认知卸载：我们是否在用人类的主观能动性换取 AI 效率？

人工智能融入日常生活，在生产力与认知自主权之间制造了一种根本性的紧张关系。虽然 AI 可以消除繁琐的工作并加速研究，但存在一种日益增长的风险：用户卸载的不不仅仅是任务，还有思考、推理和形成欲望的过程本身。

认知卸载的光谱

当个人将心理努力委托给外部工具时，就会发生认知卸载。这存在于一个光谱上，从自动化琐碎任务到放弃高层决策。

任务自动化 vs. 主观能动性卸载

将 AI 作为提高效率的工具与将其作为主观能动性的替代品之间存在着关键区别。

• 任务自动化： 使用 AI 翻译报告、执行预定义的设计或寻找特定的管道配件。在这些情况下，人类仍然是目标的架构师和结果的评估者。
• 主观能动性卸载： 在个人品味、人际关系管理或关键的专业判断方面听从 AI。这可以用“麦克风人”来举例——一个记录所有对话并让 AI 代替他进行所有批判性思考的个人。

“懒惰思考”的风险

当 AI 立即提供一个语法完美的答案时，进行“慢思考”——即假设、推测和纠正的过程——的动力就会减弱。这可能导致原创思想的下降，正如在教育环境中看到的，学生们对作业产生完全相同、通用的 AI 回复，在没有经历实际学习所需的认知挣扎的情况下获得了高分。

专业与技术影响

在专业环境中，思考的卸载通常表现为批判性监督的缺失和一定程度的技术退化。

程序性知识的侵蚀

一个重大的危险是在陈述性知识（知道什么是正确的）与程序性知识（知道如何做某事）之间的权衡。例如，一个开发者可以提示 AI 写一个循环，但无法手动编写一个循环，那么他就失去了程序性技能。这类似于飞行员过度依赖自动驾驶，以至于在危机时刻失去手动驾驶飞机的能力。

“先知”谬误与技术债

许多用户将 LLM 视为权威的先知，而不是一种概率性工具。这导致了几个系统性问题：

• 验证负担： 当一个人将自己的思考卸载给 AI 并将结果发送给同事时，他们实际上是将验证的认知负担转移给了接收者。
• 混乱的实施： 专业人士越来越多地报告在项目中出现“可怕”的批判性思考缺失，研究人员或工程师直接从 ChatGPT “YOLO” 方法论，而不理解其底层逻辑，从而导致时间浪费和系统性压力。
• 幻觉盲区： 盲目信任 AI 输出而不进行验证的倾向忽略了幻觉的风险，即 AI 会凭空捏造事实。

维持认知自主权的策略

为了避免认知萎缩的陷阱，用户可以采用特定的框架来与 AI 交互。

“假设先行”法

与其直接从提示词开始，用户可以先进行独立思考。通过在利用 AI 测试或扩展这些想法之前先生成假设并对答案进行推测，AI 变成了验证和扩展的工具，而不是初始思考过程的替代品。

隔离心理任务

有人建议“隔离”特定的任务或想法——有意识地选择某些生活或工作领域，禁止使用 AI——以确保进行深度推理所需的“认知肌肉”保持活跃。

使用 AI 进行扩展，而非替代

有效的 AI 使用侧重于人类无法提供的能力或纯粹机械性的能力：

• 视角扩展： 要求 AI 批判性地审视工作或提供替代视角，以对抗个人偏见。
• 机械性翻译： 在工程设计完成后，使用 AI 将伪代码翻译成特定的编程语言。
• 调试与评审： 利用 AI 庞大的知识库来发现人类可能因疲劳或偏见而忽略的错误。

长期社会权衡

如果人类集体停止产生新颖的想法，并依赖于现有训练数据的平均值，其结果可能是创新的停滞。独立思考的能力可能会从一种普遍技能转变为一种“稀缺的珍宝”，而随着纯粹语言性思考价值的下降，实现梦想和执行物理目标的价值将会提升。