《The Verge》发表的一篇兼具文化与科学视角的深度评论指出，人工智能与人类生物机能之间的冲突正在加剧：我们的大脑从未被设计用于与自动化思考的工具互动。随着科技巨头竞相迈向通用人工智能（AGI），他们背后的核心信条——即人脑不过是一台低效的、等待被增强或取代的生物计算机——正与人类实际学习、推理以及保持理解力的复杂现实发生剧烈碰撞。
几十年来，技术专家一直将人类智慧视作运行在生物硬件上的软件。但随着生成式AI产品每天触及数以亿计的用户，研究人员和批评人士发出警告：将我们基础的脑力摩擦外包出去，正在引发广泛的“认知负债”，蚕食着当初使机器智能成为可能的思维能力。
机器隐喻：从发条到图灵
要理解大型科技公司为何将人类思维视作算法，必须重温控制论之父诺伯特·维纳（Norbert Wiener）的论断。在20th century中叶，维纳曾有句名言：“每个时代的思想都会反映在其技术之中”。在17th和18th century，自然哲学家将人体和宇宙视作精密复杂的发条装置。到了19th century，工业革命将生命重构为由热力学和能量储备驱动的蒸汽机。在现代，这一隐喻演变成了数字计算机。
如今，这种概念框架已在硅谷演变为不可动摇的信条。其逻辑在于：如果社会制造了计算机器，那么人类心智必然只是同一种架构的早期、未优化草稿。当技术专家看到一个孩子苦苦思索文章结构，或是一名工程师排查源代码故障时，他们看到的不是不可替代的成长过程，而是计算上的低效。这种还原论范式为当今广泛的技术误判埋下了伏笔。
硅谷的“血肉计算机”教条
照片：The Verge (来源)
现代人工智能领袖毫不掩饰这种世界观。Google DeepMind联合创始人兼诺贝尔奖得主德米斯·哈萨比斯（Demis Hassabis）公开将人脑描述为“图灵机的生物学近似物”——他认为，从理论上讲，只要有足够的时间、数据和内存，有机大脑具备的任何能力最终都能被数字系统计算出来。
其他人表达这一哲学的言辞则更加直接。Elon Musk频繁将人类生物机能称为带宽极低的“血肉计算机”，并思忖有机人类可能仅仅充当了“数字超级智能的生物引导加载程序”。前OpenAI科学家安德烈·卡帕西（Andrej Karpathy）最近指出，过去的研究是由“血肉计算机”在吃饭、睡觉和团队会议的间隙完成的，并宣布那个时代已经终结。Oracle创始人拉里·埃里森（Larry Ellison）在一次行业峰会上戏称，大脑不过是一台20-watt的血肉计算机，而科技公司正在建造1.2 billion-watt的合成大脑。
这种言论不仅是科技圈怪异的调侃，更是产品设计的思想基石。如果人类思维只是低电压的数据处理，那么通过大型语言模型（LLM）实现自动化似乎就是一次彻底的文明飞跃。但这种推算从根本上把生物认知误当成了数据检索。
“认知负债”与让渡的科学机制
与硅基电路不同，人脑并不会将数据存储在具备寻址能力的静态寄存器中。人类认知依赖于神经可塑性：突触连接唯有通过主动参与、挣扎思考、综合归纳和检索提取才能得以强化。一旦消除了认知阻力，学习机制本身也就荡然无存。
近期的实证研究揭示了这种脱节带来的切实后果：
- 认知卸载：多项研究追踪了当权威AI界面提供即时答案时，用户以何等惊人的速度放弃分析自主权。
- 神经连接减弱：包括MIT Media Lab在内的机构利用脑电图（EEG）进行的研究表明，依赖AI助手完成写作任务的参与者，其大脑活跃度显著降低，语义记忆留存也明显弱于独立写作的人群。
- 思维同质化：高度依赖AI的群体生成的文本和想法虽然表面流畅度高，但风格千篇一律，极少展现创造性差异。
- 虚假能力错觉：用户常将模型的输出水平误认为是自身的掌握程度，导致他们在脱离工具后，根本无法阐明或维护生成的论点。
认知研究人员将这种累积现象称为“认知负债”。就像借入金融资本需要支付利息一样，将思考的每个中间步骤外包给算法，换来的是眼前的速度，付出的代价却是长期的独立推理能力。
课堂成为重灾区：心智的“垃圾食品”
照片：The Verge (来源)
这场危机在教育领域体现得最为尖锐。作家兼科技评论家布莱恩·墨客（Brian Merchant）提出了一个生动的隐喻：生成式AI对人类认知的作用，就如同超加工快餐对人体营养的作用。工业化生产的热狗廉价、能提供即时满足感，且高度便利——但若是纯粹以其为食，生物身体便会被系统性地破坏。
生成式AI遵循着完全相同的诱因。撰写分析性文章、研读一手历史文献或推导数学证明，都是繁重费力的脑力劳动。而大型语言模型提供了合成式的即时满足：在3 seconds内生成一篇完整且语法无瑕的五段式作文。
随着OpenAI报告称ChatGPT每月活跃用户已超过900 million——其中很大一部分是在校学生——整整一代人正在习惯于投机取巧。教师和教育工作者普遍反映学生出现严重的思维疏离，他们不再是创作者或思考者，而是沦为了提示词拼凑者，甚至无法解释一段AI生成的文字究竟是对是错。
生物认知对比生成式AI
把大脑当作服务器对待，忽视了基础的生物学限制与优势。生物实体与大型语言模型处理现实的方式存在根本性质的差异，而非单纯的规模区别。
| 维度 | 生物人脑 | 生成式AI基础模型 |
|---|---|---|
| 能耗需求 | 总耗电约20W（用于高级认知的约10W） | 需要吉瓦级别的庞大数据中心基础设施 |
| 运作机制 | 具身化、基于感知经验的关联神经可塑性 | 基于海量文本语料库的统计性词元预测 |
| 记忆动态机制 | 持续表征漂移；情境重构与记忆巩固 | 静态冻结权重，仅通过批次后训练进行更新 |
| 知识建构过程 | 必须经历思维阻力、犯错与挣扎探究 | 摄入预处理词元，缺乏物理或具身体验依托 |
| 脆弱性与易错点 | 疲劳、情绪偏见、遗忘 | 极具自信的幻觉、奖励作弊、合成数据反馈死循环 |
| 核心优势 | 原创概念跃迁、道德辨别力、真实生活情境感悟 | 极速模式匹配、提炼摘要、机械式综合归纳 |
逆向反弹：禁令、抵制与政策出台
照片：ecosistemastartup.com (来源)
人们意识到自动化认知会削弱基础能力，促成了制度层面的迅速反思。此前部分学校尝试将AI引入课堂，却导致学生的阅读理解与批判性写作得分大幅下滑，随后从纽约市公立学区到挪威等欧洲主要辖区，均对小学和初中课堂内的生成式AI颁布了严厉禁令或大幅削减使用。
计算机科学领域的重量级人物也在戳破业界的过度炒作。Meta首席AI科学家、图灵奖得主杨立昆（Yann LeCun）曾与哈萨比斯展开激烈公开辩论，将当下对AGI的设想定性为一种幻觉。杨立昆强调，人类智能是专业化的、身心立足于现实物理世界并通过与其互动产生的——而不是一个抽象的通用文本引擎。即使在科技公司董事会内部，将人类身份贬低为“血肉计算机”所带来的道德代价，也引发了生物伦理学家、劳工组织者和文化领袖的普遍警惕。
实用策略：如何守护自己的思考能力
彻底远离AI既不现实也无必要。然而，在自动化合成时代保持心智活力，需要有意识地建立行为准则：
- 坚持“初稿手写”原则：在求助AI工具之前，务必亲自动手写下提纲、核心论点或底层代码。过早外包构思会剥夺大脑理解问题所需的联想连接。
- 视AI为对手而非神谕：不要直接让聊天机器人提供解决方案，而是输入自己已完成的内容，要求系统挑出逻辑谬误、自相矛盾的前提或边缘盲区。
- 追溯信息源头：绝不要未经核实直接采纳AI摘要中的事实陈述。重新引入求证阻力，能有效防范算法幻觉。
- 阅读长篇纸质读物：以对纸质书籍和期刊的深度阅读，来平衡碎片化的AI交互，从而守护专注力、记忆留存度以及工作记忆情境。
下一道前沿：当我们停止思考会发生什么？
摆在消费者和工程师面前更宏大的议题，并非AI模型是否会变得更加强大；它们无疑会。真正的危机在于：如果一个文明系统性地退化了批判、验证和理解其自建系统的能力，这个文明将会走向何方。
如果我们继续透过诺伯特·维纳的控制论透镜将自己视为次优的计算单元，我们便会毫不犹豫地将艺术、文学、教育乃至道德判断拱手让给自主统计引擎。但如果我们认识到人类认知的深度恰恰源于挣扎、情感与身临其境的体验，我们就会将人工智能视为功能强大的计算器——而把真正思考的繁重劳作，牢牢掌握在人类自己手中。
常见问题解答
为什么科技高管将大脑称为“血肉计算机”？
这个词源于早期的控制论和认知科学，认为大脑的神经网络就像运行计算逻辑的生物电路。如今像Elon Musk等高管借用这一表述，是为了表达他们对于合成计算终将超越人类智力表现的信念。
人工智能领域的“认知负债”指什么？
认知负债是指当用户频繁将高难度心智任务转嫁给自动化聊天机器人时，所导致的批判性思维、记忆巩固以及独立分析能力的长期退化。久而久之，用户在脱离技术工具后将丧失进行复杂综合思考的能力。
生成式AI能取代传统学校课程吗？
证据表明，在学校中全盘引入AI会破坏基础读写能力、问题解决能力以及独立推理能力。尽管AI可以作为具有针对性的互动辅导工具，但教育机构正越来越多地要求在无设备的纯人工环境中进行核心认知培养。
人类思维真的等同于图灵机吗？
尽管一些理论计算机科学家将大脑视作通用计算机的生物学近似物，但生物认知高度依赖于具身感知、激素状态以及在漫长进化中与物理世界的互动，这些特征是纯粹的统计语言模型所不具备的。
