人工智慧（AI）是心智的垃圾食物；誘人、簡單，但最終對你非常不利。
控制論之父諾伯特·維納曾說：「每個時代的思想都反映在其技術中。」過去一個世紀，我們的思想一直反映在我們的電腦中，包括AI產業中的人們。Google的Demis Hassabis稱大腦為「圖靈機的生物近似值」。Elon Musk則更直白地宣稱「人們應該把大腦看作是生物學上的電腦」（Musk的大腦經常讓我擔心）。
但人類比單純與電腦的比較所顯示的要複雜得多——也遠比大多數AI產業所欣賞的要複雜。隨著AI產品日益深入文化，這有助於解釋為何它們會製造出如此多的麻煩。事實證明，AI有點像熱狗的認知版本：它能當下吸引我們，但卻損害了我們數千年來演化出的認知系統的健康和可持續性。
要理解這個問題，我們需要一點神經科學和整個人類演化史的知識。
大腦是電腦的想法可以追溯到艾倫·圖靈。它將思考視為一個三步驟的過程，功能上是一個演算法：我們的心智從世界上獲取資訊（輸入），以某種方式處理它（計算），然後採取行動（輸出）。感知導致認知，認知進而導致行動。用稍微詳細一點的術語來說，它看起來像這樣一張圖表：
在許多方面，這個模型都很有成效。將我們的大腦想像成電腦，技術人員將實際的計算從簡單的加法機推向了人工神經網路和生成式AI，尋求我們自身心智更詳細的鏡子。
但這面鏡子的影像，雖然不完全錯誤，卻是扭曲且有限的。發展電腦和電腦科學的關鍵人物約翰·馮·諾伊曼曾懷疑計算模型是否能捕捉到「人體神經系統的非凡複雜性」。也就是說，我們演化出的神經系統是為了幫助我們駕馭我們稱之為「世界」的龐大生態系統。而我們對世界採取行動，是為了（盡我們所能）控制它。
計算方法著眼於我們心智的最終產物，並試圖「逆向工程」它們的功能。但與其向後工作，我們不如檢視演化史的長遠軌跡，從頭開始建立我們的模型。這是蒙特婁大學神經科學家Paul Cisek偏好的方法，他耐心地發展了一個跨越數百萬年的大腦和神經系統發展的生物模型。
Cisek認為，我們的大腦最好被理解為回饋控制系統，而不是資訊處理器。我們的身體不僅接收輸入，還會採取行動來調整接收到的輸入，這取決於可用的選項。正如Cisek本人很快指出的，這不是一個新想法——在20世紀初，哲學家約翰·杜威就將心智描述為一個迴路，「比反射更真正地被稱為有機的，因為運動反應決定了刺激，正如感覺刺激決定運動一樣。」
這兩種方法之間到底有什麼區別？
這裡有一個經典的棒球例子：在右外野接飛球。根據計算模型，解決這個問題必須涉及一些複雜且潛意識的心理計算，外野手估計球的速度，計算重力的影響，並進行無數其他數學程序來「計算」球將飛到哪裡。
相比之下，回饋控制方法提出了一個簡單的啟發式方法——基本上是「讓球在你視野中的位置保持不變，然後移動以維持這種情況」。我們採取行動來調整接收到的刺激。
這不僅更符合任何打過中外野的人的經驗，而且避免了將心智過程與身體運動分開，也避免了調用計算模型所需的複雜計算。人類比這更具動態性。
這種方法也恰好與大腦隨時間演化的生物結構相符。從古代魚類到兩棲動物，再到哺乳動物、靈長類動物，最終到現代人類，我們觀察到的是，新的行為是為了應對新的環境可能性而出現的。例如，當恐龍滅絕時，這意味著一些夜行性動物可以在白天活動而較少被吃的風險，從而產生了各種新的能力。Cisek觀察到，我們神經系統的歷史是「不斷將控制延伸到世界更遠處」的歷史。（他即將出版的書將更詳細地探討這一切，是的，我希望這篇文章能給他一點壓力讓他完成它。）
這導致了一個與上述圖表截然不同且非常不同的圖表。我們可以同時列出行為和能力隨時間出現的地圖，並將大腦的特定物理組成部分疊加到這些能力上，如下所示：
這個模型不應像計算模型那樣從左到右移動，而應在演化時間上從上到下展開。例如，很久以前，隨著脊椎動物的活動能力增強，發展出專門的探索系統變得很有用——例如，利用地標或在夜間導航。這導致了我們現在稱為海馬體的發展。重要的是，這也促使我們的祖先記住從一個地方跑到另一個地方的重要時刻，從而發展出對過去經歷的「情景記憶」。
我們無法用計算模型來做任何類似的事情；它根本無法與可觀察到的神經科學結構同步。更重要的是，它掩蓋了我們大腦的許多功能都涉及控制生物體與其環境的互動。因此，Cisek建議我們需要徹底改變我們用來理解大腦與行為之間關係的範式，從演算法的輸入-輸出轉向更動態的回饋系統。
到目前為止，我們關於人類發展的故事主要集中在來自物理世界的反饋。但人類最重要的「回饋迴路」之一源於我們深刻的社會傾向。事實證明，計算模型也無法很好地解釋這一點——AI產業也是如此。我們花費了數千年時間建立學習和交流的制度和規範，而在不到十年的時間裡，大型科技公司系統性地努力拆除了它們。
如何做到的？同樣，我們需要一些歷史背景。
在大約數十萬年前的某個時候，我們遙遠的祖先做了一件令人難以置信的事情：他們學會了互相模仿。模仿手勢和身體動作使我們能夠傳承成功的實踐——例如，敲打石器——並通過共享的儀式行為協調更複雜的活動，進而塑造了我們的認知。這是人類文化的黎明。
我們花費了數千年時間建立學習和交流的制度和規範，而大型科技公司正在系統性地拆除它們。
人類很快進步到模仿聲音，進而發展出口語語言。正如我們之前報導過的，語言與思考不同，但它使我們能夠互相交流思想。在某個時候，我們遊牧的狩獵採集祖先也開始定居下來，形成非遷徙性的社區，發展出複雜的農業實踐，使我們能夠耕種食物而不是遷徙尋找食物。
最後，我們開始使用書面符號來代表我們的口語和其它抽象概念。我們能夠將複雜的思想傳遞給後代。正式教育，一個確保知識在人類群體中共享的過程，不久之後就出現了。隨著時間的推移，也出現了集體化人類決策的實踐和制度，例如「市場」、「法律」和「民主」。
我剛才提出的每一個說法都可能受到質疑，並且需要比我在此能提供的更多的細節。但這個過程與我們的生物演化是連續的，因為兩者都促進了對周圍世界更廣泛的控制。
有時，這種文化變遷會產生意想不到的負面後果。
人類飲食或許是最明顯的例子。在我們的狩獵採集時代，高脂肪食物稀少但對生存至關重要——如果你懷疑這一點，看看《單獨求生》節目就知道——我們演化出尋找它們並在找到後將其儲存在體內。但後來我們文化上發展了耕種和其他農業技術，經過一萬年的時間，如今高脂肪食物變得唾手可得——如果你想要熱狗，有很多可供選擇。
AI堵塞了我們發展駕馭世界所需知識的能力。
這就是問題所在。熱狗對我們的身體構成危險，它們用我們不再需要儲存的過量脂肪堵塞我們的動脈。AI對我們的認知能力構成了類似的危險，它堵塞了我們發展（在我們腦中）駕馭世界所需知識的能力。這是一種認知的熱狗。
偶爾吃一根熱狗不會傷害任何人，但如果它成為午餐或晚餐的常客，那肯定會造成傷害。AI也是如此——傷害不在於偶爾使用它，而在於將其變成我們心智飲食的一部分。
然而，這正是大型科技公司正在做的事情。
在2025年7月關於「AI如何改變教育」的播客中，OpenAI的教育副總裁Leah Belsky誇耀說，「學習者」佔ChatGPT每月9億平均用戶的一半以上。她說，該服務是「世界上最大的學習平台」。最近，Anthropic宣布了一項名為「Claude for Teachers」的新計畫，為現任教師提供免費的高級模型存取權。
這些努力不會讓學生或教師受益。事實上，這是AI為了便利而削弱我們賴以發展認知能力的系統的最明顯例子。
前Google軟體工程師François Chollet曾令人難忘地將AI描述為「認知自動化」工具，他將其定義為「將人類抽象概念編碼到軟體中，然後使用該軟體自動執行通常由人類執行的任務」。去年，一個跨學科的學者團體有說服力地認為，我們應該將生成式AI（如大型語言模型）視為「一種新型的文化和社會技術，而不是主要作為智能代理，它允許人類利用其他人積累的資訊」（強調原文）。
AI愛好者對此的優勢做出了無數預測，他們在很大程度上將缺點與先前形式的自動化（如電腦、計算機，甚至書面文字）相提並論。（我曾多次被引用柏拉圖據稱反對書寫的說法，我已在另一篇文章中對此進行了探討——他本人就是一位作家！）
我們從未開發並廣泛部署過如此明確旨在取代人類思維的東西。
無論這些早期技術產生了什麼影響，我們從未開發並廣泛部署過如此明確旨在取代人類思維的東西——這正是AI的倡導者們自己所說的。
看看教育。ChatGPT可能是世界上最大的學習平台，但學生們大規模地使用它來逃避建立持久知識所需的費力思考。越來越多的證據表明AI工具在教育環境中的負面影響（而Z世代普遍討厭它）。中國最近的一項研究顯示，數千名學生一旦開始使用AI，基本上就停止做功課了（這嚴重損害了他們的學習）。甚至有證據表明，當學生使用大型語言模型進行所謂的學習時，他們習慣於在其他情境下放鬆判斷和批判性思維。
沒有其他物種的大腦和身體像我們一樣在如此長的時間內發展，而且在歷史上，我們通過獨特的文化制度來傳承知識，將知識從一代傳給下一代。我們應該極力保護這種獨特的人類事業，但許多大學和學校的行政人員，更不用說大型科技公司，卻在全力推動AI盡可能深入、快速地進入我們的教育生態系統。
如果我們只把心智看作是一台電腦，AI似乎對學習有利——這就是為什麼許多人夢想著建立AI導師。但這種努力已經在失敗，因為我們的心智不僅僅是輸入-輸出設備。它們存在，或者說我們存在於一個更廣泛的認知生態系統中，我們必須做出選擇，如何花費我們的認知能量。我們這樣做是為了擴展我們的能動性，我們對世界的控制——無論它多麼有限。
如果我們只把心智看作是一台電腦，AI似乎對學習有利——但這種模型是錯誤的。
但這帶來了一個挑戰。費力的思考是困難的，如果我們提供了技術上的捷徑，我們就會接受——這就是一些研究人員最近稱之為「認知委託」。他們警告說，隨著認知委託的擴散，「支持自主推理的社會環境可能會減弱」——而且隨著它的減弱，「這種委託變得更加容易和有吸引力」。
研究人員建議採取一種「認知免疫」計畫，以保護「使人類認知保持活躍的實踐和制度：無輔助的問題解決、驗證、批判性討論，以及從AI使用中「刻意脫離的時期」。
我們稱這些制度為「學校」。
政策槓桿也需要被拉動。我發現挪威最近禁止13歲以下學生在學校使用幾乎所有AI的規定非常有趣。在美國，一個主要的教師工會也呼籲禁止在小學使用聊天機器人，而洛杉磯和紐約市等主要學區最近也實施了禁令。（披露：我曾向「學校超越螢幕」組織提供非正式建議，該組織推動了這些禁令。）我希望他們不會是最後這樣做的。
好消息是（如果能這樣稱呼的話），抵抗正在增長——也許你已經看到許多大學畢業生在畢業典禮上對讚揚AI的演講者報以噓聲的影片？這無疑部分是出於對工作的擔憂，但我懷疑許多人認識到AI對他們自身認知發展造成的傷害。當然，對於奧伯林盧德俱樂部的學生來說，情況確實如此，他們寫了一封公開信給他們的校長，批評該機構對AI的擁抱：「當你們開始你們的AI年時，我們將開始我們自己的自我實現年——實現我們勞動的成果，並擁抱人類的不完美和原始探究。」說得好。
我們大腦中的控制系統是數百萬年生物演化和數千年文化演化的產物。我們需要擺脫心智的計算模型，才能看到使我們成為人類的全部畫面，並欣賞我們深刻的社會本質，這是人類文化的驅動力。作為一個物種，我們展現了非凡的韌性，但大吃特吃認知熱狗對我們任何人都沒有好處。
PMX Global, LLC是Penske Media Corporation的子公司。
