來源：科技日報(bào)

記者：張佳欣

17世紀(jì)法國哲學(xué)家、數(shù)學(xué)家布萊茲·帕斯卡爾曾言：“人是一根會(huì)思考的蘆葦?！比说娜孔饑?yán)，便在于思想。然而，當(dāng)ChatGPT能一秒鐘生成一篇論文，當(dāng)Claude能瞬間梳理出復(fù)雜的邏輯脈絡(luò)，一個(gè)疑問開始出現(xiàn)：這根“會(huì)思考的蘆葦”是否正在枯萎？人類是否正為了便利，主動(dòng)交出自己的思考權(quán)？

圖片來源：攝圖網(wǎng)

美國紐約州立大學(xué)石溪分校教授勞倫·里士滿說：“AI本身不一定讓我們變笨，只是我們與它互動(dòng)的方式可能很笨。”那么，人類在使用生成式人工智能（AI）時(shí)犯了哪些錯(cuò)？又該如何改變習(xí)慣，讓技術(shù)真正為人所用？

1

減輕思維負(fù)擔(dān)帶來惡性循環(huán)

據(jù)英國《新科學(xué)家》網(wǎng)站報(bào)道，生成式AI正深度融入人們生活，并讓人延續(xù)了“認(rèn)知卸載”的傳統(tǒng)，即利用工具減輕思維負(fù)擔(dān)。就像人們不是用腦子記住要買什么，而是寫一份購物清單一樣。但相比蘇格拉底當(dāng)年對寫清單的擔(dān)憂，AI帶來的挑戰(zhàn)遠(yuǎn)甚于此。

里士滿與其同事今年3月在《自然》雜志發(fā)表論文指出，認(rèn)知卸載會(huì)對認(rèn)知造成負(fù)面影響。過度依賴AI不僅讓學(xué)習(xí)過程變得被動(dòng)和膚淺，更會(huì)導(dǎo)致惡性循環(huán)。人們卸載得越多，獨(dú)立思考的能力就越弱，進(jìn)而更加依賴工具。

英國蘇塞克斯大學(xué)哲學(xué)家安迪·克拉克對此持辯證態(tài)度。他提出的“延伸心靈”理論認(rèn)為，利用外部工具分擔(dān)腦力本身并非壞事，但他擔(dān)憂的是，隨著人們將心智深度延伸至生成式AI與網(wǎng)絡(luò)空間，這種依賴性正讓人變得前所未有的脆弱。直白地說，一旦斷電或沒網(wǎng)，人類的認(rèn)知能力可能就跟著“癱瘓”了。

美國賓夕法尼亞大學(xué)今年1月的研究顯示，與使用搜索引擎相比，使用ChatGPT輔助的志愿者寫出的文章篇幅更短、事實(shí)引用更少。研究者指出，這是因?yàn)锳I直接替人類完成了關(guān)鍵的“信息綜合”步驟，將探索與發(fā)現(xiàn)的機(jī)會(huì)徹底“交卸”給算法，導(dǎo)致學(xué)習(xí)淪為被動(dòng)接收，對知識(shí)的理解也注定流于膚淺。

一些初步證據(jù)顯示，過度使用生成式AI可能會(huì)使批判性思維能力下降。瑞士SBS商學(xué)院的邁克爾·格爾利希在一項(xiàng)涵蓋600多人的調(diào)查研究中發(fā)現(xiàn)，17—25歲的年輕人比年長者更依賴AI，而他們的批判性思維得分也相應(yīng)低了約45%。格爾利希將其稱為“認(rèn)知懶惰”。當(dāng)人們連真誠的道歉信都習(xí)慣讓AI代勞時(shí)，人類大腦可能已經(jīng)開始拒絕處理那些更復(fù)雜、更費(fèi)力的思考任務(wù)了，這才是最大的隱憂。

2

AI流暢的語言不代表有思維

既然人類的思考能力似乎岌岌可危，那么AI是否有資格“接管”人類的智力？科學(xué)界對此保持著冷靜，認(rèn)為AI看似聰明的回答，往往掩蓋了其本質(zhì)的局限。

去年6月，《自然》雜志刊登的一篇重磅評(píng)論指出：流暢的語言并不代表有思維。

3位美國科學(xué)家通過多重證據(jù)證實(shí)了這一點(diǎn)。腦成像顯示，大腦處理語言和推理的區(qū)域是截然分開的。失語癥患者雖失去語言能力，卻依然能解開復(fù)雜的數(shù)學(xué)題。而嬰兒在學(xué)會(huì)說話前，就已經(jīng)開始像科學(xué)家一樣探索世界。

如果語言能力并不等同于思考能力，那么當(dāng)下依靠概率預(yù)測下一個(gè)詞的大型語言模型就更難被視為“會(huì)思考的存在”。它們之所以能生成流暢、似乎頗有見地的回答，只是因?yàn)樵谡Z言形式上高度擬人化，卻并不具備驅(qū)動(dòng)語言背后的認(rèn)知引擎。

美國哲學(xué)家理查德·羅蒂指出，所謂常識(shí)，往往是那些被反復(fù)使用而失去新意、最終化為固定表達(dá)的“死去的隱喻”。而生成式AI恰恰是從這種被大量重復(fù)的人類語言中學(xué)習(xí)，它掌握的是語言的“殼”，卻未參與讓語言誕生的真實(shí)經(jīng)驗(yàn)世界。

因此，當(dāng)人們把問題交給AI時(shí)，它往往只是反芻已有的詞句，被困在人類數(shù)據(jù)的牢籠里。它可以復(fù)述關(guān)于“騎自行車”的所有物理公式，卻永遠(yuǎn)無法像人類那樣，真正理解雙腳離地、保持平衡的一瞬間。

3

應(yīng)堅(jiān)持“先思考后AI”

要避免認(rèn)知被削弱，人們必須重塑與生成式AI的關(guān)系，讓它成為增強(qiáng)而非取代思考的工具。但做到這點(diǎn)并不簡單。研究發(fā)現(xiàn)，即便自認(rèn)為思維嚴(yán)謹(jǐn)?shù)娜?，一旦缺乏明確指導(dǎo)，也會(huì)迅速滑向“大腦偷懶”的舒適區(qū)。

不過，美國麻省理工學(xué)院團(tuán)隊(duì)發(fā)現(xiàn)，那些先獨(dú)立寫過一次作文的志愿者，再用ChatGPT寫第二版時(shí)，即便用了AI，大腦仍保持高水平連接度，思維參與度并未下降。

對此，克拉克表示，關(guān)鍵是永遠(yuǎn)做那個(gè)先思考的人。越多獨(dú)立思考，越能提升所謂“混合認(rèn)知”。還有研究者建議，使用AI的正確方式，是把它當(dāng)作強(qiáng)化既有理解的工具，而不是取代思考的捷徑。

克拉克同時(shí)提醒，要警惕“錨定效應(yīng)”，即第一條信息往往會(huì)主導(dǎo)后續(xù)判斷。即便試圖批判性地評(píng)估AI的回答，仍可能被它生成的第一個(gè)答案潛移默化地帶偏。對此，他給出了一個(gè)巧妙的反向操作策略。例如，寫一件事的負(fù)面影響時(shí)，不要直接讓AI列舉負(fù)面例子，可先讓它列舉事實(shí)，再自己歸納負(fù)面影響，最后再請AI找漏洞或給出相反論證。

若人們依賴AI提供所有答案，人類原創(chuàng)內(nèi)容會(huì)減少，AI訓(xùn)練所需的新鮮數(shù)據(jù)也會(huì)枯竭，最終陷入“模型崩塌”，只能重復(fù)自己的內(nèi)容，智力和創(chuàng)造力逐漸下降。如果使用得當(dāng)，不只是人類會(huì)變得更聰明，AI也會(huì)隨之進(jìn)化。

看來，唯有人類繼續(xù)做那根“會(huì)思考的蘆葦”，堅(jiān)持創(chuàng)造，AI才能真正成為認(rèn)知的助力，而不是取代思維的幻象。