我们的大脑无法处理人工智能

控制论之父诺伯特·维纳曾说过：“每个时代的思想都体现在其技术中。”过去一个世纪里，我们的思想通过计算机体现出来，包括人工智能行业中的技术。谷歌的 Demis Hassabis 称大脑“是图灵机的生物性近似模型”。埃隆·马斯克则更直白地表示，认为“人们应该把大脑视为一台生物计算机。”（马斯克的脑让我很担心。）

但人类更为复杂，这种复杂性并非简单的与计算机比较所能体现出来的——也远超过大多数人工智能行业所理解的。随着人工智能产品不断深入文化领域，这就解释了为何它们会造成如此混乱的局面。事实证明，人工智能就像一种认知层面的热狗：它在当下吸引我们，却破坏了我们历经数千年演化而来的认知系统的健康与可持续性。

要理解这个问题，我们需要一些神经科学知识以及人类进化史的全部内容。

大脑是计算机这一观念可以追溯到艾伦·图灵。它认为思考是一个三步过程，从功能上来说就像一种算法：我们的头脑从外界获取信息（输入），以某种方式对信息进行处理（计算），然后产生行为表现（输出）。感知导致认知，而认知又引发行动。用更详细的表述来看，大致就像这样的图表：

在很多方面，这种模型都取得了积极成果。将大脑视为计算机，技术专家们将实际计算从简单的加法机发展到了人工神经网络和生成式人工智能，试图获得更详细的自身思维镜像。

但这一镜像虽然并不完全错误，却存在扭曲和局限。约翰·冯·诺伊曼作为计算机与计算机科学发展中的重要人物，怀疑计算模型是否能够准确捕捉到“人类神经系统特有的复杂性”。也就是说，我们的神经系统是进化而来的，旨在帮助我们应对我们称之为“世界”的复杂生态系统。而我们通过对世界的干预来试图对其施加控制（尽可能地）。

计算性方法着眼于我们大脑的最终产物，试图“逆向工程”其运作机制。但与其逆向推导，或许不如通过漫长的进化历史来构建模型。这是蒙特利尔大学神经科学家保罗·西塞克所推崇的方法，他耐心地建立了涵盖数百万年的大脑与神经系统发育的生物学模型。

Cisek认为，与信息处理器不同，我们的大脑更应被理解为反馈控制系统。我们的身体不仅接收输入，还会采取行动来调整该输入，具体取决于可用的选项。正如Cisek本人所指出的那样，这并非新概念——在20世纪之交，哲学家约翰·杜威在写作中将心灵描述为一个电路，“实际上更属于有机结构而非反射现象，因为运动反应决定了刺激，就像感官刺激决定运动一样。”

这两种方法之间的具体区别是什么？

这是棒球中的一个经典例子：在外场接住飞球。根据计算模型，解决这个问题需要复杂的、潜意识中的心理计算，其中外野手会估算球的速度，计算重力影响，并执行无数其他数学步骤来“计算”球将会落在哪里。

相关

• 语言与智力是否相同？人工智能行业非常需要这种认同

相比之下，反馈控制方法提出了一种简单的启发式方法——本质上就是“将球保持在你视野中的同一位置，然后移动以维持这种状态”。我们采取行动来调整所接收到的刺激。

这不仅更贴近那些在中心场区域打球的人们的真实体验，还避免了将心理过程与身体动作分开，也避免了使用计算模型所需的复杂计算。人类的行为更为动态。^.

这种方法也很好地反映了大脑随时间演变的生物结构。从古老的鱼类到两栖动物，再到哺乳动物、灵长类动物，最终到现代人类，我们观察到新的行为会随着新的环境条件而出现。例如，当恐龙灭绝时，这意味着一些夜行动物可以在白天活动，从而减少被捕食的风险，进而产生了多种新能力。Cisek 的观察表明，我们的神经系统属于“对世界的控制不断扩展”的类型。（他的即将出版的书籍将更详细地探讨这些现象，我希望这篇论文能给他施加一些压力，促使他完成这本书。）

这便产生了一种与上面不同的替代图表。我们可以同时绘制出随时间演变的行为与能力图谱，并且还能将大脑的具体物理组成部分与这些能力相叠加，就像这样：

与计算模型中从左至右的演变方式不同，该模型应被视为在进化过程中从上到下逐步展开的过程。例如，很久以前，当脊椎动物获得更多活动能力时，拥有专门的探索系统就变得很有必要——比如利用地标或夜间导航。这便促成了我们现在所提到的海马体的形成。 重要的是，这也促使我们的祖先记住了从一处跑到另一处的关键时刻，从而形成了对过去经历的“片段式记忆”。

对于心智的计算模型来说，我们根本无法采用这样的方式行事；它根本不符合可观察到的神经科学结构。此外，这还掩盖了大脑所进行的许多行为实际上都是对生物在其环境中的相互作用进行调控。 因此，Cisek认为我们需要彻底改变我们理解大脑与行为之间关系的模式，从算法式的输入输出方式转向更动态的反馈系统。

到目前为止，我们关于人类发展的故事主要围绕物理世界的反馈展开。但人类最重要的“反馈循环”之一源自我们的深刻社会属性。事实证明，计算模型也没有很好地考虑这一点——人工智能行业同样如此。我们花了数千年时间来建立用于相互学习和交流的制度和规范，而在不到十年的时间里，大型科技公司却系统性地试图破坏这些制度。

怎么做到？再次强调，我们需要一些历史背景。

大约数十万年前，我们的远古祖先做了一件不可思议的事：他们学会了模仿对方。通过模仿手势和身体动作，我们能够传递有效的技能——比如使用石器切割石头——并通过共同的仪式行为来协调更复杂的活动，这进而影响了我们的认知。这就是人类文化的开端。

我们花了数千年时间建立各种制度和规范，以便相互学习与交流，而大型科技公司则正在系统性地破坏这些制度。

人类很快开始模仿声音，进而掌握了口头语言。正如我们所见 之前已涵盖语言与思想不同，但它能帮助我们 沟通 我们彼此之间的交流。在某个时期，我们的流浪狩猎采集祖先也开始定居下来，形成非临时性的社区，并发展出复杂的农业技术，从而能够种植食物，而不必通过迁徙来寻找食物。

最后，我们开始使用了 书写标记 用于表达我们的口语语言和其他抽象概念。我们能够将复杂的思想传承给后代。正规教育是一种确保知识在人类群体间传播的机制。 出现 不久之后。随着时间的推移，那些将人类决策集成的制度与机构也出现了，例如“市场”、“法律”和“民主”。

我刚才提出的每一项主张都值得讨论，而且需要比我在这里能提供的更详细的资料。但这一过程与我们的生物进化是连续的，因为两者都在促进对周围世界更广泛的控制能力。

有时这种文化变化会产生意外的后果，这些后果反而造成伤害而非帮助。

人类饮食或许是最明显的例子。在狩猎采集时代，高脂肪食物很罕见，但却对生存至关重要——只需看看即可 独自一人 如果您对此表示怀疑——我们进化到会寻找这些物质，并在发现后将其储存在体内。后来，我们通过文化发展出了农业和其他农业技术，大约1万年之后，如今脂肪类食物就变得非常丰富了——如果您想吃热狗，就有很多可供选择。

人工智能占用了我们发展所需知识以应对世界的能力

这就是问题所在。热狗对我们的身体有害，因为会用多余的脂肪堵塞动脉，而这些脂肪我们不再需要在体内储存。人工智能也带来类似的威胁，它会堵塞我们获取所需知识的能力——即我们头脑中的知识——从而阻碍我们应对世界的能力。这就是一种认知上的“热狗”。

偶尔吃热狗不会伤害任何人，但如果把它当作午餐或晚餐的常规食物，肯定会有危害。对于人工智能也是如此——危害并非来自偶尔使用它，而是让它成为我们日常饮食的一部分。

然而，这正是大型科技巨头们试图做的事情。

在2025年7月的播客节目中，关于“人工智能如何改变教育”的节目里，OpenAI 教育部门副总裁 Leah Belsky 声称，“学习者”占 ChatGPT 每月9亿平均用户中的一半以上。她表示，该服务是“全球最大的学习平台”。最近，Anthropic 宣布了一项新计划，名为“Claude for Teachers”，为一线教师提供免费访问高级模型的权限。

这些努力既不会惠及学生，也不会惠及教师。实际上，这是人工智能如何削弱我们依赖以发展认知能力的系统的典型例子，只是为了带来便利而已。

弗朗索瓦·乔莱，曾是谷歌的软件工程师，令人难忘 描述 AI 作为“认知自动化”的工具，他将其定义为“在软件中编码人类抽象概念，然后利用该软件自动执行通常由人类完成的任务”。去年，一个跨学科学者团队…… 争论 具有说服力地认为，我们应该将生成式人工智能视为大型语言模型，而非“主要作为智能代理，而是作为一种新的类型” 文化和社交技术让人类能够利用其他人类积累的信息”（强调部分已添加）。

AI爱好者们对这种技术的优势提出了许多预测，而他们对劣势则认为与计算机、计算器甚至文字这种传统自动化形式相当。（我曾多次被指出柏拉图反对书写的言论，于是在另一篇文章中专门回应了这些观点——他其实是个作家！）

我们从未开发并广泛部署过如此明确旨在取代人类思考的事物。

无论这些早期技术的效果如何，我们从未像现在这样开发并广泛部署出如此明确旨在取代人类思考的工具——这正是人工智能倡导者们的观点。

看看教育领域。ChatGPT可能是全球最大的学习平台，但学生们正在大量使用它。 避免 构建他们持久知识所需的费劲思考。 证据 继续 to 安装 演示 the 负面 影响 的 AI 教育环境中的工具（以及 Gen Z 群体通常 讨厌它). 最近 研究 中国研究显示，数千名学生一旦开始使用人工智能，就基本上不再做作业了（这严重影响了他们的学习）。甚至还有 证据 当学生为了所谓的学习目的使用大型语言模型时，他们就会习惯在其他情境中放松自己的判断和批判性思维。

没有其他物种的大脑和身体能像我们的那样在如此长的时间里发育，从历史上看，我们还通过独特的文化机构来传承知识，使知识从一代传向下一代。我们应该严格保护这一独特的人类成就，然而许多大学和学校管理者，更不用说大型科技企业了，却正在全力推动人工智能尽可能深入、快速地融入我们的教育体系。

如果我们 仅 将大脑视为一台计算机，人工智能可能在学习方面具有优势——这就是为什么许多人梦想打造人工智能导师的原因。但实际上，这类努力已经在进行中 失败，因为我们的大脑不仅仅是输入输出的装置。它们是真实存在的，或者更确切地说 我们 存在于一个更广阔的认知生态系统中，我们在选择如何消耗自身认知能量方面必须做出决定。我们这样做是为了扩大我们的能力、控制力——无论其多么有限——以掌控我们的世界。

如果我们仅仅将大脑视为一台计算机，那么人工智能似乎对学习有利——但这一模型是错误的

但這也帶來了挑戰。艱難的思考很困難，如果可以獲得技術上的輔助方式，我們就會選擇它——一些研究人員也是這樣認為的 最近提到的认知委托随着认知委托的普及，他们警告说：“支持自主推理的社会环境可能会变得脆弱”——而随着这种环境变得脆弱，此类委托“就会变得更加容易且更有吸引力”。

研究人员建议采用一种基于人工智能的认知免疫计划，该计划能够保留那些使人类认知保持活跃的实践与机制：无需辅助的解题、验证、批判性讨论，以及刻意脱离人工智能使用的时段。

我们将此类机构称为“学校”。

政策杠杆也需要被拉动。我觉得应该如此 非常 有趣的是挪威 最近被禁了 基本上，13岁以下学生在学校中使用的所有人工智能相关应用。在美国，一个重要的教师工会也如此。 称为 关于禁止在小学及主要学区使用聊天机器人，例如 洛杉矶 和 纽约市 最近也实施了禁言措施。（披露：我向“超越屏幕学校”组织提供了非正式的建议，该组织推动了这些禁言措施。）希望他们不会是最后一个这么做。

好消息是，抵抗力量正在增强——或许你已经看了许多关于大学毕业生对人工智能的赞扬声的视频？这无疑部分是因为对工作的担忧，但我怀疑许多人意识到了人工智能对他们认知发展的危害。对于奥伯林卢德派俱乐部的学生来说尤其如此，他们给大学校长写了一封公开信，批评该机构对人工智能的接受：“当你们开始使用人工智能的一年时，我们将开始自己实现自我价值的一年——体验我们努力的成果，并接受人类的不完美与纯粹的探索。”完全正确。

我们大脑中的控制系统，是数百万年的生物进化与数千年文化进化共同作用的结果。我们需要从心智的计算模型中抽离出来，才能全面理解是什么让我们成为人类，并认识到我们深刻的社交属性——这是人类文化的驱动力。作为物种，我们展现出了惊人的适应性，但过度摄入认知“热狗”对任何人都没有好处。

健康饮食，并保持健康的观念。