空間的事物則重塑了人類思維的未來。

我們能塑造什么

大腦會根據我們反復做的事情進行重組。無論我們是否注意到這個過程，神經通路都會圍繞那些成為習慣的行為而形成。歷史上每一次認知轉型都印證了這一點。手工抄寫手稿的僧侶們培養了高度集中注意力的能力，而印刷術的出現最終使這種能力在文化上變得不再那么必要。放棄依靠心理地圖導航而改用GPS的城市居民，隨著時間的推移，他們在空間推理方面也發生了可衡量的變化。技術塑造認知并非通過一次劇烈的變革，而是通過人們日常行為的緩慢積累。曾經實踐過的行為得以保留，而不再實踐的行為則逐漸消逝。

被動適應和主動參與在內部感受上可能很相似，尤其是在工具實用且變化漸進的情況下。二者的區別在于，我們是否將自己的思考帶入交流，還是僅僅接受交流的結果。這種區別在人工智能時代比以往的信息來源更為重要。書籍或文章是固定的；我們可以根據外部標準對其進行評估，并與其他來源進行比對。而人工智能信息源會對我們做出回應，并調整自身以顯得可信且有用，這使得我們難以保持以往那種批判性的距離。評估工作必須來自交流本身：我們需要對問題進行充分思考，才能識別出好的答案，并注意到自己是否被引導到了意料之外的方向。建筑師瀏覽人工智能生成的各種方案，律師用人工智能檢驗自己的論點，他們都在這樣做：他們帶著清晰的意圖參與互動，并根據自身實際需求評估每一個輸出。他們思考與人工智能之間的界限仍然模糊，但哪些輸出真正重要的判斷權完全掌握在他們手中。

歷史上每一項認知技術都產生了超出預期的能力，因為技術不僅改變了人們能做什么，也改變了他們思考做事的方式。我們現在正身處這一進程之中，這意味著我們無法預見它的全貌，正如最早的希臘人無法預見閱讀最終會帶來怎樣的可能性一樣。我們所能做的，是積極參與，在這些交流中提出真正的問題，并將我們自身的推理作為衡量反饋的標準。這一轉變中涌現的能力，正是由這一點塑造的：并非由工具本身塑造，而是由我們運用工具時的思維質量塑造。

https://cardcatalogforlife.substack.com/p/were-developing-new-cognitive-abilities