面对人工智能的大脑：一个被数据洪流淹没的器官的编年史

大脑：一台渴求数据的预测机器

一个为减少不确定性而被选择的器官

当代神经科学将大脑描述为一台预测机器。根据卡尔·弗里斯顿（1959-）形式化的自由能原理，大脑不断寻求最小化惊讶，即其内部预测与接收到的感觉信号之间的差距。这一被称为FEP的理论将感知、行动和学习统一在一个数学框架下。

在这个模型中，对数据的渴求不是缺陷：它是一种进化策略。每一条新信息都能完善内部模型、改善预测，从而更好地生存。因此，大脑被连接为主动寻求信息，特别是减少不确定性或预示奖励的信息。

唐纳德·赫布（1904-1985）关于突触可塑性的研究表明，这种渴求留下了物理痕迹：神经连接根据使用情况增强或减弱。因此，大脑不是被动的容器，而是一个根据其处理的数据不断重新配置的器官。正是这种可塑性使适应成为可能，但也带来了脆弱性。

奖励回路与多巴胺

寻求信息会激活大脑的奖励回路。一个小的深部区域——腹侧被盖区——向另一个区域——伏隔核——发送多巴胺。结果：大脑想要继续搜索。多巴胺编码的不是快乐本身，而是奖励预测误差：它发出信号表明刚刚发生了意想不到的积极事情。然而，现代数字平台正是通过提供新的、不可预测的和个性化的内容来利用这一机制。

结果是一个反馈回路：每个通知、每次滚动、每个AI生成的响应都会产生一个小的正向预测误差，从而强化搜索行为。为节约信息而设计的大脑，发现自己暴露在为其自身奖励系统校准的近乎无限刺激流中。

奖励预测误差的三种情况

信息洪流：规模的断裂

前所未有的量

要衡量这一现象的规模，几个数量级就足够了。2024年，人类产生了超过400艾字节的数据，即约4000亿亿字节。这一体量大约每两到三年翻一番。其中越来越大的份额由AI生成，无论是文本、图像、视频还是代码。

然而，人类大脑并未以这一速度进化。其意识处理能力估计为每秒约50比特，而感觉系统每秒捕获数百万比特。这一流的大部分被过滤，但过滤本身消耗注意力资源。信息供给与认知吸收能力之间的差距是问题的核心。

信息过载的概念

这一概念并不新鲜。早在1970年，阿尔文·托夫勒（1928-2016）就在《未来的冲击》中描述了与变化加速相关的心理冲击。1971年，诺贝尔经济学奖得主赫伯特·西蒙（1916-2001）提出了基本思想：在一个信息丰富的世界中，稀缺资源变成了注意力。因此，信息过载不是来自数据缺乏，而是来自相对于可用注意力容量的数据过剩。

有了生成式AI，这种过载的性质发生了变化。它不再仅仅是数量上的过剩，而是质量上的过剩：按需生成、个性化、看似合理且不费力气就无法与真实区分的内容。大脑不仅要分类，还要理解和验证，这动用了昂贵的前额叶资源。

已记录的认知影响

注意力的碎片化

认知心理学的许多研究测量了数字多任务对注意力的影响。结果一致：通知和持续流的反复要求缩短了持续注意力的持续时间，增加了错误数量，并延长了中断后的恢复时间。这一现象被称为切换成本。

fMRI显示，数字多任务过度动用背外侧前额叶皮层——执行控制的关键区域。长期来看，这种过度使用可能促进决策疲劳和对无聊的耐受性降低，而无聊是记忆巩固和创造力所必需的状态。

工作记忆的饱和

工作记忆的容量限制在约四到七个同时元素，是人类认知的瓶颈。持续的信息流使其永久饱和，阻碍了向长期记忆的深度编码。结果是更表面的记忆，更依赖外部支持，更容易受到干扰。

奖励回路的改变

丹尼尔·卡尼曼（1934-2024）的研究显示了两种思维系统的共存：快速、直觉的系统和缓慢、分析的系统。信息洪流有利于前者而牺牲后者，因为它奖励即时反应而非反思。这种转变对推理质量、对认知偏差的抵抗以及维持长时间智力努力的能力产生了影响。

对睡眠和情绪调节的影响

长时间暴露于屏幕和信息流，尤其是晚上，会延迟入睡并碎片化睡眠。然而，睡眠对巩固学习和消除大脑代谢废物至关重要。慢性睡眠剥夺反过来加剧易怒、焦虑和情绪调节困难，形成恶性循环。

已记录影响表

下表总结了信息洪流对认知功能的主要观察效果，以及可能涉及的神经机制。

神经可塑性：适应还是损伤？

一把双刃剑般的可塑性

大脑是可塑的：它根据使用情况重新组织。这一对学习至关重要的特性也意味着，长时间暴露于饱和的信息环境会留下持久的痕迹。成像研究显示，数字平台的重度用户的功能连接发生改变，特别是在注意力和认知控制回路中。

应将其视为损伤还是适应？答案是微妙的。大脑适应其环境：如果环境饱和且碎片化，它会发展出快速、表面但在这一流中导航有效的处理策略。当这些策略占主导地位，以深度反思和持续注意力为代价时，成本就出现了。

认知休息的作用

大脑不仅需要刺激：它需要认知休息。走神时刻、无要求的休息、无屏幕的散步会激活默认模式网络（DMN），参与记忆巩固、未来投射和自我构建。持续的信息流对这些时刻的系统性抑制可能是当前洪流最深远的影响之一。

AI与大脑：共生、依赖还是淹没？

认知假体

AI也可以充当认知假体：它们外化记忆、辅助推理、过滤信息、翻译、总结。作为工具使用时，它们为更高价值的任务释放注意力资源。这是增强共生的场景，人与机器互补。

但这种共生有一个条件：用户必须保持对过程的控制。如果AI决定什么是相关的、总结、引导和个性化，用户就有逐渐失去分类、分析和记忆技能的风险。这是认知依赖的场景，工具取代了功能而不是辅助它。

功能萎缩的风险

在神经科学中，规则很简单：使用很少的功能会退化。对伦敦出租车司机的研究表明，记忆城市地图的人后海马体发达，退休后退缩。类比而言，如果AI承担记忆、定向、心算或写作，相应的回路可能因缺乏训练而减弱。

这一现象有时被称为认知卸载，并非不可避免。它取决于使用方式：解释、引导并让用户工作的AI强化回路；代替用户回答的AI削弱回路。这一区别对教育和培训至关重要。

新的科学前沿

脑机接口与增强认知

脑机接口（BMI）正在快速发展。它们已经允许瘫痪患者通过思维控制机械臂或光标。最终，它们可能提供大脑与AI之间的直接通道，绕过感觉运动瓶颈。但它们提出了重大的伦理问题：谁控制流？谁保证思维的完整性？

关于生成式AI使用的fMRI研究

自2023年以来，多个团队使用fMRI比较使用和不使用生成式AI执行任务时的大脑活动。初步结果表明，当AI提供答案时，工作记忆和执行控制区域的激活减少，而验证和警觉区域的激活增加。这些仍处于初步阶段的工作开辟了一个重要的研究领域。

走向信息卫生

面对洪流，一门新学科正在出现：信息卫生。它包括积极管理自己对流的暴露、保持认知休息时间、优先考虑深度而非数量，并定期训练受威胁的功能（注意力、记忆、推理）。神经科学可以指导这些实践，正如它已经指导睡眠卫生或身体活动一样。

要点

大脑不是被动的机器。它的可塑性使其能够适应非常不同的环境，包括信息饱和的环境。因此，问题不是它能否在人工智能的洪流中幸存，而是以何种方式、以何种功能代价幸存。挑战既是科学的，也是文化和教育的。

自然选择则在非常长的时间尺度上起作用，约为数十代。因此，它无法在几十年内对如此快速的技术变革做出反应。如果存在选择压力，它可能作用于有利于抵抗信息过载的特征：更好的注意力调节、对即时多巴胺奖励的依赖较低、对无聊和缓慢的更大耐受性。但这些特征是polygenic的，难以测量，并受到许多文化影响。生物进化因此既不是适应的唯一机制，也不是主要机制。

进化最快的是文化：使用规范、数字教育、信息卫生、集体监管。自然选择最终可能有利于某些认知特征，但它不会消除立即的文化和教育适应的必要性。人类大脑不会被取代：它将被重新配置，部分通过可塑性，部分通过我们将做出的集体选择。