关于人工智能的常见警告通常是这样开始的：当服务器机房的灯光熄灭的那一刻，我们借助人工智能向前迈出的每一步都会瞬间退回到起点。电力中断，应用程序接口失效，订阅过期——我们不得不回归到使用人工智能之前的状态。如果那个“之前的自我”已经萎缩了呢？
这种警告对了一半。委托的成本确实会被计入账单——这是事实。麻省理工学院媒体实验室的研究人员通过脑电图显示，与大语言模型辅助写作的人相比，独立写作的人的大脑连接性明显更强，而前者甚至无法正确引用他们刚刚写成的文章。他们将这种现象命名为“认知债务”。正如名称所示，即使停止使用人工智能，这种影响依然持续存在（需要注意的是，这是一篇预印本论文，样本量为 54 人，其中只有 18 人参加了显示持续影响的最终阶段测试）。另一项针对 666 人的研究报告指出，人工智能使用频率与批判性思维之间呈负相关，这种关系由“认知卸载”介导——即将思考任务交给外部设备的习惯。这一脉络渊源更深。2011 年关于“谷歌效应”的研究表明，当我们预期稍后可以查询某事时，我们记住的是信息的位置而非内容本身。导航研究显示，当我们自己寻找路径时，海马体处于活跃状态；而当我们遵循机器指令时，海马体则变得安静——并且这种习惯会在多年后导致可测量的空间记忆衰退（尽管这项纵向研究的样本量仅为 13 人）。委托并非免费。
但如果只停留在警告层面，你就写出了第一百篇千篇一律的文章。担心新技术会毁掉我们的心智，这种担忧与文字的发明一样古老。苏格拉底曾警告说文字会破坏记忆力，这一轶事通常被引用来证明此类担忧总是错位的。然而，反过来看，这种担忧并非没有道理。文字确实抹去了背诵记忆的文化。人类只是认为这种损失是值得承受的。计算器取代心算也具有同样的结构——没有人会为长除法的消失而哀悼。因此，卸载不是一个对错问题，而是一个选择失去什么的问题，问题由此变为：我们将什么交给人工智能，又有什么是绝不能交出的？我认为需要 reclaim（夺回/重拾）的既不是知识，也不是部分劳动力。而是其他东西。
我们应该学习的是人工智能的思维方式。即其智能本身。
既非知识，亦非协作
关于使用人工智能的讨论大致分为两派。一派是“吸收派”：从人工智能的输出中提取知识，使其成为自己的知识。另一派是“协作派”：寻找最佳的劳动分工，无论是作为半人马座模型，根据人类和机器的优势划分任务，还是作为赛博格模型，在单个句子层面与机器纠缠在一起。
两者都有用，但都错过了底层的逻辑。知识是一种消耗品。你今天吸收的应用程序接口调用内容，明年就会过时。劳动分工是一种体制，而体制需要交易对手——这让我们又回到了服务器机房的问题上。比这两者更持久的是思维的形式：问题如何被分解，假设以何种顺序提出和被驳回，信心和保留意见放置在何处。这不像知识那样会过时，也不像协作那样需要交易对手。一旦它融入你的骨血，即使服务器机房陷入黑暗，它依然属于你。
思维——无论是人工智能的还是人类的——都受其运行数据的偏见影响。这是其本质。人脑是一个数据宝库，无论它最终是否在排名上被人工智能超越，它都是使人类成为万物之灵的有用工具。但是，个体大脑能容纳的数据量是有极限的，
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
