《技术越智能，人类越“愚笨”？》报告发布

本文核心要点：

2026年2月19日，美国课程再设计中心（Center for Curriculum Redesign）发布重磅研究报告《技术更智能，人类“更愚笨”？》。

该报告指出，技术创新通过外化、放大和重组知识与技能，反复改变了人类的认知。虽然技术变革的经济和制度后果已被广泛研究，但其长期的认知和知识论效应仍未得到充分审视。

报告围绕“技术是否让人类变‘笨’”的核心问题，通过火、农业到AI等20项重大技术创新的历史案例，揭示出技术变革对教育影响的反复出现的模式，包括认知卸载、注意力碎片化、隐性知识的转移与转化、认知不透明性的上升，以及权威与专业知识形式的转变。

报告发现，技术进步始终同时产生认知的增益与损失：技术在扩展抽象思维、提高效率和拓展知识获取渠道的同时，也削弱了教育传统上所培养的具身的、情境认知能力和内在持续认知能力。

为应对这一张力，报告提出了一个五层认知能力框架——基础能力、程序性技能、概念性理解、整合性意义建构和认知元能力——并分析了每一层如何受到技术委托的不同影响。

报告最后强调，教育的核心任务不是抵制技术，而是通过精心设计，实现认知发展的“再平衡”：在技术外包与人类内化之间找到平衡，在效率与深度之间找到平衡，最终确保人类在智能时代保持理解、判断与自主的认知主权。

以下为正文

2026年2月19日，美国课程再设计中心（Center for Curriculum Redesign）发布由著名高级研究员Dr. Dirk Van Damme主导，课程重新设计中心创始人兼主席Charles Fadel参与撰写的研究报告——《技术更智能，人类“更愚笨”？——技术如何提升与削弱人类认知及其对教育的意义》（Technologies Smarter, Humans “Dumber”? How Technology Improves and Diminishes Human Cognition and What This Means for Education）。

该研究报告以技术作为认知变革推动者为核心命题，通过对从火、农业到AI等20项重大技术创新的历史案例研究，系统分析了技术进步对人类认知能力的双重影响，并提出了认知能力的五层框架和针对性的教育应对策略，最终回应了“技术是否让人类变‘愚笨’”这一核心疑问。

该研究报告的主要内容概述如下：

一、技术是认知变革的推动者

报告指出，技术不仅仅是工具，更是一种“认知变革的推动者”（epistemic change agent）。技术重新配置了知识的生产、验证、传播和使用方式，使得某些知识和技能变得过时，同时也催生了新的能力。

这一创新悖论贯穿人类技术发展史：技术在强化人类特定认知能力的同时，必然会侵蚀另一些能力，而这种认知侵蚀正是技术创新中长期被忽视的副作用。

虽然许多经济学家和历史学家已经探讨了技术创新史与经济增长、社会进步以及教育史之间的关系，但他们并未探讨技术变革对人类认知的影响。

报告认为，事实上，技术创新会对人类的认知带来多方面的影响：它改变人类的脑力（mental energy）、记忆与注意力，导致认知卸载（cognitive offload）或外包（outsource）。

认知卸载意味着将人们的思维活动从内部知识转向外部记忆，即从“知道”转变为“知道去哪里寻找”，更进一步，技术会取代传统知识体系（口头传承、手工技艺）。

在社会层面，技术重塑权力关系与社会层级（如印刷术使识字精英享有特权），也重新定义了认知合法性（即谁被视为有知识）。

二、技术影响认知的历史演进、模式及对认知的具体表现

报告通过对从火到人工智能20项技术创新对人类认知影响的历史梳理发现，每项技术都在规模（scale）、精确度（precision）和持久性（durability）上扩展了人类的知识，同时也削弱旧有的知识和能力、缩小了特定视角（specific perspectives），并重新分配了权威（authority）。

1.技术影响认知的历史演进

报告指出，在历史发展的各个阶段，技术起到了认知支撑的作用：从史前时期的工具（它们巩固了身体层面的生存知识）到古典时期的技艺（它们通过书写和建造将记忆和空间推理外化），再到早期现代时期的体系（它们标准化了时间、表达和可重复性）。

工业阶段进一步深化了这种转变，通过抽象化和自动化劳动，产生了越来越专业化的技术知识形式。相比之下，数字阶段标志着一种质的转变，其中认知本身部分被委托给算法系统。从纵向角度来看，技术变革并非仅仅在于孤立的发明，而是在于知识编码、验证和操作化方式的累积性转变——从隐性的、受情境限制的理解转向形式化的、计算的和符号的体系，这些体系越来越多地颠覆了人类的认知主体地位。

2.技术影响认知的模式

报告基于历史分析，提炼出技术影响认知的7种模式，每一种模式都同时包含增益与损失双重属性。这7种模式分别为：

知识与能力的拓展与更替——几乎在所有技术案例中，技术创新都拓展了人类认知和行动的范围，同时收窄或取代旧有能力。新技术增强了特定的认知能力（预测、抽象、精确、规模化）。但同时也削弱了不再需要的具身知识、情境知识或隐性知识和技能。

认知功能的逐步外化（externalization）——从物质（material）外部化（如火、工具）到符号（symbolic）外部化（如文字、算术），再到机械（mechanical）外部化（如时钟、印刷机）、数字（digital）外部化（如计算机、GPS）以及当代的生成式（generative）外部化（如能够产生类似知识性输出的AI系统），人类不断将记忆、计算、导航甚至判断等认知功能转移给外部工具。

从地方性、受情境限制的知识转向标准化、可转移的表征——知识变得可衡量（时间、空间、能量、纯度）、可编码（文本、协议、算法）、可移植，并能跨地域、跨机构移植与互通。

重新定义认知合法性——技术创新重新定义了认知权威，确立了何为证据、真理或能力。权威性从“谁知道”转变为“哪个系统能给出答案”。

技能退化与再技能之间的循环往复——案例显示，技能退化并非彻底发生，它具有领域特异性，并且与技能提升相伴而生。从长期来看，低层次的、常规化的技能会下降，而高层次的协调、抽象或判断技能则会提升。

认知透明度的下降和不透明性及依赖性的增加——知识变得强大，但普通认知者却难以对其进行审视。在早期的技术创新中，用户还能看到因果链，但在近期的技术转型中，知识系统却在界面和算法背后运作。其结果是，系统更容易受到故障、操纵和虚假信息的侵害，专家系统和机构依赖性日益增强，以及能够质疑系统的人和不能质疑系统的人之间出现了新的不平等。

认知距离及学习时间与空间的压缩——技术创新不断压缩问题与答案、事件与表征、新手与专家表现之间的距离。

3.技术影响认知的具体表现

报告指出，技术的持续演进推动人类认知发生了根本性重构，具体表现为6个方面的显著变化：

记忆的外化——每项技术都将任务从人类的记忆或感知转移到外部物品：从火（外包温暖和光）到书写（外包记忆），再到数字工具（外包推理和回忆）。

从隐性知识到显性知识——反复的转变表明，基于经验的隐性技能正在被形式化和规范化。例如，口头传统被书面记录所取代，工匠的直觉被可衡量的标准所取代。

抽象化和符号化媒介的兴起——创新引入了新的表征系统（书写、视角、时间测量、计算），促使人类转向抽象推理和符号操作，而非直接参与。

预测和管理能力的扩展——农业、计时和现代计算等使得对复杂系统的预测和控制成为可能，这强调规划、建模和预测，而非被动适应。

专业知识的制度化——知识逐渐从社群或手工艺领域转移到专门的机构（书吏学校、学院、大学、实验室，以及现在的算法系统）。

标准化和专业化——技能被正式化为学科，通常通过标准化的程序或证书进行验证。例如透视网格、工程师的计划、程序员的代码。

报告同时指出，每一项重大技术创新在带来增益的同时，也削弱了原来的知识体系。

其中在认知收益方面，技术创新创造了新的认知基础设施，拓展了思维视野，并使知识得以规模化、形式化或加速传播，包括：

知识的持久性和可转移性——从书写板到云存储，技术使知识在时间和空间上得以稳定保存，从而促进了文化记忆的累积。

精确性和可预测性——诸如机械钟表和标准化测量等工具创造了认知可靠性，而这是科学、工程和行政管理的基础。

认知范围的扩展——例如，火延长了白昼时间、印刷术扩大了识字范围、AI扩展了分析规模等，这其中的每一项都拓展了人类的认知边界。

民主化和沟通——许多技术降低了准入门槛（例如，字母表、印刷术、智能手机），使更多人能够参与知识创造。

整合与协调——从时区到网络数据系统等的创新提高了集体同步性，从而促进了共享认知基础设施的形成。

在损失方面，主要表现为技术创新简化并窄化了人与世界的互动，往往导致具身知识、隐性知识或生态知识的脆弱性或丧失：

具身知识、隐性知识和地方知识的流失——走向抽象每一步都会降低人们对情境性、生态性或身体性知识的敏感性。例如，觅食者的生态系统、工匠的手工艺、航海者的直觉。

认知依赖和技能退化——将任务外包给工具（记忆外包给书写、导航外包给GPS、推理外包给AI）会削弱主动认知能力和适应力。

认知权威的集中化——对新知识媒介（如抄写员、印刷商、工程师、数据科学家）的掌控，会集中认知规则的制定权，并固化特定知识体系的合法性。

还原论和过度简化——量化、标准化和算法思维会过滤掉细微差别，因为这将导致优先考虑那些可以测量或编码的内容。

疏离与脱节——用媒介取代集体或具身实践（例如从家庭聚会到电子屏幕），会造成社会和认知上的疏离。

三、技术影响认知的四大核心主题

在众多影响中，报告特别强调了四个反复出现的、对教育尤为关键的四个认知挑战。

1.注意力

报告指出，注意力是有限且需主动投入的核心认知资源。但如今，数字技术通过算法推送、无限滚动、自动播放等设计日益加剧注意力碎片化，而即使忽略也会造成认知负担。研究表明，频繁进行多种媒体操作与持续注意力的下降以及更易受到干扰有关。

但报告同时指出，技术对注意力的影响并非全负面，其影响的程度取决于具体的应用方式而非技术本身。例如，部分特定形式数字活动（如视频游戏）可提升某些认知功能，包括工作记忆、任务切换和注意力控制。

2.认知卸载

报告指出，在技术进步中，认知卸载（即将记忆、推理和注意力从人类大脑转移到外部辅助工具上）是最显著的反复出现的现象之一。其本质是通过行动或外部工具降低任务的认知需求，例如设置日历提醒、云端存储笔记、使用GPS导航等，其核心是在内部认知资源与外部工具之间进行策略选择。

报告认为，认知卸载本身不应视为问题，它是技术进步的重要成就，减轻了机械计算、空间推理等认知负担，是现代社会正常运转的基础。即认知卸载是人类的天然能力，技术只是将其放大而非创造。但认知卸载的成本同样不容忽视，过度依赖外部工具会阻碍信息进入工作记忆与长期记忆存储，甚至可能阻碍学习者利用技术将信息外化。

3.隐性知识

报告指出，每一次技术突破在提升抽象思维与精准度的同时，往往会以隐性知识、具身知识、本地知识与经验知识的流失为代价。从口头文化向书面文化的转型削弱了记忆与即兴创作能力，工业化取代了手工技艺，而数字技术正自动化直觉与模式识别能力。

但隐性知识本身也是技术创新的核心驱动力。例如，研究表明，渐进式创新与突破性创新都高度依赖团队内部的隐性知识交流等。

与此同时，新的技术环境也在催生新形式的隐性知识，驾驭复杂数字系统、解读算法输出、在混合环境中协作等能力，都需要基于经验的判断，这类知识同样难以完全编码化。

4.适应性

报告指出，纵观技术变革的历史，人类社会始终面临着适应工具、任务与工作形式变化的挑战，而在AI驱动的当代，这一挑战愈发严峻。快速迭代的工具、不稳定的任务边界与普遍存在的不确定性，要求个体必须实时调整策略、持续更新能力，适应性（根据环境变化灵活调整思维与行为的能力）由此从边缘的“软技能”转变为核心的认知技能。

实证研究表明，适应性与就业能力、心理健康以及在动态环境中有效参与的能力密切相关。适应性也并非一成不变，有效的适应能力取决于既能保持稳定性又能具备变化性的环境，并且这种环境要允许进行修订。

四、认知能力的五层框架与教育启示

报告从技术变革作为认知推动者的视角也分析了技术对教育的影响，认为技术创新从未只是为教育增添新工具，而是重构了知识生态本身——改变了哪些人类能力得以发挥、哪些能力被取代，以及哪些能力变得至关重要。当代关于智能手机、AI在教育中应用的争论，与早年对计算器、计算机、大众媒体的担忧一脉相承，而历史经验表明，教育的核心挑战并非应对技术新奇性，而是实现认知发展的重新平衡。

为此，报告提出了一个五层认知能力框架，区分了不同类型的人类认知能力，它们受技术变革的影响程度与方式各不相同，其目的不是组织教育抵制技术，而是帮助教育系统决定哪些必须保留、哪些可以委托、哪些应该加强以及哪些必须重新教授。同时报告针对技术影响认知的7种模式与4大主题，从教育实践与政策层面提出了应对策略。

1.五层认知能力框架

第一层是基础人类能力，包括注意力调节、记忆形成、时空定向、因果推理与语言理解等，这些能力具有生物学基础，通过发展获得，是所有高阶学习的根基。

从历史上看，这类能力最易被技术替代，由此也减少了我们在日常生活中运用基础能力的需求。当这些能力减弱时，无论课程内容的质量如何，更高层次的学习都会变得脆弱不堪。

从教育的角度来看，这些能力是无法被替代的。即使技术可以在功能上替代这些能力，它们对于理解、判断、错误检测以及自主性而言仍然是必不可少的。那些不再需要通过记忆、集中注意力或进行推理来发挥作用的学习者，可能仍需要这些能力来评估信息、解决系统之间的冲突，或者在技术支持失效时负责任地行事。因此，教育具有保护和发展的作用：它必须有意地培养那些技术环境无法可靠训练的基础能力，如无设备阅读与回忆后进行简短反思写作，通过这种方式强化注意力、编码与理解能力。

第二层是程序性与工具性技能，如计算、转录、分类、检索、执行标准化流程等常规化技术，这类技能历来是自动化的主要目标。与基础能力不同，程序性技能通常可以安全委托，其自动化往往推动社会与经济进步，但技术也可能导致技能退化——如果学习者跳过实践环节，从未形成技能熟练度与错误敏感性，就会影响认知发展。

教育的风险存在于两个极端：一方面，过早或无反思的卸载会削弱概念理解，因为学习者可能从未真正理解程序的功能与原理；另一方面，过度保留过时程序则会挤占高阶学习空间，将落后技能变为学习障碍。

因此，教育应采取策略性自动化，在程序性实践支持概念理解与独立能力的地方予以保留，同时利用工具减轻不必要的认知负荷，例如让学生先熟练掌握方程求解，再使用计算器或计算机代数系统拓展问题探索范围。

第三层是概念与结构理解，指掌握底层原理、因果机制、系统、模型与抽象概念，包括系统思维、解释性推理、跨情境迁移、将表征与现实现象关联的能力。历史经验表明，只要教育系统能够适应，技术往往会拓展而非削弱这一能力。

随着常规程序的自动化，教育有机会更深入地聚焦结构、解释与阐释，但现实中教育系统常常错失这一机会，仍将程序性精通作为严谨性的替代指标。历史教训明确显示，工具越强大，教育就越应追求深度而非速度或数量，概念理解成为持久能力的核心。

因此，教育应将概念解释与迁移作为主要增长目标，明确从追求正确输出转向理解系统与推理过程，例如让学生解释数学程序的工作原理并应用于新问题，通过这种方式证明他们掌握的是结构而非单纯的步骤。

第四层是整合性意义建构，最终指向跨领域专长与智慧，涉及跨情境知识连接与迁移：构建结构化广度、识别深层模式、跨领域应用框架、为复杂问题选择合适概念视角。生成式系统能在特定领域产生合理输出，但人类在设定方向、跨学科整合知识、进行原则性权衡、检测类别错误、将洞见迁移到新情境等方面仍至关重要。

技术可以通过提升跨领域信息可及性、生成替代框架提供支持，但如果学习者依赖表层总结而非构建连贯模型，也可能催生浅层化、过度泛化的思维。因此，教育应着力培养跨领域迁移与结构化广度，帮助学习者建立学科间的思维“桥梁”，发展跨系统推理能力，例如让学生使用相同的反馈循环模型比较气候、健康与金融系统，证明其识别模式、构建跨学科一致性的能力。

第五层是认知元能力（epistemic meta-competence），也是当代语境中最关键的一层，包括评估知识主张、判断来源与出处、检测错误与偏见、校准信任、监督技术系统输出等能力。这一层级监控所有其他认知层级，处理不确定性、可靠性与问责问题，是AI时代需求最突出的能力（如验证、校准、认知警惕）。

认知元能力具体包括：监控与调节自身知识实践、校准信心与不确定性、决定依赖工具还是内部推理、理解错误模式与责任归属、监督AI支持的认知过程等。

随着技术日益复杂与不透明，认知权威逐渐从直接人类经验转向工具、基础设施与算法，每一种重要信息技术都对这一层级提出了新要求：印刷术需要来源批判，摄影术需要视觉素养，互联网要求信息评估，社交媒体强化了横向阅读，AI则需要用户判断流畅但可能不可靠的输出。

在生成式AI时代，认知元能力成为核心能力，支撑着认知治理——核心分歧不再是使用或不使用先进工具，而是能否批判性地协调工具与自主判断。

因此，教育必须将认知判断作为核心公民技能明确教授，将验证、溯源、可靠性推理融入各学科教学，例如让学生使用原始资料事实核查AI生成的答案并论证其可信度，通过对比输出与可信证据，识别差距或错误，解释接受、修订或拒绝该主张的依据。

2.历史模式与核心主题的教育应对

针对技术影响认知的七大历史模式，报告从教育实践与政策层面提出了以下应对策略。

扩张与收窄模式——教育实践应补偿被侵蚀的能力，政策层面需避免窄化技能的相关政策；

认知外部化模式——教育实践应将焦点转向监督能力培养，政策需加大对高阶技能的投入；标准化知识模式——教育实践要教授模型的局限性，政策需平衡标准化与多样性；

认知权威重构——教育实践应解释权威的产生机制，政策需强化透明度要求；

选择性去技能化——教育实践要引导技能向上重构，政策需支持转型期的能力衔接；

认知不透明——教育实践应培养警惕性与核查能力，政策需建立系统韧性与保障机制；

时间与学习的压缩——教育实践应在必要时放慢学习节奏，政策需保护深度学习与反思的空间。

报告指出，从政策视角来看，单纯聚焦“未来技能”或工具特定能力的策略存在结构性缺陷，政策制定必须关注技术如何重塑社会层面的认知分工、权威分配与风险分布。

这就要求加大对评估、监督、错误检测等高阶能力的投入，同时在日益加速、压缩的知识环境中，为深度学习、反思与巩固保留时间与空间。

政策制定者还需预判转型的不均衡性与新形式的不平等——选择性去技能化与认知不透明往往会让概念能力与元认知能力更强的群体受益，因此透明度要求、课程改革、教师专业发展、评估体系重构与毕业考核等，都不是边缘问题，而是构建认知韧性的核心杠杆。

归根结底，教育政策无法保持技术中立，必须主动塑造社会理解、质疑与治理所依赖的技术系统的能力。

针对注意力、认知卸载、隐性知识、适应性这四大核心认知主题，报告认为教育领域需明确风险、制定核心应对策略并落实到实践与政策中，其中：

注意力面临的核心风险是碎片化降低持续专注与深度学习能力，教育的关键应对是将注意力视为可训练的能力，实践与政策层面应设计无干扰的学习环境；

认知卸载的主要风险是过度依赖外部工具削弱内部编码与推理能力，教育需教授审慎依赖和元认知控制能力，实践中应融入信息素养、反思与人工智能监督教学；

隐性知识面临的风险是具身与经验知识的流失，教育应通过实践与具身学习强化隐性知识，实践与政策需拓展体验式与学徒制教学；

适应性的风险是静态技能在快速变化中失效，教育应培养灵活性与学会学习的能力，实践与政策层面需重视过程评估并支持终身学习。

五、研究结论

报告最后明确指出，技术是否让人类变“笨”？答案是“既是也不是”。人类是否因技术变得“更笨”，并非取决于神经层面的原始认知容量，而在于认知工作在大脑与工具之间的分配方式。技术创新既没有让人类整体变得更聪明，也没有使其更笨，而是重构了认知劳动的分布——在人类、人造物、机构与基础设施之间重新分配认知任务。

现有证据并未显示人类基础认知能力存在普遍衰退，而是呈现出复杂的权衡模式：部分技能弱化的同时，另一些能力得到增强，或被委托给技术工具。

首先，从大规模智力数据来看，尚无证据支持人类认知能力全球衰退的观点。其次，数字技术确实在重塑人类的注意力、记忆与问题解决策略，无处不在的数字设备可能给日常认知带来“认知负荷税”。

但与此同时，技术更多地表现为认知卸载——改变信息的存储与处理位置，而非降低认知容量。例如，当人们预期信息可通过数字工具获取时，会更倾向于记忆信息的位置而非内容本身，这并不意味着智力下降，而是记忆策略从内部存储转向外部资源。

总而言之，没有足够证据表明技术让人类变“笨”，数字环境只是在重构认知生态：部分传统技能可能衰退，但信息导航、协作、工具中介问题解决等能力得到了拓展。政策与教育的核心挑战，不是抵制智能技术，而是设计能够培养深度注意力、批判性推理与元认知控制的社会与学习环境，引导人们合理把握认知卸载的时机与方式。

报告同时指出，平衡认知增强与削弱，并非单纯的技术问题，而是设计、教育与治理的综合性挑战。历史经验表明，技术带来的每一项重大认知增益都伴随着可预见的权衡，因此核心任务不是最大化增强或最小化技术使用，而是进行有效的认知分配管理：明确哪些认知功能可以委托给技术，哪些必须保留给人类，以及教育与机构如何补偿日常生活中不再能自然训练的认知能力。实现这种平衡可以通过四大互补杠杆：

第一，区分委托与放弃。技术增强认知的前提是，将常规、高负荷、易出错的操作（如计算、检索、起草）委托给工具，同时保留人类对解释、判断与目标设定的控制。认知削弱往往发生在委托沦为放弃——个体不再发展理解或监督委托输出所需的概念、注意力与经验能力。有效的平衡需要选择性卸载：利用工具减轻认知负荷，但不消除内部模型构建、实践与反馈的机会。

第二，保护非委托型人类能力。注意力调节、记忆形成、时空定向、具身感知、直觉判断等基础能力，无法通过技术替代自动保留。由于现代环境不再能可靠提供这些能力的训练条件，教育与工作必须刻意创造实践机会：设计支持持续注意力的学习环境，要求学习者内化关键结构而非仅依赖检索，在涉及默会知识时保持具身、动手参与。

第三，教育重心向上转移。随着技术日益自动化程序性技能，这些技能的教育价值不再在于执行本身，而在于对原理的理解。最大化认知增强需要教育重新分配精力，聚焦概念与结构理解（模型、系统、因果推理）与认知元能力（评估来源、检测错误、监督自动化系统、判断信任边界），让学习者既能受益于技术力量，又不沦为认知依赖。

第四，培养技术的适应性与反思性使用。平衡是动态而非静态的，工具演进会带来新的削弱风险，因此个体与机构需要具备适应性与反思能力：监控技术对认知的影响，重新校准实践方式，必要时重新内化技能。这包括教导学习者反思自身依赖模式，设计重视过程与判断而非仅关注速度的评估体系，以透明、可质疑、保障人类问责的方式治理技术。

报告指出，归根结底，平衡的实现不是通过抵制技术，而是让委托与人类发展相协调——利用技术拓展认知边界，同时通过教育、机构设计与政策选择，主动维系让这种拓展具有意义、可靠性与人文性的内部认知能力。

资料来源：

Van Damme, D. (2026). Technologies Smarter, Humans “Dumber”? How Technological Advances Improve and Diminish Human Cognition and What This Means for Education. Boston, MA: Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/Technology-Smarter-Humans-DumberQ-CCR.pdf

[本文为教育部国别和区域研究基地中国教育科学研究院国际教育研究中心成果]

本文由“教育国际前沿”课题组成员整理，课题组负责人张永军，编辑刘强。点击左下角阅读原文可下载该文献。