【摘要】人工智能的迅猛發(fā)展，給人類認(rèn)知發(fā)展帶來(lái)巨大機(jī)遇和挑戰(zhàn)。一方面，人工智能可能通過(guò)存在效應(yīng)、認(rèn)知外包、信息繭房等機(jī)制，削弱人類的注意與執(zhí)行功能、深度記憶與批判性思維；另一方面，若科學(xué)引導(dǎo)，人工智能可以成為提升人類認(rèn)知能力的強(qiáng)大工具。面對(duì)機(jī)遇和挑戰(zhàn)，應(yīng)構(gòu)建“可信任的按需學(xué)習(xí)生態(tài)”，以基于人腦規(guī)律的學(xué)習(xí)力培養(yǎng)為核心，減少人工智能“幻覺(jué)”、促進(jìn)知識(shí)建構(gòu)、訓(xùn)練認(rèn)知能力、優(yōu)化人機(jī)協(xié)同。實(shí)現(xiàn)這一目標(biāo)需要國(guó)家、企業(yè)、學(xué)校與家庭多層面協(xié)同，通過(guò)政策引導(dǎo)、技術(shù)設(shè)計(jì)、教育干預(yù)與評(píng)估改革，使人工智能真正成為增強(qiáng)而非替代人類智能的賦能工具。
【關(guān)鍵詞】人工智能 認(rèn)知外包 按需學(xué)習(xí) 學(xué)習(xí)力 腦科學(xué)
【中圖分類號(hào)】TP18/G521 【文獻(xiàn)標(biāo)識(shí)碼】A
【DOI】10.16619/j.cnki.rmltxsqy.2025.20.003
【作者簡(jiǎn)介】薛貴，北京師范大學(xué)認(rèn)知神經(jīng)科學(xué)與學(xué)習(xí)國(guó)家重點(diǎn)實(shí)驗(yàn)室教授。研究方向?yàn)槿祟悓W(xué)習(xí)和記憶的認(rèn)知和神經(jīng)機(jī)制，主要論文有《腦認(rèn)知科學(xué)和人工智能驅(qū)動(dòng)的未來(lái)教育變革》《Greater Neural Pattern Similarity Across Repetitions Is Associated with Better Memory》《From Remembering to Reconstruction: The Transformative Neural Representation of Episodic Memory》等。劉德建，北京師范大學(xué)智慧學(xué)習(xí)研究院聯(lián)席院長(zhǎng)，教授。研究方向?yàn)槿斯ぶ悄芘c大數(shù)據(jù)教育應(yīng)用、數(shù)字教育，主要論文有《智能技術(shù)賦能按需學(xué)習(xí)：理論進(jìn)路與要素表征》《Teaching with Robotics in Classroom》等。
前言
當(dāng)前，人工智能技術(shù)加速迭代演進(jìn)，正在深刻改變?nèi)祟惿a(chǎn)生活方式、重塑全球產(chǎn)業(yè)格局。[1]回溯技術(shù)演進(jìn)的漫長(zhǎng)歷程，生存環(huán)境的重大變遷和關(guān)鍵工具的發(fā)明普及，不僅是人類能力邊界的延伸，更是對(duì)人類自身的深刻塑造。這種塑造既體現(xiàn)在生理層面——如免疫系統(tǒng)應(yīng)對(duì)病原體的演化、直立行走對(duì)骨骼與手足形態(tài)的改變、精細(xì)工具的使用影響大腦體積和結(jié)構(gòu)的進(jìn)化，也體現(xiàn)在認(rèn)知層面——語(yǔ)言擴(kuò)展思維疆域、文字與閱讀改變視覺(jué)系統(tǒng)與注意力模式、數(shù)字環(huán)境引發(fā)國(guó)際學(xué)生能力評(píng)估計(jì)劃（PISA）的測(cè)試成績(jī)波動(dòng)。上述變化共同構(gòu)成技術(shù)與人類認(rèn)知協(xié)同演化的復(fù)雜圖景。
人工智能作為一種前所未有的強(qiáng)大“認(rèn)知工具”，其影響力遠(yuǎn)超前代。古往今來(lái)，很多技術(shù)都是“雙刃劍”，[2]人工智能亦非中性媒介，其應(yīng)用充滿潛力與風(fēng)險(xiǎn)。一方面，人工智能有望放大人類的智力效能，賦能創(chuàng)新；另一方面，若缺乏審慎地引導(dǎo)與治理，人工智能也可能系統(tǒng)改變我們的認(rèn)知習(xí)慣，對(duì)注意力、記憶、思維深度乃至創(chuàng)造力構(gòu)成潛在威脅。本文通過(guò)梳理認(rèn)知神經(jīng)科學(xué)與行為科學(xué)研究的最新證據(jù)，系統(tǒng)分析人工智能對(duì)人類核心認(rèn)知功能（特別是注意與執(zhí)行功能、記憶機(jī)制以及思維方式）帶來(lái)的深刻影響，并探討其內(nèi)在作用機(jī)制與行為后果，圍繞“興利除弊，促進(jìn)人類發(fā)展”這一目標(biāo)，提出科學(xué)使用智能工具的綜合治理策略。
智能社會(huì)的人類注意與執(zhí)行功能
在生成式人工智能與算法平臺(tái)深度介入個(gè)人信息獲取的場(chǎng)景下，人類的注意與執(zhí)行功能正面臨系統(tǒng)性重塑。人工智能并非憑空制造注意力問(wèn)題，而是作為“放大器”疊加并強(qiáng)化移動(dòng)互聯(lián)網(wǎng)時(shí)代注意分散與中斷的生態(tài)。同時(shí)，人工智能作為一種“認(rèn)知外包”工具，潛在改變個(gè)體在面對(duì)復(fù)雜任務(wù)時(shí)的認(rèn)知投入意愿與能力。這兩條路徑分別對(duì)應(yīng)著自下而上注意（bottom-up attention）所涉及的凸顯系統(tǒng)與獎(jiǎng)賞系統(tǒng)，以及自上而下注意（top-down attention）所涉及的目標(biāo)導(dǎo)向（goal directed）額頂執(zhí)行控制網(wǎng)絡(luò)。這兩條路徑共同構(gòu)成智能時(shí)代影響注意與執(zhí)行功能的核心機(jī)制。
長(zhǎng)期使用智能設(shè)備對(duì)大腦結(jié)構(gòu)和功能的影響。長(zhǎng)期使用智能設(shè)備，對(duì)個(gè)體的認(rèn)知、學(xué)業(yè)表現(xiàn)乃至神經(jīng)系統(tǒng)功能，都會(huì)造成顯著的影響。研究發(fā)現(xiàn)，重度媒體多任務(wù)者在過(guò)濾干擾、工作記憶與任務(wù)切換等方面表現(xiàn)出整體劣勢(shì)。[3]進(jìn)一步對(duì)執(zhí)行功能各個(gè)子成分的分析發(fā)現(xiàn)，抑制控制主要承受過(guò)濾無(wú)關(guān)通知與分心信息的持續(xù)壓力；工作記憶則易被“存在效應(yīng)”和頻繁的任務(wù)切換所消耗；認(rèn)知靈活性并未因“切換頻繁”而變得更強(qiáng)，反而體現(xiàn)出更高的任務(wù)切換成本。[4]
基于國(guó)際學(xué)生能力評(píng)估計(jì)劃（2022）的跨國(guó)數(shù)據(jù)顯示，課堂內(nèi)的數(shù)字設(shè)備分心與數(shù)學(xué)成績(jī)之間存在顯著負(fù)相關(guān)。值得注意的是，即使學(xué)校實(shí)行手機(jī)禁令，仍有相當(dāng)比例的學(xué)生報(bào)告在多數(shù)甚至每節(jié)課上都受到設(shè)備干擾，這凸顯制度執(zhí)行與有效課堂設(shè)計(jì)的重要性。[5]還有研究發(fā)現(xiàn)，重度媒體多任務(wù)行為者的大腦額葉區(qū)域呈現(xiàn)出“更高但低效”的激活模式。[6]結(jié)構(gòu)影像學(xué)進(jìn)一步顯示，這類人群的前扣帶回灰質(zhì)密度較小，且與頂葉的功能連接降低。[7]
在極端情況下，問(wèn)題性手機(jī)和網(wǎng)絡(luò)使用會(huì)發(fā)展成網(wǎng)絡(luò)成癮，并影響大腦的結(jié)構(gòu)與功能。影像學(xué)研究揭示，互聯(lián)網(wǎng)或游戲障礙人群存在前額葉-紋狀體環(huán)路的功能失衡及多巴胺系統(tǒng)調(diào)節(jié)異常，這與自我控制能力受損的臨床表現(xiàn)相呼應(yīng)。[8]
智能設(shè)備影響注意與執(zhí)行功能的機(jī)制。已有研究發(fā)現(xiàn)，智能設(shè)備使用可能通過(guò)多種機(jī)制影響個(gè)體的注意與執(zhí)行功能，包括智能設(shè)備對(duì)個(gè)體注意資源的爭(zhēng)奪與干擾，長(zhǎng)期注意力競(jìng)爭(zhēng)對(duì)自上而下注意控制的破壞，以及認(rèn)知外包對(duì)注意投放模式的改變。
首先，智能算法對(duì)自下而上注意的劫持。智能設(shè)備中各類信息、短視頻和游戲?qū)θ司哂休^強(qiáng)的吸引力，而基于人腦獎(jiǎng)勵(lì)機(jī)制設(shè)計(jì)的個(gè)性化推薦算法能夠加劇這種吸引力，形成對(duì)注意力的強(qiáng)效“劫持”。推薦信息流與短視頻平臺(tái)普遍利用個(gè)人的興趣愛(ài)好以及可變比率獎(jiǎng)勵(lì)模式（variable-ratio schedule），維持用戶的高反應(yīng)率與使用粘性。這種機(jī)制可以放大外部刺激對(duì)“自下而上注意系統(tǒng)”的爭(zhēng)奪，使執(zhí)行功能本就相對(duì)脆弱的群體（如青少年、注意力缺陷與多動(dòng)障礙個(gè)體）更易在算法構(gòu)建的“注意力陷阱”中走向過(guò)度使用乃至成癮的結(jié)局。
其次，智能設(shè)備對(duì)自上而下注意的破壞。智能環(huán)境對(duì)注意功能的影響，還體現(xiàn)為看似微不足道但持續(xù)高頻的干擾。研究表明，即便不主動(dòng)操作電子設(shè)備，其在場(chǎng)本身也會(huì)占用有限的認(rèn)知資源，導(dǎo)致工作記憶與流體智力表現(xiàn)下降，這被稱為“存在效應(yīng)”（Presence Effect）。[9]比如，手機(jī)鈴聲或震動(dòng)的提示，即使不查看具體內(nèi)容，也足以顯著拉低任務(wù)反應(yīng)速度與準(zhǔn)確度，其干擾程度接近實(shí)際使用手機(jī)。單次干擾的認(rèn)知成本雖小，但高頻累積會(huì)對(duì)深度思考所需的認(rèn)知基礎(chǔ)造成系統(tǒng)性侵蝕。這種干擾的持續(xù)存在，則會(huì)削弱自上而下認(rèn)知控制能力，最終形成“越被干擾越難專注，越難專注越易被干擾”的惡性循環(huán)。
再次，認(rèn)知外包改變注意資源投入策略。除了傳統(tǒng)的“分心／中斷”機(jī)制，生成式人工智能通過(guò)外包任務(wù)產(chǎn)出流程，影響個(gè)體在其中的注意投入。有研究指出，將記憶、信息檢索乃至部分決策任務(wù)交給人工智能，雖在短期內(nèi)能夠提升效率，但長(zhǎng)期可能削弱這些認(rèn)知能力本身，這種現(xiàn)象被稱為“認(rèn)知外包”（Cognitive Offloading）。[10]麻省理工學(xué)院媒體實(shí)驗(yàn)室的一項(xiàng)研究發(fā)現(xiàn)，在使用大語(yǔ)言模型輔助寫(xiě)作時(shí)，參與者大腦在α/β頻段的神經(jīng)連接性相較于無(wú)工具或搜索引擎條件有所下降，作者將其解讀為一種“較低認(rèn)知投入”的神經(jīng)活動(dòng)模式。[11]由此可見(jiàn)，認(rèn)知外包的核心影響在于提高個(gè)體認(rèn)知資源動(dòng)員的閾值，從而降低個(gè)體在復(fù)雜任務(wù)中自發(fā)投入認(rèn)知努力的程度。
利用智能設(shè)備干預(yù)注意與執(zhí)行功能。智能設(shè)備的使用雖然潛藏上述風(fēng)險(xiǎn)，但這并不意味著我們應(yīng)全然摒棄技術(shù)。相反，轉(zhuǎn)變技術(shù)使用邏輯和模式，智能設(shè)備也能成為解決問(wèn)題的鑰匙。智能設(shè)備的使用對(duì)人類注意和執(zhí)行功能的影響，取決于人類對(duì)其的使用方法。需要強(qiáng)調(diào)的是，上述發(fā)現(xiàn)并不意味著“一般性的技術(shù)使用必然導(dǎo)致神經(jīng)功能下調(diào)”，相關(guān)風(fēng)險(xiǎn)主要集中于問(wèn)題化使用或成癮性使用人群。另外，通過(guò)改變使用方式，比如，用批量處理或定時(shí)窗口取代“隨到隨響”的通知模式，并在進(jìn)行高價(jià)值任務(wù)時(shí)將設(shè)備移出視線范圍、降低推送的干擾，被證明能為個(gè)體創(chuàng)造更利于專注的外部環(huán)境，并有效減少抑制控制的持續(xù)消耗。[12]
更重要的是，研究可以充分利用短視頻和游戲?qū)ψ⒁饬Φ奈?，開(kāi)發(fā)更易被接受的認(rèn)知干預(yù)工具，以提升學(xué)習(xí)者的注意與執(zhí)行功能。研究表明，基于計(jì)算機(jī)和游戲化機(jī)制的認(rèn)知訓(xùn)練，可以有效提升兒童的注意與執(zhí)行功能，并具有較高的接受度與可操作性。[13]例如，數(shù)字療法“EndeavorRx（AKL-T01）”作為一款游戲化認(rèn)知訓(xùn)練軟件，其有效性已獲得多中心隨機(jī)對(duì)照試驗(yàn)的支持，研究證實(shí)其能顯著改善注意缺陷與多動(dòng)障礙兒童的客觀注意指標(biāo)，并因此獲得美國(guó)食品藥品監(jiān)督管理局的處方批準(zhǔn)，可用于8-12歲患者的治療。[14]面向健康成人的自適應(yīng)訓(xùn)練也能提升持續(xù)注意和工作記憶。這些游戲化的干預(yù)方式與行為管理策略及環(huán)境支持系統(tǒng)協(xié)同實(shí)施，可以取得更顯著、更持久和更泛化的效果，實(shí)現(xiàn)技術(shù)對(duì)認(rèn)知功能的正向賦能。
智能社會(huì)的人類記憶協(xié)作、破壞與提升
隨著生成式人工智能深度介入學(xué)習(xí)生態(tài)，“記憶”正在被重新定義。人腦記憶具有意圖指向性、知識(shí)建構(gòu)性、情景依賴性、容量有限性、獲得漸進(jìn)性和動(dòng)態(tài)遺忘性等特征；人工智能“記憶”則呈現(xiàn)出高容量、外部化、可精準(zhǔn)檢索、近乎無(wú)衰減等特征。需要注意的是，大模型的記憶也存在顯著的失真現(xiàn)象。有學(xué)者提出跨學(xué)科框架，將人類的多種記憶類型（如工作記憶、語(yǔ)義記憶、情節(jié)記憶、程序性記憶等）與大型語(yǔ)言模型時(shí)代的人工智能記憶機(jī)制進(jìn)行類比映射：例如，將工作記憶對(duì)應(yīng)上下文窗口與緩存機(jī)制，長(zhǎng)期語(yǔ)義與情節(jié)記憶對(duì)應(yīng)參數(shù)化知識(shí)與外部記憶庫(kù)，程序性記憶對(duì)應(yīng)模型的參數(shù)更新與任務(wù)習(xí)得。[15]人類記憶強(qiáng)調(diào)意義建構(gòu)與情境依賴，而人工智能記憶更偏向符號(hào)存儲(chǔ)與檢索優(yōu)化。二者在機(jī)制上存在的本質(zhì)差異，為人與智能工具的互補(bǔ)和協(xié)作創(chuàng)造巨大空間。雖然智能體對(duì)個(gè)體的記憶能力有潛在破壞作用，但如果妥善使用，也可以釋放個(gè)體的記憶資源，并促進(jìn)個(gè)體在目標(biāo)領(lǐng)域的知識(shí)建構(gòu)和長(zhǎng)期記憶形成。
人腦與智能體的交易式記憶協(xié)作。從機(jī)制上看，人類記憶強(qiáng)調(diào)意義建構(gòu)與情境依賴，受到注意、動(dòng)機(jī)和情境的顯著調(diào)控；人工智能記憶則更偏向符號(hào)存儲(chǔ)與檢索優(yōu)化，高度依賴外部載體與算法更新。這一差異為“交易式記憶協(xié)作”提供很好的基礎(chǔ)。
內(nèi)容上，人腦和人工智能分別適合記住不同的材料。人腦需要記住的知識(shí)應(yīng)具備以下至少一項(xiàng)特征：屬于自己的專長(zhǎng)和創(chuàng)新領(lǐng)域、需要高頻自動(dòng)化使用、處于關(guān)鍵決策節(jié)點(diǎn)、需要在斷網(wǎng)或高壓下調(diào)用。具體包括：學(xué)科基本概念與方法論，這是具有高價(jià)值、高可用性和高遷移性的核心知識(shí)，也是發(fā)展個(gè)體專長(zhǎng)和創(chuàng)新的基礎(chǔ)；程序性知識(shí)與心智模型，即在日常情境下需高效即刻調(diào)用的技能與決策框架；元認(rèn)知規(guī)則，即關(guān)于何時(shí)信任人工智能檢索、何時(shí)需要停用外包進(jìn)行自主思考的判準(zhǔn)。相反，一些碎片化、低頻率、非自動(dòng)化和緊急性的知識(shí)存儲(chǔ)，比如，電話號(hào)碼、購(gòu)物清單、旅游路線、偶發(fā)事件處理方式等則可以外包。因此，有必要區(qū)分“必須由個(gè)體掌握的核心知識(shí)”與“可由人工智能輔助存儲(chǔ)的碎片知識(shí)”。[16]
記憶分工上，人類傾向于記憶“誰(shuí)知道”或“哪里可以找到”的信息，而非信息本身，即當(dāng)個(gè)體知道信息可以隨時(shí)通過(guò)網(wǎng)絡(luò)檢索時(shí)，會(huì)更傾向于記住信息的存儲(chǔ)位置而非其具體內(nèi)容。這種基于人腦記住索引、人工智能記住內(nèi)容的分工模式，在記憶擴(kuò)展上具有重要的價(jià)值。
記憶協(xié)作上，人類更擅長(zhǎng)意義建構(gòu)與意圖主導(dǎo)，人工智能則更擅長(zhǎng)內(nèi)容提供以及實(shí)施執(zhí)行。比如，在文章寫(xiě)作中，人工智能可以協(xié)助收集資料素材，人類更加擅長(zhǎng)整理分析，特別是具有高度專業(yè)性和創(chuàng)新性的分析和整理。另外，在一些前瞻性的記憶任務(wù)中，人類負(fù)責(zé)意圖和制定規(guī)劃，而將具體的提醒與提取任務(wù)外包給設(shè)備，可帶來(lái)顯著的功能性增益。考慮到前瞻記憶（如記住未來(lái)的計(jì)劃）是老年人常見(jiàn)的認(rèn)知薄弱環(huán)節(jié)，這種互補(bǔ)機(jī)制在老年認(rèn)知支持方面前景廣闊。
智能體的非科學(xué)使用對(duì)記憶的破壞作用。當(dāng)記憶功能過(guò)度外包給人工智能時(shí)，可能對(duì)內(nèi)在記憶能力產(chǎn)生一系列影響，但其效應(yīng)大小和普遍性受到很多復(fù)雜因素的影響。
心理學(xué)研究的一個(gè)典型發(fā)現(xiàn)是拍照效應(yīng)（photo-taking impairment）：通過(guò)拍照記錄體驗(yàn)，會(huì)降低對(duì)記錄對(duì)象本身的后繼記憶準(zhǔn)確性。心理學(xué)與認(rèn)知科學(xué)證據(jù)表明，拍照效應(yīng)主要由注意分配與編碼方式驅(qū)動(dòng)：在拍攝時(shí)，個(gè)體把部分認(rèn)知資源轉(zhuǎn)移到取景—構(gòu)圖—操作上，導(dǎo)致對(duì)目標(biāo)事物的精細(xì)編碼變淺，從而在后測(cè)中對(duì)于對(duì)象與細(xì)節(jié)的記憶變差。當(dāng)拍攝行為本身促使注意更聚焦（如對(duì)局部細(xì)節(jié)進(jìn)行放大或變焦）時(shí)，記憶損傷可以顯著減弱甚至消失。即便不保留照片，只要經(jīng)歷了拍攝動(dòng)作，記憶下降依舊會(huì)出現(xiàn)，這提示記憶不足的關(guān)鍵并非“存儲(chǔ)外包”，而是注意—編碼的脫離。此外，自主性拍攝與拍攝意圖也會(huì)調(diào)節(jié)記憶后果：允許自由拍攝并聚焦視覺(jué)信息時(shí)，視覺(jué)信息的識(shí)記可能上升，但往往伴隨聽(tīng)覺(jué)或語(yǔ)義層的代價(jià)。這些發(fā)現(xiàn)共同說(shuō)明，拍照可能削弱或重新定向記憶，關(guān)鍵在于注意如何被“引導(dǎo)與再投入”。
空間記憶領(lǐng)域會(huì)出現(xiàn)導(dǎo)航效應(yīng)，長(zhǎng)期依賴逐向?qū)Ш街噶?，?huì)削弱個(gè)體構(gòu)建內(nèi)在認(rèn)知地圖的能力。研究表明，倫敦出租車司機(jī)的海馬體積顯著大于普通人，[17]說(shuō)明長(zhǎng)期心理的空間導(dǎo)航對(duì)空間能力有促進(jìn)作用。相反，使用GPS導(dǎo)航雖最省時(shí)，但使用者在事后繪制草圖或從新起點(diǎn)規(guī)劃路線的能力更差，神經(jīng)與行為證據(jù)也支持“被動(dòng)導(dǎo)航導(dǎo)致認(rèn)知地圖質(zhì)量下降”的結(jié)論。[18]這反映出“依賴海馬體的主動(dòng)建構(gòu)性學(xué)習(xí)”與“依賴紋狀體的刺激－反應(yīng)習(xí)慣”之間的策略分工，長(zhǎng)期偏重后者會(huì)導(dǎo)致空間知識(shí)表征變淺。
使用人工智能進(jìn)行創(chuàng)作，會(huì)降低個(gè)體對(duì)作業(yè)材料的記憶效果。近年來(lái)，學(xué)界開(kāi)始關(guān)注生成式人工智能在學(xué)習(xí)與寫(xiě)作過(guò)程中潛在的“認(rèn)知副作用”。實(shí)證研究表明，人工智能輔助創(chuàng)作往往伴隨較低的認(rèn)知投入和記憶保持效果。例如，麻省理工學(xué)院媒體實(shí)驗(yàn)室的一項(xiàng)研究發(fā)現(xiàn)，在寫(xiě)作任務(wù)中使用大語(yǔ)言模型（LLM）輔助的參與者，完成寫(xiě)作后對(duì)所寫(xiě)內(nèi)容的回憶正確率大幅低于自主寫(xiě)作或搜索引擎輔助條件。[19]類似地，教育心理學(xué)領(lǐng)域的分析也指出，人工智能工具的使用雖然可能通過(guò)“認(rèn)知卸載”（cognitive offloading）降低對(duì)材料的深度加工，短期內(nèi)提升任務(wù)表現(xiàn)，但會(huì)削弱對(duì)內(nèi)容的內(nèi)部記憶表征。[20]由此，有學(xué)者提出“人工智能教育的認(rèn)知悖論”：一方面，人工智能可提供效率與個(gè)性化支持，另一方面，過(guò)度依賴人工智能可能侵蝕學(xué)習(xí)者的長(zhǎng)時(shí)記憶與遷移能力。[21]
不過(guò)，也有研究提示，這種負(fù)效應(yīng)可能取決于使用方式與任務(wù)情境。例如，一項(xiàng)預(yù)注冊(cè)實(shí)驗(yàn)顯示，當(dāng)學(xué)習(xí)者在寫(xiě)作訓(xùn)練中使用人工智能輔助并保持積極參與時(shí)，其次日的寫(xiě)作測(cè)試成績(jī)反而優(yōu)于完全自主寫(xiě)作組。[22]這意味著，人工智能使用是否損害記憶并非絕對(duì)，而是受到“被動(dòng)依賴”與“主動(dòng)利用”調(diào)節(jié)的影響。
總體來(lái)看，當(dāng)前證據(jù)支持一種更為復(fù)雜的結(jié)論：人工智能輔助創(chuàng)作在被動(dòng)接受情境下，可能弱化記憶效果，但在經(jīng)過(guò)設(shè)計(jì)的教育實(shí)踐中，其負(fù)面影響有望通過(guò)強(qiáng)化深度加工與主動(dòng)參與得到緩解。
利用智能體促進(jìn)知識(shí)建構(gòu)和長(zhǎng)期記憶?？茖W(xué)地利用人工智能可以有效促進(jìn)記憶，關(guān)鍵在于使人工智能與經(jīng)過(guò)驗(yàn)證的學(xué)習(xí)原理相契合。比如，讓人工智能充當(dāng)間隔計(jì)劃器，根據(jù)遺忘曲線（如復(fù)習(xí)間隔設(shè)定為目標(biāo)保持期的10%～20%）規(guī)劃復(fù)習(xí)節(jié)點(diǎn)，并推送即測(cè)型檢索練習(xí)。大量腦成像研究表明，間隔學(xué)習(xí)（spaced learning）能夠顯著增強(qiáng)長(zhǎng)期記憶保持效果。研究發(fā)現(xiàn)，間隔學(xué)習(xí)通過(guò)減少神經(jīng)重復(fù)抑制，使得刺激的重復(fù)呈現(xiàn)仍能激活梭狀回等編碼相關(guān)腦區(qū)，從而提高識(shí)別記憶表現(xiàn)。[23]相關(guān)同步腦電-功能磁共振（EEG-fMRI）平行研究表明，間隔學(xué)習(xí)能夠降低短時(shí)提取強(qiáng)度，并增強(qiáng)存儲(chǔ)強(qiáng)度，即在學(xué)習(xí)階段激活更多與后續(xù)記憶相關(guān)的腦區(qū)。[24]有學(xué)者指出，間隔學(xué)習(xí)顯著提升跨重復(fù)的神經(jīng)模式相似性，這種更穩(wěn)定的表征重建可以直接預(yù)測(cè)更好的后續(xù)記憶表現(xiàn)，從而提高記憶力。[25]另外，以人工智能作為智能出題機(jī)，生成跨情境、分層級(jí)的測(cè)試題目，利用“測(cè)試效應(yīng)”能夠促進(jìn)長(zhǎng)時(shí)記憶保持。還可以指示人工智能打亂題型和情境，促進(jìn)交錯(cuò)與變式練習(xí)，從而削弱知識(shí)提取對(duì)特定線索的依賴，提升記憶效果和遷移能力。
研究表明，人工智能可以作為一種自適應(yīng)的“認(rèn)知腳手架”，通過(guò)動(dòng)態(tài)調(diào)整提示方式和強(qiáng)度，來(lái)促進(jìn)學(xué)習(xí)者主動(dòng)知識(shí)建構(gòu)。已有研究指出，人工智能驅(qū)動(dòng)的“腳手架”正從靜態(tài)提示向漸隱式（fading）和自適配支持演進(jìn)，這是未來(lái)教育技術(shù)的重要方向。[26]在理論層面，有學(xué)者提出基于大型語(yǔ)言模型的自適應(yīng)腳手架框架，結(jié)合認(rèn)知科學(xué)設(shè)計(jì)原則，可以使人工智能在不同學(xué)習(xí)階段提供恰當(dāng)?shù)奶崾?。[27]實(shí)證研究顯示，在醫(yī)學(xué)模擬和學(xué)習(xí)系統(tǒng)中，自適應(yīng)腳手架比固定腳手架更能提升表現(xiàn)、減輕認(rèn)知負(fù)荷并促進(jìn)長(zhǎng)期保持。[28]此外，人工智能元提示（meta prompting）和蘇格拉底式提問(wèn)等方式，被證明能避免學(xué)習(xí)者被動(dòng)接收信息，同時(shí)通過(guò)重述、重構(gòu)與追問(wèn)加深理解。[29]在低水平學(xué)習(xí)者中，人工智能提供提綱、示例與結(jié)構(gòu)化支持可有效降低學(xué)習(xí)門檻；在高水平學(xué)習(xí)者中，則應(yīng)優(yōu)先采用蘇格拉底式追問(wèn)，以防止“努力替代效應(yīng)”。對(duì)于老年用戶，人工智能更適合承擔(dān)提醒、事務(wù)性導(dǎo)航、藥物管理等高負(fù)荷任務(wù)，而將意義建構(gòu)與情感互動(dòng)保留在人機(jī)之外，以保障認(rèn)知與情感的平衡。因此，人工智能若能在交互中融入漸隱式引導(dǎo)、關(guān)系性提示、路線復(fù)述與自適應(yīng)指令調(diào)節(jié)等機(jī)制，便可成為真正適配個(gè)體差異的認(rèn)知腳手架，不斷提升個(gè)體的主動(dòng)學(xué)習(xí)與知識(shí)建構(gòu)能力。
智能社會(huì)的思維約束與重塑
在生成式人工智能與算法平臺(tái)深度介入的信息生態(tài)中，人類的思維模式正被系統(tǒng)性重塑。人工智能既能作為思維的“放大器”，也可能無(wú)意間成為“限制器”，其影響主要體現(xiàn)在信息結(jié)構(gòu)、批判思維與創(chuàng)造能力三個(gè)層面。
信息繭房：算法窄化與個(gè)體選擇的合力。人工智能驅(qū)動(dòng)的個(gè)性化推薦系統(tǒng)，旨在提升用戶體驗(yàn)和信息獲取效率，但其核心機(jī)制也可能導(dǎo)致“過(guò)濾氣泡”（Filter Bubble）或“信息繭房”（Information Cocoons）的形成。算法會(huì)根據(jù)用戶的歷史行為篩選并推送其可能偏好的內(nèi)容，這在無(wú)形中減少用戶接觸與自身觀點(diǎn)相悖信息的機(jī)會(huì)。近期的研究證實(shí)并深化這一觀點(diǎn)。針對(duì)短視頻平臺(tái)的數(shù)據(jù)分析發(fā)現(xiàn)，用戶的興趣暴露范圍會(huì)隨著使用時(shí)間的增加而逐漸收窄，尤其是在更深層次的內(nèi)容子類別上，表現(xiàn)出顯著的同質(zhì)化傾向，形成“深度過(guò)濾氣泡”。[30]
然而，信息繭房的形成并非完全由算法決定，用戶的個(gè)人選擇在其中發(fā)揮重要作用。一項(xiàng)針對(duì)Facebook用戶的研究發(fā)現(xiàn)，盡管算法排序會(huì)減少跨立場(chǎng)內(nèi)容的曝光度，但用戶自身的主動(dòng)點(diǎn)擊行為，通常比算法本身造成更強(qiáng)的收窄效應(yīng)。[31]這意味著，算法與人類選擇的共同作用，加劇認(rèn)知視野的窄化與偏見(jiàn)的固化。這種長(zhǎng)期暴露于同質(zhì)化信息環(huán)境的模式，會(huì)削弱個(gè)體兼容并整合復(fù)雜信息的能力。
批判思維：提高效率與降低深度的權(quán)衡。人工智能工具，特別是生成式人工智能，通過(guò)提供即時(shí)、原有的答案，能極大提升信息處理的效率。然而，這種便利性可能以犧牲思維深度為代價(jià)。有學(xué)者指出，互聯(lián)網(wǎng)鼓勵(lì)快速、多任務(wù)的淺層信息瀏覽，而非傳統(tǒng)閱讀所培養(yǎng)的專注、深入的思考。[32]生成式人工智能無(wú)疑將加劇這一趨勢(shì)，用戶傾向于直接接受人工智能提供的答案，從而跳過(guò)自行搜集、評(píng)估、綜合信息的完整過(guò)程——而這正是批判性思維訓(xùn)練的核心環(huán)節(jié)。
相關(guān)研究表明，用戶對(duì)人工智能的信任度越高，其投入的認(rèn)知努力就越少，而學(xué)習(xí)者對(duì)任務(wù)的自信心則能在一定程度上緩沖這種依賴。[33]研究發(fā)現(xiàn)，受教育水平較高的人往往能以批判性和選擇性的方式使用人工智能，而年輕人更容易輕信，因而更易受到負(fù)面影響。此外，對(duì)人工智能的過(guò)度依賴還可能引發(fā)“解釋深度錯(cuò)覺(jué)”（illusion of explanatory depth），即用戶因?yàn)槟茌p易找到答案而高估自己對(duì)該問(wèn)題的真實(shí)理解水平。加工深度和批判思維的缺失，在人工智能本身存在“幻覺(jué)”（hallucination）的情況下（即生成看似合理但與事實(shí)不符的內(nèi)容）變得尤為嚴(yán)重。不可靠的人工智能輸出不僅會(huì)誤導(dǎo)用戶，還可能損害其元認(rèn)知判斷能力。
創(chuàng)造能力：個(gè)體賦能與群體同質(zhì)化的悖論。關(guān)于人工智能本身是否具備真正的創(chuàng)造力，哲學(xué)和認(rèn)知科學(xué)領(lǐng)域仍在持續(xù)探討。但從應(yīng)用角度看，關(guān)鍵在于如何使用人工智能來(lái)提升創(chuàng)新成果。研究指出，人工智能增強(qiáng)創(chuàng)造力的核心并非僅僅是生成想法，而是通過(guò)迭代的互動(dòng)來(lái)發(fā)展和完善想法，從而提升創(chuàng)意的全面性。[34]另外，人工智能可以顯著增強(qiáng)批判性思維，批判性思維又能夠促進(jìn)創(chuàng)造力的提升。然而，這一作用鏈條并非自動(dòng)實(shí)現(xiàn)，而取決于若干條件：人工智能需作為互動(dòng)性與探究性的伙伴，而非答案提供者；學(xué)習(xí)者須具備一定的知識(shí)與元認(rèn)知能力，以避免依賴性效應(yīng)；任務(wù)應(yīng)具有開(kāi)放性和論證性，以引導(dǎo)深度思考；教師或人工智能需提供適當(dāng)?shù)闹Ъ芘c追問(wèn)。唯有在這些條件下，人工智能才能真正成為批判性思維與創(chuàng)造力的催化劑。
人工智能對(duì)創(chuàng)造力的影響呈現(xiàn)出一種復(fù)雜的二元性。一方面，人工智能可以成為個(gè)人創(chuàng)造力的強(qiáng)大“杠桿”，快速生成大量創(chuàng)意原型和替代方案，充當(dāng)靈感催化劑，顯著提升個(gè)體產(chǎn)出。研究證實(shí)，接觸人工智能后生成的個(gè)體創(chuàng)意產(chǎn)出，會(huì)得到“更有創(chuàng)意、更優(yōu)質(zhì)”的評(píng)價(jià)，這種提升效果在創(chuàng)造力基線較低的個(gè)體上尤為明顯。[35]在組織層面，人工智能能力也被證實(shí)對(duì)組織創(chuàng)造力和創(chuàng)新有顯著的積極影響。[36]
另一方面，個(gè)體層面的創(chuàng)造力提升，可能以犧牲群體的創(chuàng)意多樣性為代價(jià)。人工智能的“創(chuàng)造”本質(zhì)上基于其訓(xùn)練數(shù)據(jù)的重組與優(yōu)化，這決定著其難以產(chǎn)生真正突破框架的顛覆性思想，這將降低整個(gè)創(chuàng)意生態(tài)的活力。當(dāng)所有人都使用相似的人工智能工具進(jìn)行創(chuàng)作時(shí)，產(chǎn)出的內(nèi)容在主題和模式上可能趨于同質(zhì)化。因此，盡管人工智能輔助下的頭腦風(fēng)暴能提高單個(gè)創(chuàng)意的平均質(zhì)量，但創(chuàng)意集合的整體多樣性卻顯著下降。
治理建議：構(gòu)建可信任的按需學(xué)習(xí)生態(tài)
為應(yīng)對(duì)人工智能給人類認(rèn)知帶來(lái)的挑戰(zhàn)并善用其潛力，應(yīng)構(gòu)建一個(gè)以學(xué)習(xí)者為中心、多層次協(xié)同的治理框架。其核心目標(biāo)是構(gòu)建一個(gè)可信任的按需學(xué)習(xí)生態(tài)，確保人工智能作為增強(qiáng)而非替代人類智能的工具。
可信任的按需學(xué)習(xí)生態(tài)的關(guān)鍵特征。按需學(xué)習(xí)是指學(xué)習(xí)者在自然情境中，根據(jù)多樣化的學(xué)習(xí)需求，滿足多層次的學(xué)習(xí)目標(biāo)進(jìn)階要求，以智能技術(shù)促進(jìn)有效連接教學(xué)資源、環(huán)境與服務(wù)的一種學(xué)習(xí)范式。[37]在學(xué)習(xí)內(nèi)容上，強(qiáng)調(diào)圍繞核心素養(yǎng)、學(xué)業(yè)成就、職業(yè)取向、就業(yè)結(jié)構(gòu)“按需”學(xué)習(xí)；在學(xué)習(xí)環(huán)境上，注重物理空間與信息空間、虛擬空間的融合，實(shí)現(xiàn)對(duì)真實(shí)場(chǎng)景的模擬以及對(duì)學(xué)習(xí)者學(xué)習(xí)狀態(tài)和需求的全方位技術(shù)和數(shù)據(jù)支持；在學(xué)習(xí)方式上，按照學(xué)習(xí)者的認(rèn)知需求，提供個(gè)性化的交互引導(dǎo)，實(shí)現(xiàn)知識(shí)的積極主動(dòng)深度建構(gòu)，而非被動(dòng)學(xué)習(xí)或者認(rèn)知外包?？梢钥吹?，按需學(xué)習(xí)可以激發(fā)學(xué)習(xí)動(dòng)機(jī)、提高學(xué)習(xí)效率、提升學(xué)習(xí)深度、避免“過(guò)度教育”及“學(xué)業(yè)過(guò)剩”的陷阱，推動(dòng)學(xué)習(xí)目標(biāo)從追求標(biāo)準(zhǔn)答案和高分，轉(zhuǎn)向核心素養(yǎng)培養(yǎng)和高階能力訓(xùn)練。
在內(nèi)容上，增加知識(shí)豐富性、減少人工智能“幻覺(jué)”，構(gòu)建基于專家知識(shí)的內(nèi)容體系。人工智能工具雖然能為大規(guī)模高質(zhì)量的學(xué)習(xí)內(nèi)容生成提供可能，但學(xué)習(xí)型人工智能工具的高可信度是其有效應(yīng)用的前提。當(dāng)前，生成式人工智能普遍存在的“幻覺(jué)”問(wèn)題，成為構(gòu)建信任學(xué)習(xí)框架的主要障礙。為解決此問(wèn)題，在人工智能工具的開(kāi)發(fā)中，必須引入經(jīng)過(guò)嚴(yán)格驗(yàn)證的專家知識(shí)體系，以作為內(nèi)容生成和事實(shí)核查的基準(zhǔn)。將人工智能的多模態(tài)內(nèi)容生成能力與結(jié)構(gòu)化、高質(zhì)量的知識(shí)庫(kù)相結(jié)合，可以顯著降低信息錯(cuò)誤的風(fēng)險(xiǎn)，為學(xué)習(xí)者提供一個(gè)更可靠、更值得信賴的信息來(lái)源，這是實(shí)現(xiàn)“按需學(xué)習(xí)”的基礎(chǔ)。
在方法上，促進(jìn)人類知識(shí)建構(gòu)。對(duì)抗認(rèn)知外包的核心在于強(qiáng)化學(xué)習(xí)者內(nèi)在知識(shí)體系的構(gòu)建。人工智能時(shí)代的教育不應(yīng)放棄對(duì)知識(shí)掌握的要求，而應(yīng)利用認(rèn)知科學(xué)的成果，推廣有效的學(xué)習(xí)策略，促進(jìn)知識(shí)體系的構(gòu)建，提高自動(dòng)化水平和遷移能力。上文提到的很多利用人工智能提升記憶的策略都可以成為參考。另外，人工智能應(yīng)用的普及，要求教育的核心目標(biāo)從知識(shí)傳遞轉(zhuǎn)向高階思維能力的培養(yǎng)，從而幫助學(xué)習(xí)者構(gòu)建真實(shí)、創(chuàng)新的知識(shí)體系。評(píng)估體系中，應(yīng)重點(diǎn)從考核靜態(tài)的知識(shí)記憶，轉(zhuǎn)向評(píng)估學(xué)生利用人工智能作為工具進(jìn)行信息整合、復(fù)雜問(wèn)題解決和創(chuàng)新性輸出的動(dòng)態(tài)過(guò)程。
在過(guò)程上，保護(hù)與鍛煉注意、記憶、思維和執(zhí)行功能，系統(tǒng)性提升學(xué)習(xí)者認(rèn)知能力。在可信任的按需學(xué)習(xí)系統(tǒng)中，我們必須保證學(xué)習(xí)所必需的認(rèn)知資源，并創(chuàng)設(shè)適度的任務(wù)訓(xùn)練，注重提升這些認(rèn)知能力。通過(guò)系統(tǒng)性的環(huán)境優(yōu)化和工具設(shè)計(jì)，為學(xué)習(xí)者創(chuàng)造一個(gè)有利于深度投入和認(rèn)知能力發(fā)展的環(huán)境。重塑思維模式與評(píng)估體系，識(shí)別人工智能潛在的邏輯謬誤與偏見(jiàn)，激發(fā)深度思考的“真問(wèn)題”，加強(qiáng)元認(rèn)知訓(xùn)練，引導(dǎo)學(xué)生“思考自己的思考過(guò)程”，有意識(shí)地反思何時(shí)、為何以及如何使用人工智能，避免陷入“元認(rèn)知懶惰”。
在系統(tǒng)上，優(yōu)化人機(jī)協(xié)同機(jī)制，發(fā)揮互補(bǔ)優(yōu)勢(shì)。人機(jī)協(xié)同的有效性高度依賴任務(wù)類型和應(yīng)用場(chǎng)景。一項(xiàng)系統(tǒng)性的元分析研究指出，人機(jī)組合并非總是最優(yōu)解：在需要明確規(guī)則和數(shù)據(jù)分析的決策類任務(wù)中，人類易過(guò)度依賴人工智能，當(dāng)人工智能存在偏差時(shí)，組合表現(xiàn)甚至劣于人類獨(dú)立決策；相反，在創(chuàng)作類任務(wù)中，人工智能可以有效激發(fā)靈感、拓展思路，人機(jī)協(xié)同更容易實(shí)現(xiàn)增益。[38]因此，可信任的按需學(xué)習(xí)系統(tǒng)，應(yīng)該根據(jù)學(xué)習(xí)目標(biāo)來(lái)界定人工智能的適用范圍：對(duì)于底層知識(shí)的記憶和理解，應(yīng)鼓勵(lì)學(xué)習(xí)者獨(dú)立完成；對(duì)于需要發(fā)散性思維和創(chuàng)造性整合的任務(wù)，則可將人工智能作為輔助工具。
多層次合力構(gòu)建可信任的按需學(xué)習(xí)生態(tài)。構(gòu)建可信任的按需學(xué)習(xí)生態(tài)，并非單一主體能夠完成，需要形成“國(guó)家宏觀治理－企業(yè)平臺(tái)賦能－學(xué)校與家庭介觀干預(yù)”的多層面協(xié)同體系，共同促進(jìn)學(xué)習(xí)者在智能時(shí)代的認(rèn)知發(fā)展。
國(guó)家與社會(huì)層面：筑牢宏觀制度治理根基。國(guó)家與社會(huì)作為頂層設(shè)計(jì)的主導(dǎo)者，需通過(guò)制度規(guī)范、評(píng)估機(jī)制與公共倡導(dǎo)，為可信任按需學(xué)習(xí)生態(tài)劃定“安全邊界”，提供“發(fā)展保障”。國(guó)家應(yīng)構(gòu)建法治與倫理框架，完善相關(guān)法規(guī)，明確在教育和未成年人保護(hù)等高風(fēng)險(xiǎn)場(chǎng)景的人工智能應(yīng)用邊界，推動(dòng)算法透明度和問(wèn)責(zé)制；引入“認(rèn)知影響評(píng)估”（Cognitive Impact Assessment）：借鑒環(huán)境評(píng)估等成熟做法，要求高影響力的人工智能系統(tǒng)（特別是面向教育和未成年人的產(chǎn)品）開(kāi)發(fā)者，對(duì)其產(chǎn)品可能對(duì)用戶認(rèn)知（如注意力、記憶、批判性思維）產(chǎn)生的長(zhǎng)期影響進(jìn)行前置評(píng)估和持續(xù)監(jiān)測(cè)；設(shè)立長(zhǎng)期追蹤研究項(xiàng)目，監(jiān)測(cè)人工智能技術(shù)對(duì)國(guó)民認(rèn)知能力的系統(tǒng)性影響，為政策優(yōu)化提供科學(xué)依據(jù)；加強(qiáng)公共教育與倡導(dǎo)：發(fā)起數(shù)字健康、深度學(xué)習(xí)等主題活動(dòng)，提升全民人工智能素養(yǎng)和數(shù)字環(huán)境下的自我管理和科學(xué)學(xué)習(xí)能力。
企業(yè)與平臺(tái)層面：踐行負(fù)責(zé)任產(chǎn)品開(kāi)發(fā)理念。企業(yè)和平臺(tái)作為人工智能工具的直接開(kāi)發(fā)者，應(yīng)該以促進(jìn)而不是破壞人的認(rèn)知發(fā)展為核心價(jià)值和發(fā)展目標(biāo)。首先，人工智能工具應(yīng)遵循“認(rèn)知友好”的設(shè)計(jì)原則，減少認(rèn)知損耗。例如，提供“專注模式”，默認(rèn)批量處理非緊急通知，避免不必要的中斷對(duì)學(xué)習(xí)者造成認(rèn)知負(fù)荷；增加用戶對(duì)認(rèn)知外包危害的意識(shí)，在用戶進(jìn)行認(rèn)知外包行為時(shí)（如復(fù)制粘貼）給予元認(rèn)知提示，或者對(duì)人工智能生成作品打上明顯標(biāo)簽；設(shè)計(jì)“認(rèn)知促進(jìn)型”產(chǎn)品，在產(chǎn)品設(shè)計(jì)中嵌入促進(jìn)深度思考的功能，為用戶提供算法選擇權(quán)（如“多樣性”信息流），在推薦系統(tǒng)中設(shè)置“反同溫層”機(jī)制，等等。其次，在使用中引入“有益摩擦”（Beneficial Friction）：改變追求“無(wú)縫體驗(yàn)”的設(shè)計(jì)哲學(xué)，在適當(dāng)環(huán)節(jié)增加認(rèn)知阻力。例如，在轉(zhuǎn)發(fā)信息前設(shè)置“讀后再轉(zhuǎn)”提示，或要求用戶對(duì)人工智能生成的內(nèi)容進(jìn)行總結(jié)或標(biāo)注，以促使其進(jìn)行更深度的信息加工。再次，切實(shí)加強(qiáng)對(duì)未成年人的保護(hù)，為青少年用戶設(shè)置更嚴(yán)格的默認(rèn)值，如限制使用時(shí)長(zhǎng)、關(guān)閉個(gè)性化推薦等，提供易于理解的隱私控制選項(xiàng)，特別注重針對(duì)未成年用戶加強(qiáng)深度思考和批判性思維的提醒與培養(yǎng)。
學(xué)校與家庭層面：深化介觀行為干預(yù)實(shí)效。學(xué)校與家庭作為學(xué)習(xí)者日常認(rèn)知活動(dòng)的“直接場(chǎng)景”，需通過(guò)規(guī)則制定、課程改革和行為引導(dǎo)等方式，加強(qiáng)對(duì)學(xué)生的介觀干預(yù)，避免人工智能對(duì)認(rèn)知的負(fù)面影響。首先，學(xué)校應(yīng)明確規(guī)定在不同學(xué)習(xí)場(chǎng)景下（如課堂、圖書(shū)館、課后）的設(shè)備使用規(guī)則，減少數(shù)字分心和認(rèn)知外包。其次，學(xué)校需要改革評(píng)估體系，評(píng)估重點(diǎn)應(yīng)從“記憶知識(shí)”轉(zhuǎn)向“應(yīng)用和創(chuàng)造知識(shí)”。設(shè)計(jì)需要綜合運(yùn)用人工智能工具與個(gè)人批判性思維才能完成的開(kāi)放性任務(wù)。教育者應(yīng)設(shè)計(jì)“抗人工智能”的作業(yè)與評(píng)估模式，例如，增加對(duì)過(guò)程的考核、鼓勵(lì)學(xué)生對(duì)人工智能生成內(nèi)容進(jìn)行批判性反思，以此助推學(xué)生深度思考，避免將人工智能作為單純的“答案生成器”。再次，加強(qiáng)教師培訓(xùn)，為教師提供關(guān)于人工智能倫理、人工智能教學(xué)法以及如何引導(dǎo)學(xué)生進(jìn)行批判性使用的系統(tǒng)培訓(xùn)。此外，學(xué)校、家庭和學(xué)習(xí)者還需協(xié)同努力，提升科學(xué)使用人工智能的理論與實(shí)踐。比如，建立“數(shù)字意圖性”：有意識(shí)地規(guī)劃和選擇何時(shí)、為何以及如何使用人工智能和數(shù)字設(shè)備；倡導(dǎo)“單任務(wù)工作法”：在進(jìn)行需要深度專注的任務(wù)（如閱讀、寫(xiě)作）時(shí)，盡量避免媒體多任務(wù)，以保護(hù)持續(xù)注意力；定期進(jìn)行“數(shù)字戒斷”或“無(wú)導(dǎo)航挑戰(zhàn)”，主動(dòng)鍛煉空間記憶和方向感，等等。
總之，人工智能的迅猛發(fā)展，既對(duì)人類的認(rèn)知能力提出“適應(yīng)技術(shù)變革”的新要求，也為認(rèn)知發(fā)展帶來(lái)“技術(shù)賦能學(xué)習(xí)”的新機(jī)遇。未來(lái)教育體系的設(shè)計(jì)需要突破知識(shí)傳遞的局限，推動(dòng)以人類持續(xù)繁衍與認(rèn)知進(jìn)化為目標(biāo)、以學(xué)習(xí)力培養(yǎng)為核心、以個(gè)性化按需學(xué)習(xí)為導(dǎo)向、以人腦學(xué)習(xí)規(guī)律為指導(dǎo)、以技術(shù)創(chuàng)新為依托，幫助個(gè)體構(gòu)建有機(jī)鏈接的知識(shí)體系、強(qiáng)大的核心認(rèn)知能力和持久的內(nèi)在學(xué)習(xí)動(dòng)力。[39]面對(duì)人工智能對(duì)認(rèn)知的挑戰(zhàn)，我們應(yīng)該盡早正視其嚴(yán)峻性和迫切性，從國(guó)家、社會(huì)、企業(yè)、學(xué)校和家庭層面加強(qiáng)協(xié)同治理，促進(jìn)個(gè)體認(rèn)知能力的健康發(fā)展，從而更好地適應(yīng)時(shí)代發(fā)展的需求，并推動(dòng)社會(huì)的進(jìn)步。
注釋
[1]《習(xí)近平向2025世界智能產(chǎn)業(yè)博覽會(huì)致賀信》，《人民日?qǐng)?bào)》，2025年9月6日，第1版。
[2]習(xí)近平：《在網(wǎng)絡(luò)安全和信息化工作座談會(huì)上的講話》，《人民日?qǐng)?bào)》，2016年4月26日，第2版。
[3]E. Ophir et al., "Cognitive Control in Media Multitaskers," Proceedings of the National Academy of Sciences, 2009, 106(37); M. Moisala et al., "Media Multitasking Is Associated with Distractibility and Increased Prefrontal Activity in Adolescents and Young Adults," NeuroImage, 2016, 134.
[4]M. R. Uncapher and A. D. Wagner, "Minds and Brains of Media Multitaskers: Current Findings and Future Directions," Proceedings of the National Academy of Sciences, 2018, 115(40); R. Alzahabi and M. W. Becker, "The Association Between Media Multitasking, Task-Switching, and Dual-Task Performance," Journal of Experimental Psychology: Human Perception and Performance, 2013, 39(5).
[5]OECD, Education at a Glance 2024: OECD Indicators, 2024, OECD: Paris.
[6]J. Luo et al., "The Association Between Media Multitasking and Executive Function in Chinese Adolescents: Evidence from Self-Reported, Behavioral and Fnirs Data," Cyberpsychology, 2021, 15(2).
[7]K. K. Loh and R. Kanai, "Higher Media Multi-Tasking Activity Is Associated with Smaller Gray-Matter Density in the Anterior Cingulate Cortex," PLOS One, 2014, 9(9).
[8]D. J. Kuss et al., "Neurobiological Correlates in Internet Gaming Disorder: A Systematic Literature Review," Frontiers in Psychiatry, 2018, 9; R. Z. Goldstein and N. D. Volkow, "Dysfunction of the Prefrontal Cortex in Addiction: Neuroimaging Findings and Clinical Implications," Nature Reviews Neuroscience, 2011, 12(11).
[9]A. F. Ward et al., "Brain Drain: The Mere Presence of One's Own Smartphone Reduces Available Cognitive Capacity," Journal of the Association for Consumer Research, 2017, 2(2).
[10]M. Gerlich, "AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking," Societies, 2025, 15(1).
[11][19]N. Kosmyna et al., "Your Brain on ChatGPT: Accumulation of Cognitive Debt When Using an AI Assistant for Essay Writing Task," 2025, https://arxiv.org/abs/2506.08872v1.
[12]N. Fitz et al., "Batching Smartphone Notifications Can Improve Well-Being," Computers in Human Behavior, 2019, 101.
[13]Y. Wu et al., "Computer-Based Multiple Component Cognitive Training in Children with ADHD: A Pilot Study," Child and Adolescent Psychiatry and Mental Health, 2023, 17(1).
[14]S. H. Kollins et al., "A Novel Digital Intervention for Actively Reducing Severity of Paediatric ADHD (STARS-ADHD): A Randomised Controlled Trial," The Lancet Digital Health, 2020, 2(4).
[15]Y. Wu et al., "From Human Memory to AI Memory: A Survey on Memory Mechanisms in the Era of LLMs," 2025, https://arxiv.org/abs/2504.15965.
[16]薛貴、劉德建：《筑牢按需學(xué)習(xí)能力，構(gòu)建成長(zhǎng)型知識(shí)體系》，《教育家》，2025年第12期。
[17]E. A. Maguire et al., "Navigation-Related Structural Change in the Hippocampi of Taxi Drivers," Proceedings of the National Academy of Sciences, 2000, 97(8).
[18]A.- H. Javadi et al., "Hippocampal and Prefrontal Processing of Network Topology to Simulate the Future," Nature Communications, 2017, 8(1); L. Dahmani and V. D. Bohbot, "Habitual Use of GPS Negatively Impacts Spatial Memory During Self-Guided Navigation," Scientific Reports, 2020, 10(1).
[20]B. Sparrow et al., "Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips," Science, 2011, 333(6043).
[21]B. Jose et al., "The Cognitive Paradox of AI in Education: Between Enhancement and Erosion," Frontiers in Psychology, 2025, 16.
[22]B. Lira et al., "Learning Not Cheating: AI Assistance Can Enhance Rather Than Hinder Skill Development," 2025, https://arxiv.org/abs/2502.02880.
[23]G. Xue et al., "Spaced Learning Enhances Subsequent Recognition Memory by Reducing Neural Repetition Suppression," Journal of Cognitive Neuroscience, 2011, 23(7).
[24]X. Zhao et al., "Neural Mechanisms of the Spacing Effect in Episodic Memory: A Parallel EEG and fMRI Study," Cortex, 2015, 69.
[25]K. Feng et al., "Spaced Learning Enhances Episodic Memory by Increasing Neural Pattern Similarity Across Repetitions," Journal of Neuroscience, 2019, 39(27).
[26]A. S. Omar et al., "AI-Driven Visual Scaffolding in Education: A Comprehensive Literature Review," International Journal of Research and Scientific Innovation, 2025, 12(3).
[27]C. Cohn et al., "A Theory of Adaptive Scaffolding for LLM-Based Pedagogical Agents," 2025, https://arxiv.org/abs/2508.01503.
[28]T. J. Faber et al., "Effects of Adaptive Scaffolding on Performance, Cognitive Load and Engagement in Game-Based Learning: A Randomized Controlled Trial," BMC Medical Education, 2024, 24(1); A. Munshi et al., "Analysing Adaptive Scaffolds That Help Students Develop Self‐Regulated Learning Behaviours," Journal of Computer Assisted Learning, 2023, 39(2).
[29]B. Degen, "Resurrecting Socrates in the Age of AI: A Study Protocol for Evaluating a Socratic Tutor to Support Research Question Development in Higher Education," 2025, https://arxiv.org/abs/2504.06294; L. Favero et al., "Enhancing Critical Thinking in Education by Means of a Socratic Chatbot," 2024, https://arxiv.org/abs/2409.05511.
[30]N. Sukiennik et al., "Uncovering the Deep Filter Bubble: Narrow Exposure in Short-Video Recommendation," 2024, https://arxiv.org/abs/2403.04511; N. Li et al., "An Exploratory Study of Information Cocoon on Short-Form Video Platform," 2022, https://dl.acm.org/doi/10.1145/3511808.3557548.
[31]E. Bakshy et al., "Exposure to Ideologically Diverse News and Opinion on Facebook," Science, 2015, 348(6239).
[32]N. Carr, The Shallows: What the Internet Is Doing to Our Brains, 2020, New York: W. W. Norton & Company.
[33]H.- P.Lee et al., "The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects from a Survey of Knowledge Workers," 2025, https://dl.acm.org/doi/10.1145/3706598.3713778.
[34]J. A. Steppe et al., "AI-Augmented Creativity: Insights into Idea Generation and Development Using Generative AI," 2025, https://journals.aom.org/doi/abs/10.5465/AMPROC.2025.17500abstract.
[35]A. R. Doshi and O. P. Hauser, "Generative AI Enhances Individual Creativity But Reduces the Collective Diversity of Novel Content," Science Advances, 2024, 10(28).
[36]M. A. I. Gazi et al., "AI Capability and Sustainable Performance: Unveiling the Mediating Effects of Organizational Creativity and Green Innovation with Knowledge Sharing Culture As a Moderator," Sustainability, 2024, 16(17).
[37]劉德建等：《智能技術(shù)賦能按需學(xué)習(xí)：理論進(jìn)路與要素表征》，《電化教育研究》，2023年第4期。
[38]M. Vaccaro et al., "When Combinations of Humans and AI Are Useful: A Systematic Review and Meta-Analysis, Nat Hum Behav, 2024, 8(12).
[39]薛貴、劉德建：《腦認(rèn)知科學(xué)和人工智能驅(qū)動(dòng)的未來(lái)教育變革》，《人民論壇·學(xué)術(shù)前沿》，2024年第17期。
責(zé) 編∕李思琪 美 編∕周群英
Cognitive Challenges, Opportunities, and Governance Recommendations in the Intelligent Society
Xue Gui Liu Dejian
Abstract: The rapid development of artificial intelligence presents both significant opportunities and challenges for human cognitive development. On the one hand, AI may weaken attention and executive functions, deep memory, and critical thinking through mechanisms such as the mere presence effect, cognitive offloading, and information cocoons. On the other hand, with scientific guidance, it can become a powerful tool for enhancing cognitive abilities. Confronting these opportunities and challenges requires building a "trustworthy on-demand learning ecosystem". This ecosystem should center on cultivating learning capabilities based on the principles of brain sciences, aiming to reduce AI hallucinations, promote knowledge construction, exercise cognitive capacities, and optimize human-AI collaboration. Achieving this goal necessitates multi-level collaboration between the government, enterprises, schools, and families. Through policy guidance, technological design, educational intervention, and assessment reform, AI can truly become an enabling tool that enhances, rather than replaces, human intelligence.
Keywords: artificial intelligence, cognitive offloading, on-demand learning, learning capability, brain science
