AI与人脑的"碰撞"：Eric So教授谈技术如何重塑我们的思维

当ChatGPT能在几秒内写出一篇论文、生成一份商业报告，甚至通过专业考试时，一个令人不安的问题浮出水面：我们自己的大脑，还在被充分使用吗？

南加州大学马歇尔商学院教授Eric So在其新书中，将这一现象定义为AI、人脑与社会之间的"碰撞"（collision）。这个比喻并非危言耸听——它描述的是三种力量正在同一空间中争夺主导权，而它们之间的摩擦已经开始产生可见的后果。

认知外包：便利背后的代价

AI工具最大的卖点就是"省事"。写作有AI润色，分析有AI代劳，决策有AI提供建议。So教授的研究指出了一个容易被忽略的副作用：当我们习惯性地将认知任务外包给机器，大脑中负责深度思考和批判性判断的"肌肉"会逐渐萎缩。

这不是一个纯粹的假设。心理学中早有"认知卸载"（cognitive offloading）的研究传统——从计算器到GPS导航，每一次将思维任务转移给外部工具，都会在提升效率的同时，削弱人类自身对应能力的使用频率。AI的不同之处在于，它卸载的不再只是计算或记忆，而是写作、推理、创意生成这些曾被视作人类专属的高阶认知活动。

So教授的核心担忧在于速度：GPS用了几十年才让人们意识到方向感在退化，而AI的渗透速度可能让这种退化在更短时间内发生，且更难被察觉。

认知卸载（cognitive offloading）是认知心理学中的一个核心概念，最早由心理学家Daniel Wegner等人提出，指个体将记忆、计算、决策等思维任务转移给外部工具或环境，以降低自身的认知负荷。经典研究包括：依赖计算器会削弱心算能力，依赖GPS导航会退化空间记忆与方向感，依赖搜索引擎会降低对信息的主动记忆（即所谓"谷歌效应"）。认知卸载本身并非坏事——它是人类智能的延伸，也是文明进步的驱动力之一。但研究者普遍关注其权衡：卸载带来的即时效率提升，往往以长期能力的闲置性退化为代价。AI的特殊性在于，它首次大规模卸载了"元认知"层面的任务——即判断、推理与创造，这使得传统的"用进废退"规律可能以更隐蔽、更快速的方式显现。

教育领域：最先感受到冲击的地带

如果说AI对认知的影响是一场缓慢的潮汐，那么教育领域就是最先被淹没的滩涂。

学生用AI完成作业早已不是新闻，但So教授关注的不只是学术诚信问题。他在书中提出，教育的核心目标之一是训练思维的"摩擦力"——即在面对复杂问题时，忍受不确定性和认知不适，并通过反复试错来构建理解。AI恰好消除了这种摩擦力：它直接给出答案，跳过了思考过程中最有价值的部分。

这并不意味着教育应该拒绝AI。So教授的观点更接近"重新设计"——如果AI能接管信息检索和基础计算，那么课堂就应该把更多精力放在AI不擅长的事情上：提出好问题、评估AI给出的答案是否可靠、在多个看似合理的方案之间做出价值判断。

认知摩擦力（desirable difficulty）概念源自认知心理学家Robert Bjork的研究，指学习过程中适度的困难、延迟和不确定性，反而能促进长期记忆与深度理解。例如，间隔重复、主动回忆和"先猜再学"都比直接阅读答案更有效，因为这些过程迫使大脑进行更深的编码加工。So教授所强调的"忍受不确定性和认知不适"，正是这一理论在AI时代的延伸：当AI即时给出答案，学习者绕过了产生"合意困难"的关键环节，可能获得短期效率却牺牲了长期思维能力的构建。教育设计由此面临一个根本性问题——如何在使用AI提效的同时，人为保留必要的认知摩擦。

社会层面：认知分层的新风险

So教授的分析没有停留在个体层面。他提出了一个值得警惕的社会趋势：AI可能加剧认知能力的"分层"。

能够有意识地将AI作为思维辅助工具、同时保持自身批判性思考能力的人，与那些完全依赖AI输出、丧失独立判断能力的人之间，差距会越来越大。这种分层不像收入差距那样直观可见，但它对社会决策质量、公共讨论水平的影响可能更为深远。

一个具体的场景是：当越来越多的人通过AI获取信息和形成观点，AI输出中的偏见和盲区就会以更隐蔽的方式被放大——因为用户缺乏足够的能力去识别和质疑这些输出。

算法偏见（algorithmic bias）指AI系统在输出中系统性地偏向某些群体或观点，其根源包括训练数据的不均衡、标注者的主观倾向以及模型优化目标的片面性。与人类偏见不同，算法偏见往往具有隐蔽性和规模化特征：它不易被单个用户察觉，却可能通过推荐系统和生成内容影响数百万人的认知。当用户缺乏批判性评估AI输出的能力时，这些偏见会被当作"客观答案"接受，从而在公共讨论中形成回音室效应，加剧社会认知分层的风险。

与AI共处的认知策略

So教授并非技术悲观主义者。他在书中承认AI带来的巨大效率提升，也认可AI在某些认知任务上超越人类的事实。他真正呼吁的，是一种有意识的"认知管理"。

具体而言，这意味着在使用AI时保持一种"刻意的不舒适"：让AI提供方案，但自己做最终判断；用AI加速信息收集，但保留自己消化和质疑的环节；在AI能够胜任的任务上释放时间，但将这些时间投入到更高阶的思维活动中，而非单纯的消遣。

这些策略听起来简单，执行起来却需要持续的自律——因为AI的便利性本身就在不断诱惑我们放弃这种自律。

一场尚未结束的碰撞

So教授用"碰撞"而非"冲击"或"革命"来形容AI与人类认知的关系，这个措辞本身就透露出一种判断：这不是一个单向的过程，而是多方力量相互塑造的动态博弈。AI在改变我们如何思考的同时，人类对AI的使用方式也在反过来塑造AI的发展方向。

碰撞的结果尚未确定。但So教授的研究至少提醒了一件事：在这场博弈中，被动接受是最危险的选择。