自動化的諷刺：人工智能如何訓練我們的心智

‍

當全世界都在慶祝人工智慧的效率時，一個令人不安的悖論出現了，那就是：人工智慧並沒有取代我們，而是在訓練我們。這個「認知卸載」的過程正在改變我們思考和記憶的方式。

‍

心理 GPS：當效率成為敵人時

還記得您能在城裡找到路嗎？還記得您可以背出朋友的電話號碼？GPS 對我們的定位感所造成的影響，現在正藉由 AI 發生在我們的認知能力上。

‍

麻薩諸塞州總醫院的 Louisa Dahmani2020 年在《自然神經科學》上發表的一項研究表明，依靠 GPS 導航會顯著降低海馬區的活動，而海馬區是對空間記憶和導航至關重要的大腦區域。

‍

Google 效應：說明一切的先例

這種現象有其堅實的科學根據。Google 效應」或數位健忘症 於 2011 年由哥倫比亞大學心理學家 Betsy Sparrow 在《科學》雜誌上發表的研究中首次記錄。

‍

研究顯示，當人們知道他們可以輕鬆地在線上檢索資訊時，他們就不太容易記住這些資訊。在其中一項實驗中，與資訊本身相比，參與者更能記住在哪裡可以找到資訊。

‍

有關數位失憶症的資料似乎令人擔憂：

• 根據卡巴斯基實驗室 2015 年的研究，美國和歐洲 91% 的人承認使用網際網路作為記憶體的線上延伸
• 只有 49% 的參加者記得配偶的電話號碼
• 71% 不記得子女的電話號碼

微軟-卡內基梅隆研究中心：人工智慧的第一手資料

微軟和卡內基美隆大學的研究人員於2025 年進行了一項研究，分析了 319 位知識工作者及其對產生式 AI 工具的使用情況。結果顯示：

• 工人表示，在依賴人工智能工具時，「感知到批判性思考的實施」。
• 與依賴自身認知能力的人相比，使用 AI 所產生的「相同任務的結果差異較小」。
• 有「認知卸載」的趨勢 - 將心智過程委託給外部工具

但等等：並非所有的「去訓練」都是相同的

在繼續之前，讓我們先進行批判性的反思。這種現象並非新鮮事物：

‍

計算機

誰還會用手做長除法？數十年來，計算機已經將我們的心算「去訓練化」了。然而，數學並未消亡 - 事實上，數學已經蓬勃發展。數學家從繁瑣的計算中解脫出來，專注於更複雜、更有創造性的問題。

‍

經文與口頭記憶

蘇格拉底自己也擔心書寫會削弱記憶力。在柏拉圖的對話Phaedrus(約公元前 370 年)中，蘇格拉底敘述了埃及神話 Theuth 和 Thamus 的故事。但 Thamus 國王反駁說：「這項發明會讓學習者的靈魂變得健忘：他們會停止運用記憶力，因為他們會依賴書寫，而書寫是外在的。

他說得對，那些能背誦整部《伊利亞德》的說書人已不復存在。但是，我們卻獲得了在全球範圍內保存和分享複雜思想的能力。

‍

印刷與書法

古騰堡的印刷機（1440 年）使美麗的書法變得過時。在印刷之前，14 世紀歐洲 80% 的英國成年人甚至不會寫自己的名字。然而到了 1650 年，47% 的歐洲人可以閱讀。到 18 世紀中期，這個數字上升到 62%。

我們失去了一門藝術，卻使知識民主化。正如歷史學家所指出的：「識字率的淨增長打破了文人精英對教育和學習的壟斷，並支持了新興的中產階級」。

‍

這個模式很明顯：每一次技術躍進都會「去訓練」某些能力，並提升其他能力。

那麼，與 AI 有何差異？

如果每項科技都「不再強調」某些東西，為什麼人工智能會讓我們更擔心？差異在於三個關鍵因素：

‍

1.速度與普及性

自 1971 年起上市的電子袖珍計算機，在大約 15 到 20 年內就取代了複雜的心算。人工智能則在不到五年的時間內取代了批判性思考。

‍

‍我們不能再像過去那樣以世代為單位來思考，現在我們必須以五年為週期，而不是 20-30 年。

‍

速度很重要：大腦有較少時間適應和發展新的補償技能。人類社會傳統上進化緩慢，讓制度、教育與文化逐漸適應科技變遷。但人工智能將這個適應過程壓縮了數十至數十年，造成前所未有的文化與認知衝擊。

‍

2.認知負載的程度

• 計算機：取代算術計算
• GPS: 取代太空導航
• AI：取代推理、創造力、寫作、分析 - 我們在每個領域都會用到的橫向技能

3.缺乏元認知

使用計算機，您知道自己不會長除法。使用 AI 時，您往往不會意識到自己已經停止了批判性思考。這是一種無聲和無意識的衰退。

‍

人工智能引起的認知萎縮理論

2024 年一項研究提出 「AI 聊天機引起的認知萎縮」(AICICA) 概念，其理論基礎是大腦發展的「不使用就失去」原則，認為過度依賴 AI 而不同時培養核心認知技能，可能會導致認知能力利用不足。

‍

2009 年發表在《Symbolae Osloenses》的學術研究論文已經將其與計算機相提並論：「袖珍計算機允許我們產生計算問題的解決方案，但它能讓我們知道這些解決方案嗎？這取決於我們在這裡所說的知道是什麼意思。如果它的意思是我們也應該能夠證明這些解決方案，解釋為什麼它們真的是正確的，那麼絕對不是。

‍

"這不是錯誤，而是功能」： 設計的認知依賴性

‍

但問題是：認知依賴可能不是副作用，而是設計特色。

‍

關鍵差異：計算機不需要您成為員工才能獲利。AI 則需要。您使用得越多，它產生的資料就越多，它就越能自我完善，也就越不可或缺。這是一種基於依賴性的商業模式。

‍

這是一個自我餵養的循環：AI 越有效，我們就越依賴。我們越依賴，就越少運用自己的能力。我們越不發揮能力，就越需要人工智慧。這就像是對某種物質產生耐受性：您需要越來越大的劑量才能獲得相同的效果。

‍

認知自由的悖論：當自由使我們成為囚徒時

‍

醫學

2024 年發表於《心理科學展望》（Perspectives on Psychological Science）的研究警告，在人工智慧應用日益普及的放射科，醫生有可能逐漸失去直覺診斷能力。但要小心的是：人工智慧將放射科醫師從數以千計正常掃描的例行分析中解放出來，讓他們可以專注於複雜的非典型病例。風險不在於 AI 會取代診斷，而在於醫生會停止訓練他們的「臨床眼」來處理瑣碎的病例 - 這些病例往往隱藏了對辨識罕見異常非常重要的微妙細節。

‍

程式設計

來自 2025 年的研究突顯了一個有趣的現象：經常依賴 AI 寫程式碼的開發人員，會產生一種認知上的依賴。AI 擅長於產生模板程式碼和標準函式，這些重複性的工作曾經會偷走寶貴的時間。問題是：從這些繁瑣的工作中解放出來後，有些程式設計師即使在真正需要的時候，也不再運用演算法思考。這就像外科醫師在例行手術中使用機器人工具，但在緊急情況下卻很難進行手動操作一樣。

‍

教育

正如教育家 Trevor Muir 所說：「我認為在學生先掌握 AI 之前，老師不應該在寫作時使用它。AI 可以糾正文法、建議同義詞，甚至是文章結構，這些都是以前需要花費數小時手動修改的活動。隱藏的價值：那些錯誤和看似「無用」的努力，其實是對大腦的訓練。這就像是在使用自動變速箱之前先學習駕駛手動變速箱一樣：看似更困難，但卻能培養出自動變速箱無法提供的對車輛的控制與理解能力。

這就像學習駕駛一樣：首先您必須透過「無效率」的練習來培養反應能力和道路直覺，然後才可以安全地使用定速巡航系統。

‍

正如蘇格拉底在 斐德勒斯篇"你將為你的學生提供智慧的表象，而非智慧的真實。你的發明會讓他們在沒有受到適當教育的情況下聽到很多東西，他們會幻想自己已經知道了很多，但大多數時候他們什麼都不知道"。

‍

虛擬替代」測試（重溫）

與其問「人工智慧能做到這件事嗎？」，不如試試這個最新的思考實驗：「如果明天每個人都使用人工智慧來做這件事，我們這個種族會失去什麼？我們又會獲得什麼？

‍

• 寫作：我們會失去表達複雜想法的能力嗎？
• 導航：我們會失去空間感 → 但我們會提高移動效率嗎？
• 計算：我們已經失去了心算能力 → 但我們獲得了解決更複雜問題的能力

真正的問題是：我們是否意識到自己選擇的後果？

‍

認知抵抗策略：如何不被您的助理取代

‍

1.使用 AI 來放大，而不是遺忘

"使用 AI 來增強您的技能，而不是忘記它們。讓它將您從吃力不討好的工作中解放出來，讓您可以專注於創意和複雜的層面 - 但不要讓這些核心技能因荒廢而萎縮"。

‍

2.保持「認知肌肉」的訓練

這就跟體能訓練一模一樣：如果您兩個月不去健身房，照鏡子時您不會注意到 - 您看起來還是一樣。但是只要您嘗試舉起重物或跑上樓梯，您馬上就會感覺到差異。您的肌肉已經默默地變弱了。

認知萎縮甚至更加隱蔽：不僅在發生時您沒有注意到，而且往往您甚至沒有意識到您需要這種能力 - 您只是將工作委派給 AI，卻沒有意識到您曾經可以自己來做。

‍

3.練習「先無後有」的規則

為了維持我們的認知能力，我們必須先直接練習核心技能，然後再交由人工智能處理，即使交由人工智能處理後，我們仍必須持續訓練這些技能。這不是「基本」與「多餘」技能的問題，而是保持心智訓練的問題。

‍

就像棋手總是使用電腦分析棋步：他在技術上變得精準，但如果他從不獨立推理，他就會失去戰略直覺和 「感覺 」局面的能力。

‍

未來：AI 是合作者，而非拐杖

‍

解決方案不是拒絕人工智慧，而是策略性地使用人工智慧。能夠茁壯成長的專業人員將是那些結合人類直覺和經驗與人工智慧超能力的專業人員 - 他們知道何時該委派他人，何時該自己思考，同時始終維持對決策過程的控制。

‍

結論：這是功能，不是錯誤（但哪個功能？）

人工智慧所造成的認知萎縮並非需要矯正的缺陷，而是我們必須認知並有意識管理的設計後果。

但請注意：並非所有的「去訓練化」都是壞事。計算機將我們從繁瑣的計算中解放出來，印表機將我們從口頭記憶中解放出來，GPS 將我們從需要學習各種方法中解放出來。

真正的挑戰在於如何區分：

• 什麼時候取消訓練是一種解放（釋放認知資源做更重要的事）？
• 當它變得貧乏時(降低我們獨立思考的能力)

問題不在於人工智慧是否會取代我們，而是我們是否有足夠的意識來選擇取代什麼、訓練什 麼。未來屬於那些知道何時不使用 AI 的人。

‍

常見問題：關於 AI 和認知萎縮的最常見問題

「人工智能讓我變傻了嗎？」

不，它不會讓您變得愚蠢。AI 讓您在某些特定領域的認知變得懶惰，就像 GPS 讓您在導航方面變得懶惰一樣。您的基本智慧並沒有改變，但您可能會失去在某些情況下使用智慧的習慣。幸運的是，這個過程是可逆轉的：您只需要重新開始練習。

‍

「ChatGPT真的會破壞大腦嗎？」

絕對不是。您在報紙上讀到的聳人聽聞的研究，通常都是基於小樣本的初步研究。沒有科學證據顯示使用 AI 會造成腦部傷害。問題比較微妙：它可能會降低獨立思考的動機，而非獨立思考的能力。

‍

「我應該停止使用人工智能嗎？」

不，那會適得其反。AI 是一種強大的工具，可以放大您的能力。關鍵是要有策略地使用它：讓它處理重複且無聊的工作，但要讓關鍵技能保持活躍。這就像去健身房一樣：儘管使用健身機，但也別忘了自由體操。

‍

「我的孩子長大後會不會變得不聰明？」

不一定。與人工智慧一同成長的兒童可能會發展出與我們不同的技能：與智慧系統合作的能力更強、選擇資訊的思考速度更快、結合多種資源的創造力更強。風險是他們會錯過關鍵的教育步驟。

‍

‍但真正的挑戰對每個人來說都是一樣的，無論是兒童還是成人：學習在認知自主和與 AI 協作之間取得平衡。兒童甚至可能會有優勢，因為他們在成長過程中自然而然地會在兩種模式中「雙語」。

‍

「人工智能會完全取代人類勞動嗎？」

並非您所想的那樣。事實上，人工智能並沒有完全消除任何「專業角色」，而是改變現有角色中的個別任務。這會同時產生三種現象：

‍

1.分層自動化：AI 會先取代較常規的工作，然後再取代越來越複雜的工作。會計師可能會先看到基本計算自動化，然後是趨勢分析，甚至是部分策略諮詢。工作會逐漸轉型，不會突然消失。

‍

2.價值兩極化：能夠有效運用人工智慧 (提高生產力) 的人與不能有效運用人工智慧 (被淘汰) 的人之間正在分化。在您的領域中表現優異已經足夠，您必須在您的領域中表現優異 + AI。

‍

3.新瓶頸:當人工智慧處理分析與例行工作時，看似「軟性」的技能變得至關重要：複雜的協商、在曖昧情況下的領導能力、應用於前所未見問題的創造力。矛盾的是，人工智能的能力越強，「人類」技能就越有價值。

‍

真正的問題不是 「我的工作會消失嗎？」而是 「今天我可以將哪些部分的工作委派給 AI，以便專注於那些只有我能做的工作？」然後，六個月之後，您必須再問自己同樣的問題。

‍

移動能力悖論：與人工智能合作得越好，就必須越快地重塑自己的角色。未來的專業人員將不再擁有固定的「核心業務」，而是一種元能力：能夠在每個季度都在變化的環境中，快速找出可以增加人類價值的地方。

‍

「沒有人工智能，我再也寫不出東西了，這正常嗎？」

這是正常的，但並非不可避免。如果您已經對 AI 寫作上癮，您可以逐漸「戒毒」。從沒有輔助的短文開始，然後逐漸增加複雜度。這就像久坐之後健身一樣：一開始會很累，但體力很快就會恢復。

‍

「人工智能會讓我失去創意嗎？」

除非你用得不好。如果您使用 AI 來集思廣益、克服障礙或探索意想不到的方向，那麼 AI 可以是很棒的創意夥伴。風險是將它當成您創意的替代品，而不是放大器。黃金法則：創意必須始於您自己，AI 可以幫助您開發它。

‍

「如何判斷我是否過度使用 AI？」

進行這個測試：試著在沒有 AI 的情況下，執行您通常會委派的任務 (撰寫一封重要的電子郵件、解決一個問題、進行一項計算)。如果您感到「迷失」或速度比平常慢很多，您可能變得太依賴數位助理了。偶爾嘗試像過去一樣工作。

‍

「人工智能會讓學校變得無用嗎？」

這是最困難的問題。傳統教育是以練習 (寫作、計算、研究) 為基礎，而現在 AI 做得比學生還好。兩難之處：如果因為「反正有 AI 在」而不練習這些技能，那該如何培養批判性思考，以評估 AI 何時出錯？但如果你一直讓他們練習 AI 做得更好的事情，教育似乎就不合時宜了。 ‍您可能需要一種混合方法：透過實際練習來發展基本技能，然後學習如何為複雜的目標協調 AI 工具"。

「這只是過眼雲煙嗎？」

不，人工智慧將會持續發展。但就像所有的科技革命一樣，在最初的熱情過後會有一段適應期，在這段期間我們將學習如何更好地使用它。認知卸載是一個真實而持久的現象，但我們可以有意識地管理它，而不是被動地承受它。

‍

請記住：下次當您準備請 AI 寫那封電子郵件時，請停下來問問自己 - 我是在放大我的技能，還是在萎縮它們？