AI“平滑”效应：认知增强还是思维惰性？

核心观点

• 大语言模型（LLM）的编辑会“平滑”文本，在消除错误的同时，也可能磨平个人独特的表达棱角与原创性，导致产出趋于同质化。
• 人脑与AI本质相似，都是基于算法的预测机器，倾向于使用“捷径”来预测和生成内容。
• 关键在于使用的意图：我们是在利用AI增强认知，还是在逃避认知？这决定了AI是深化思考的工具，还是导致思维惰性的诱因。

AI在日常与专业领域的应用

• 提升研究效率：强大的算力助力神经科学领域的基因发现、神经影像分析和药物研发。

• 优化临床工作：

  • 即时检查药物相互作用，弥补人类记忆的局限。
  • 电子病历中的LLM能总结诊疗记录，显著减少文书工作时间。
• 辅助沟通：能够快速编辑邮件等文本，使其语气更显协作与专业。

LLM编辑的“平滑”效应及其代价

积极影响

• 消除错误：提升文本的基础质量。
• 促进理解：使沟通更高效，尤其在商业和专业场景中有利于信息的标准化交换。
• democratize 专业写作：帮助非母语者等群体更顺畅地表达观点，传播思想。

潜在代价

• 削弱技能形成：过度依赖AI完成任务可能导致个人相关技能（如写作、分析）的退化。
• 侵蚀专业能力与自主性：追求效率可能损害深层的专业知识与判断力。

• 抹杀个人特质：

  • 经过LLM编辑的文本可能语法完美但个性缺失，缺乏“火花”与个人声音。
  • 原创性与错误是一体两面，平滑化过程可能移除了部分独特的“自我”。

人脑与LLM：相似的预测机器

• 核心机制：两者都基于预测模型来运作。例如，在预测“早餐我吃了___”的下一个词时，人脑和LLM都会从“煎饼”、“酸奶”等常见选项中预测，而非“自行车”。

  • 临床旁注：这一原理被用于检测失语症（如询问患者“早餐是否吃了自行车”以观察其反应）。

• 相互影响的风险：由于运作逻辑相似，长期接触LLM平滑的输出，可能反向塑造我们的大脑：

  • 审美窄化：对“古怪”或粗糙表达的容忍度下降。
  • 神经可塑性：负责多样化表达的神经回路可能减弱。
  • 耐心丧失：难以忍受创作过程中的不确定性和自我修改的痛苦。

如何善用LLM：作为研究与教学工具

• 作为“研究助理”与“教师”：可以请求LLM对草稿提供批判性反馈，指出不足之处（如“开头是否营造了情感紧迫感？”），从而明确改进方向，深化自身思考。
• 一个实用的衡量标准（引自Dan Brooks）：文本接收者阅读所花的精力，不应超过写作者创作它所花的精力。

关键自省：增强认知还是逃避认知？

在每次使用AI前，应进行元认知思考，问自己：

“我使用这个工具，是为了增强我的认知，还是为了逃避认知？”

具体可检视：

• 在求助AI前，我自己是否已经尝试过？
• 我是否批判性地评估了AI的输出？
• 它是否拓展了我的思维？是否提供了反论点或替代视角？

通过有意识的、批判性的使用，我们可以引导AI成为深化思想的助力，而非导致思维惰性的拐杖。