AI正在改变人脑，重置我们的思维方式

我们正在发展新的认知能力，只是我们目前还不知道它们是什么。 我们的思维方式正在发生转变。

HANA LEE GOLDIN，信息学硕士

2026年4月10日

在人类历史的大部分时间里，我们使用的认知工具都独立于思维本身之外。笔并不参与论证，它只是记录论证。计算器并不理解问题，它只是处理别人设定的计算。思维发生在人的内心，而工具只是扩展了人运用这种思维所能做的特定且有限的部分。这条界限一直相当清晰，但随着人工智能的出现，它正变得越来越模糊。

一位建筑师正在绘制建筑草图，她让人工智能根据她的初始概念生成各种方案。几分钟之内，她就看到了几十个选项，这相当于手工探索数天才能完成的工作量。她浏览这些方案，识别哪些值得进一步研究，从中选取元素，将它们组合起来，然后再次迭代。最终的设计出自她之手，而这个过程在五年前是不存在的。哪些部分来自她的构思，哪些部分来自与人工智能的交互？

一位律师在准备辩护状时，让人工智能找出她论点中的漏洞。几乎瞬间，她就看到了一份潜在漏洞清单，这些漏洞都是她需要在对方律师发现之前解决的攻击点。她逐一分析这些漏洞，排除了一些可能性不大的，并意识到另一些确实是问题。第三个漏洞让她想到了一个之前没有考虑过的案例，而这个案例最终强化了她的核心论点。她自己能发现哪些漏洞？哪些漏洞只会在法庭上暴露出来，从而削弱她准备案件的效果？

在这两种情况下，思考都是在整个交流过程中分散进行的。建筑师和律师提供方向和判断；人工智能则提供速度和数量。在流程的中间阶段，即可能性转化为结果的阶段，并非完全由他们或完全由机器完成。他们都没有从人工智能那里获得最终产品，也并非独立地达到最终结果。最终的作品是在两者之间的空间中通过迭代产生的，而这是他们各自都无法独立完成的。“我的思考”和“辅助思考”之间的界限变得越来越难以界定。

订阅

工具如何一直塑造认知

工具一直以来都在拓展人类的认知能力，但始终存在一个界限：人类才是理解的源泉。计算器执行的是人类构建和解读的计算。望远镜放大的是人类早已瞄准的目标的光线。每种工具都处理着特定的操作，而人类则负责所有使操作有意义的因素。思维的来源清晰可追溯。

人工智能跨越了这条界限。大型语言模型能够处理语言、识别模式并生成综合信息，其功能性地复制了以往需要人类思维才能完成的认知活动。电子表格不会提出论点，它只是计算人类已经构建好的论点。搜索引擎不会分析问题，它只是检索可能相关的文档。但研究人员使用人工智能可以同时探索多种分析方法，以人类认知无法企及的速度检验假设，而返回的不是需要解释的原始数据，而是需要评估的推理过程。这是一种截然不同的工具。它能够理解意义，生成能够响应语境的语言，并产生过去需要人类思维才能完成的输出，因为它涉及判断。思考究竟发生在何处这个问题变得难以回答，而且这种困难是前所未有的。以往的工具从未提出过这个问题，因为它们根本无法做到。

照片由 阿姆斯特丹城市档案馆提供 ，来自 Unsplash

能够重组的大脑

大脑终其一生都在重组，根据我们的学习和注意力分配情况形成新的神经连接。这并非比喻，而是可以测量的。伦敦出租车司机花费数年时间记忆城市迷宫般的街道布局，与非出租车司机相比，他们的后海马体（负责空间导航的区域）明显增大。当司机退休不再进行导航时，这种差异会随着时间的推移而逆转。认知能力因被使用而增长，因不再被使用而衰退。认知并非一种固定不变的禀赋，工具对其要么有所帮助要么阻碍。它是一个鲜活的系统，会根据我们反复要求它做的事情而进行物理重组。这意味着，当我们大规模地改变管理和处理信息的方式时，我们改变的不仅仅是习惯，更是思维方式。

文字的历史就是文明尺度上最清晰的例证。

在文字出现之前，语言本身并没有外部存储系统。物体和标记可以记录数量和顺序，但它们无法承载论证、保存叙事，也无法传递那种存在于文字之中的知识。对于所有需要语言表达的事物，记忆是唯一可用的载体。吟诵《伊利亚特》和《奥德赛》的口头诗人并非依据固定的文本进行创作；当时根本没有这样的文本。根据学者米尔曼·帕里和阿尔伯特·洛德提出的口头程式理论，诗人在表演中创作，运用丰富的常用短语、形容词和场景结构，根据叙事需要进行组合和重组。诗歌本身并没有被存储在任何地方，而是存在于诗人重构的能力之中。知识存在于头脑中，这意味着最宝贵的认知能力是将其储存在头脑中的能力。智者拥有深厚的记忆力，能够通过言语将过去召唤到现在。

文字的出现，使得知识得以脱离任何人的头脑而存在。思想变成了实物，可以储存，也可以在产生之时之外进行检验。苏格拉底在柏拉图的《斐德罗篇》中警告说，文字会削弱记忆，并造成知识缺乏实质的错觉。他的观点部分正确：在识字人群中，记忆海量知识的能力确实有所下降。但文字也催生了口头文化无法支撑的思维方式。系统性的哲学成为可能，论证也得以在首次提出很久之后进行检验和修正，逻辑的检验不再局限于激烈的现场辩论，而是在时间的长河中得以体现。科学作为一种累积性的事业成为可能，因为观察结果可以储存起来，并在人的一生中不断积累和发展。

然而，阅读并非大脑天生擅长的。书面语言出现至今不过五千年，远不足以塑造人类的进化历程。大脑不得不进行即兴发挥。神经科学家斯坦尼斯拉斯·德阿纳及其同事的脑成像研究揭示了这种即兴发挥的具体表现：学习阅读会使左侧枕颞皮层的一个特定区域专门用于识别文字。在从未学习过阅读的人身上，同一脑区主要负责处理面孔和物体。这个区域存在于每个人身上；识字能力改变的是它的功能。随着它专门处理文字，该区域对面孔的处理能力下降，面孔反应逐渐转移到右半球。文字的处理区域与曾经处理面孔的脑区位于同一区域。识字能力重新利用了进化赋予其他功能的脑区。这具体表明，大脑并非仅仅使用认知技术——它会围绕这些技术进行重组。工具改变了大脑。

大约六个世纪前，印刷术的出现带来了又一次变革。印刷术出现之前，书籍稀少且昂贵；阅读主要以口头和集体形式进行。印刷书籍使得大规模的独读成为可能。我们可以独自静坐数小时，不受干扰地跟随单一的论证思路。能够理解数百页复杂论证的结构并保持理解能力并非与生俱来；这是一种经过几代人与新型认知技术互动而习得的技能。

数字技术延续了这一模式。心理学家贝齐·斯帕罗及其同事的研究表明，当人们预期稍后就能获取信息时，他们就不太可能将其编码到记忆中。我们不再记忆电话号码和路线；我们开始记住在哪里可以找到信息，让位置信息代替信息本身。神经系统会根据其运行环境进行优化。

每一次转型都产生了相同的动态：新的认知工具改变了我们的思维方式，旧的认知能力逐渐消退，新的认知能力则不断涌现。经历这些转型的人们很少能清楚地看到，为了弥补失去的认知能力，他们获得了什么。新的认知能力只有在扎根之后才会显现出来。

订阅

共同演化正在进行中

这一切背后都贯穿着一个模式。人类发展出各种工具来拓展认知能力。这些工具改变了人们对认知类型的需求。随后，大脑会根据需求进行重组，从而释放资源，用于处理更高层次的复杂信息。例如，书写将记忆存储在外部，从而释放认知资源，用于更抽象的思考。印刷术使书籍数量激增，但其更深远的影响在于训练了持续的线性注意力，而这种注意力正是进行扩展分析推理的必要条件。每项技术都通过减轻大脑的负担，释放了认知空间。

人工智能或许代表了这种动态的更根本版本。以往的技术扩展了特定的认知能力：书写扩展了记忆，计算器扩展了算术。而人工智能扩展的是人类认知中更为核心的要素：基于语言的推理能力本身。当工具扩展算术能力时，认知重组是有限的。而当工具扩展基于语言的推理能力时，这种重组则可能更为根本。

认知科学家和心灵哲学家在探索人机关系时，提出了认知协同进化的可能性，即人类可能会发展出只有与人工智能协同运作才能发挥作用的全新思维方式。一个识字的人不仅仅比一个只会口头吟诵的诗人拥有更好的记忆力；她与知识的关系不同，构建论证的方式也不同。这种质的转变或许正是当下正在发生的现象的特征。

这些能力很可能通过实践和环境压力逐渐显现，只有在广泛使用这些工具的人群中发生神经重组之后才会显现出来。我们并非刻意设计了持续线性阅读的能力；它是几代人与纸质书籍互动的结果。人工智能交互所产生的认知能力也可能以类似的方式让我们感到惊讶。

正在形成的实践

我们正处于这场变革的早期阶段。但我们可以观察到，借鉴以往每一次认知转变的经验，重组很可能发生在人们日常使用这些工具的具体实践中。实践会形成习惯，习惯塑造神经通路，而神经通路决定了认知能力。新的能力正是在这里形成的，并非源于意图或预测，而是源于人们当下实际使用人工智能方式的累积。而这些实践中的一些，恰恰对应着我们熟悉的技能：那些在信息源强大、快速且并非天生就符合我们特定需求的环境中，我们一直以来都需要掌握的技能。

用我们自己的思维方式来评估人工智能的输出结果。

人工智能生成的文本往往听起来合情合理，但实际上却未必正确。要区分“这听起来不错”和“这表达了我的意思”，就需要事先进行充分的思考，明确自己的意图。建筑师浏览数十种不同的方案后，能够立即判断哪些方案值得采纳，因为她对建筑需要达成的目标有着清晰的内在认知。这就是快速评估信息来源：判断某个信息是否真正回答了我们的问题，还是仅仅表面上看起来如此。

以人工智能输出为起点。

人工智能生成可供反思和完善的素材。医生利用人工智能提供的诊断建议来探索各种可能性，然后将这些建议与她对患者的直接了解相结合，这便是将人工智能视为其思考过程中的合作者。这些信息来源能够启发思考，但并不会取代分析。

保留真正重要的认知工作。

同一个工具，在不同的环节使用，会产生不同的结果。一个学生先自己解决问题，然后再用人工智能检验自己的推理过程，最终得到的是自己构建的理解；而一个学生先让人工智能解决问题，得到的答案却并非自己独立思考所得。改变的不是工具本身，而是学生在寻求帮助之前是否先独立思考过问题。

承担起结论的责任。

与人工智能合作意味着要不断地做出决策，包括接受什么、修改什么以及拒绝什么。这些决策会不断累积。如果一位律师利用人工智能来检验自己的论点，并且不加全面评估就接受人工智能提出的每一个漏洞，最终得到的诉状可能表面上看似完整，但却无法反映她对案件的真实理解。这类工作培养的不仅仅是对工具的熟悉：它培养了一种能力，即在人工智能拓展我们视野的同时，仍然坚持运用我们自身的判断来决定如何处理这些拓展后的视角。我们最终得出的结论应该比最初的设想更加完善，并且完全出自我们自己的判断。

这些实践正是压力所在。如同以往所有认知技术一样，最终的成果将取决于人们的实际行为，而非任何人的设计或预测。潜在的能力，以及正在进行的神经重组，只有在之后才会清晰显现。但根据摩擦点所在，我们已经可以推测这些能力可能呈现出的形态。

照片由 Rafael M.拍摄 ，来自 Unsplash

可能出现的情况

历史模式提供了一个指导：最终形成的能力往往与产生它的实践截然不同。持续阅读纸质书籍并没有带来“更好的阅读能力”，而是培养了进行线性论证的能力，即在数百页的篇幅中，能够始终把握单一的思路脉络并保持其结构清晰。实践本身是阅读，而由此产生的能力则更为广阔。

如果这种模式持续下去，人工智能实践所带来的能力将不仅仅是“更好的评估”或“更好的综合”。它们将是重构后的形态，我们只能在它们成形之后才能命名。以下是一些可能性，基于当前压力所在：

更敏锐的辨别力。大量评估人工智能输出的实践可以训练出更快、更可靠的判断真伪和判断力。人工智能的输出可能既流畅又错误，这意味着使用人工智能的人必须保持怀疑态度，能够察觉到听起来正确与实际情况之间细微的偏差。反复进行此类实践的人，在人工智能应用过程中会进行数百次判断。这种能力的应用范围远不止于人工智能：它能使人更精准地评估任何主张或论证，无论其表达方式多么流畅。

跨越更广阔的可能性进行思考。建筑师扫描数十种方案，不仅提高了工作效率，更重要的是，她能够驾驭传统思维无法企及的丰富选择。我们拥有拓展视野或提升计算能力的工具，但却缺乏能够同时容纳更多可能性的工具。这里正在发展的能力或许是一种新型的创造性认知：先通过人工智能生成广度信息，再运用判断力探索这一空间。

与外化推理进行对话。写作让我们得以在纸上看到自己的想法。人工智能则让我们看到自己的推理被反馈和转化。我们可以提出论点，观察它以不同的方式重述，提出异议，并通过交流加以完善。这与独自修改作品或与他人辩论截然不同。人工智能没有利害关系，也没有防御心理。这里发展的能力或许是一种全新的对话式思考方式，它完全消除了他人自尊、防御心理或竞争性议程带来的摩擦，只留下推理本身作为唯一需要应对的因素。

快速迭代解决复杂问题。测试方法耗时越长，我们测试的方法就越少。如果一套方法论需要数周才能搭建完成，那么搭建过程本身就是一种投入。而如果同样的探索只需几分钟，我们就可以在尚未完全确定的情况下就开始尝试，将早期尝试视为信息而非最终成果。这样我们就能更快地发现错误，从中吸取教训，并再次尝试。这种能力培养的是一种更具探索性的方式来应对复杂问题：在尝试所有其他方法之前，先生成并测试各种方案，而不是先规划出一条固定的路径。

在这些变革中，得失总是相伴而生。口头诗人惊人的记忆力随着文字的出现而消逝，但文字也开启了代代相传、系统性地积累知识的时代。反复研读少数文本所建立的深刻熟悉感随着印刷术的出现而减弱，但印刷术也催生了新的个人推理方式。数字工具取代了我们曾经用来导航的空间记忆，但也以前所未有的规模开启了信息获取的途径。每项技术都使某些能力变得不再必要；随着这些能力的消逝，它们又被前人无法命名的事物所取代。在所有这些变革中，损失并非简单地累积。总有一些东西被释放出来，而填补这些空间的事物则重塑了人类思维的未来。

我们能塑造什么

大脑会根据我们反复做的事情进行重组。无论我们是否注意到这个过程，神经通路都会围绕那些成为习惯的行为而形成。历史上每一次认知转型都印证了这一点。手工抄写手稿的僧侣们培养了高度集中注意力的能力，而印刷术的出现最终使这种能力在文化上变得不再那么必要。放弃依靠心理地图导航而改用GPS的城市居民，随着时间的推移，他们在空间推理方面也发生了可衡量的变化。技术塑造认知并非通过一次剧烈的变革，而是通过人们日常行为的缓慢积累。曾经实践过的行为得以保留，而不再实践的行为则逐渐消逝。

被动适应和主动参与在内部感受上可能很相似，尤其是在工具实用且变化渐进的情况下。二者的区别在于，我们是否将自己的思考带入交流，还是仅仅接受交流的结果。这种区别在人工智能时代比以往的信息来源更为重要。书籍或文章是固定的；我们可以根据外部标准对其进行评估，并与其他来源进行比对。而人工智能信息源会对我们做出回应，并调整自身以显得可信且有用，这使得我们难以保持以往那种批判性的距离。评估工作必须来自交流本身：我们需要对问题进行充分思考，才能识别出好的答案，并注意到自己是否被引导到了意料之外的方向。建筑师浏览人工智能生成的各种方案，律师用人工智能检验自己的论点，他们都在这样做：他们带着清晰的意图参与互动，并根据自身实际需求评估每一个输出。他们思考与人工智能之间的界限仍然模糊，但哪些输出真正重要的判断权完全掌握在他们手中。

历史上每一项认知技术都产生了超出预期的能力，因为技术不仅改变了人们能做什么，也改变了他们思考做事的方式。我们现在正身处这一进程之中，这意味着我们无法预见它的全貌，正如最早的希腊人无法预见阅读最终会带来怎样的可能性一样。我们所能做的，是积极参与，在这些交流中提出真正的问题，并将我们自身的推理作为衡量反馈的标准。这一转变中涌现的能力，正是由这一点塑造的：并非由工具本身塑造，而是由我们运用工具时的思维质量塑造。

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