夜雨聆风
每周好文分享 | 提升AI能力
亲爱的各位读友，钱志新公众号官方喜马拉雅账号已经开通了！大家可前往喜马拉雅APP搜索“钱教授课堂”即可收听学习，欢迎大家前往订阅！文章阅读完毕请点击文末右下角“在看”，我们共同将知识和能量传递下去！
摘要
关键词
认知能力；人机协同；反向提问；AI增强；认知外包
一、引言
1.研究背景与问题
当前，人工智能技术正以前所未有的速度迭代演进，深刻改变着人类的生产生活方式，并重塑全球产业格局。从生成式AI的爆发到智能体的广泛应用，AI已从单纯的工具演变为人类认知的“合作伙伴”。在这一背景下,“提升AI能力”成为学术界与实践领域共同关注的核心议题。
然而，“提升AI能力”这一表述本身蕴含深刻的辩证关系：它既指向如何提升AI系统本身的性能，更指向人类如何提升驾驭AI的能力，以及如何在与AI的协同中实现自身认知的跃升。本文聚焦后者，核心研究问题是：在AI时代，人类应如何建构和提升自身的能力体系，以实现与AI的深度协同和共同进化？
2.核心概念界定
认知能力：指个体获取、理解、判断、连接并创造新知识的能力，包括提出问题、批判性思维、价值判断、联想创造等，是人类的“思维操作系统”。
人机协同能力：指人类与AI系统高效协作的能力，包括精准表达意图、设计协作流程、整合AI产出、监督AI行为等。
认知外包：指将本应由人类完成的记忆、信息检索乃至部分决策任务交由AI完成的现象，长期可能削弱相关认知能力。
3. 论文结构与研究方法
本文采用理论建构与实证分析相结合的方法，首先提出AI时代能力的双维框架，继而分别探讨认知能力的自我提升路径、AI对认知的增强机制，以及“反向提问”这一具体策略的效能，最后总结两大能力的互动关系与实践启示。
二、AI时代的能力重构：从知识记忆到认知协同
1.知识贬值与认知升值的逻辑
在AI时代，知识的价值属性正在发生根本性转变。一方面知识的获取成本趋近于零——AI让海量知识的检索与调用变得即时且廉价，单纯记忆知识的稀缺性大幅降低。另一方面，知识的半衰期持续缩短，技术的快速迭代使得任何静态知识都可能迅速过时。更重要的是，AI在特定领域的知识储备和调用能力远超人类，如果一个人的核心竞争力仅限于知道某些规则或流程，被替代的风险将显著增加。
与知识贬值相对应，认知能力正在升值。认知能力决定了个体如何获取、理解、判断、连接并创造新知识，是人类的“思维操作系统”。在AI提供海量信息的背景下，提出好问题的能力、在模糊情境中进行价值判断的能力、对AI生成内容进行批判性审视的能力、在不同领域间建立创造性连接的能力，以及洞察人性与复杂系统的能力，都成为无法被AI替代的核心竞争力。
2. 两大核心能力的提出：认知能力为首要，人机协同为核心
基于上述分析，本文将AI时代人类需要建构的能力体系概括为两大核心维度：
第一，认知能力是首要能力。这是人类作为价值创造主体的根本保障，决定了“为什么做”和“做什么”。具体包括：从海量信息中识别真正值得解决的问题的能力（提出真问题）；面对复杂问题时快速搭建分析和解决框架的能力（构建思维框架）；在AI给出的多个方案中基于伦理、审美和复杂人性进行最终裁决的能力（价值判断）。
第二，人机协同能力是核心能力。这是让认知价值得以落地的关键，决定了“如何做”以及“做得多好”。具体包括：将抽象的人类意图精准转化为AI能理解的指令的能力（精准表达）；将复杂任务拆解并设计最优协作流程的能力（流程设计）；对AI产出进行鉴别、筛选、拼接和升华的能力（批判性整合）。
这两大能力构成相互增强的动态循环：认知能力是人机协同的“天花板”，决定了驾驭AI的上限；人机协同则是认知能力的“放大器”，每一次与AI的深度互动都在锻炼和提升人类的思维水平。
三、认知能力的自我提升路径
1.元认知策略的核心地位
研究表明，大语言模型对个体创造力的增强效应并非对所有员工均等适用，而是高度依赖于个体的元认知策略水平。元认知策略指个体主动分析任务需求、监控思维过程并灵活调整工作方法的能力。具备高水平元认知策略的员工更能有效利用大语言模型获取认知资源，从而实现创造力的显著提升；相反，缺乏元认知策略的员工则难以从AI辅助中获得实质性收益。
这一发现揭示了一个关键机制：人机协作的效果取决于“人的主动性”，员工不能仅仅是AI工具的被动使用者，而需要成为积极的策略制定者和执行者。
2.保持开放与好奇心
认知能力的提升始于对外部世界的开放态度和对未知领域的好奇心。主动接触全新或不熟悉的领域——如阅读跨学科著作、参与异质性的对话——能够不断拓展认知边界。同时，在日常信息接触中，养成追问“为什么”和“如果……会怎样”的习惯，是训练提问能力的有效方式。
3.批判性思维的系统训练
面对AI生成的内容，批判性思维的重要性空前凸显。个体应养成质疑信息的习惯：信息来源是否可靠？论证逻辑有无漏洞？是否存在其他可能性？同时，定期复盘自己的重要决策，思考当时的假设是否正确、判断依据是否充分，也是强化批判性思维的有效途径。
4.多元思维模型的建构
有意识地学习不同学科的核心思维工具——如数学的概率论、心理学的误判心理学、经济学的成本概念——能够建构起多元思维模型。尝试用不同学科的模型分析同一日常问题，有助于突破单一视角的局限，形成更全面的认知图景。
5.高质量反思与输出
写作是最深刻的思考方式。将模糊的想法清晰地写出来，这一过程会极大锻炼逻辑组织能力。同时，与认知水平相当的伙伴就某个问题进行深度辩论，在观点碰撞中修正自己的理解，也是提升认知能力的重要途径。
6.拥抱复杂性与不确定性
在信息爆炸的时代，少寻求非黑即白的简单答案，练习在矛盾中寻找平衡，是认知成熟的表现。在做计划时，不只做一个方案，而是设想多种可能性并思考应对策略，有助于提升在不确定性环境中的适应能力。
四、AI作为认知增强器：机制与路径
1.认知增强的双重效应：机遇与风险并存
人工智能对人类认知能力的影响具有双重性。一方面，若缺乏审慎引导，AI可能通过存在效应、认知外包、信息茧房等机制，削弱人类的注意与执行功能、深度记忆与批判性思维。研究发现，即便不主动操作电子设备，其在场本身也会占用有限的认知资源，导致工作记忆与流体智力表现下降，这被称为“存在效应”。长期重度使用智能设备的个体，在过滤干扰、工作记忆与任务切换等方面表现出整体劣势。
另一方面，若科学引导，人工智能可以成为提升人类认知能力的强大工具。转变技术使用逻辑和模式，AI可以从“认知威胁”转变为“认知赋能工具”。例如，通过批量处理或定时窗口取代“随到随响”的通知模式，在进行高价值任务时将设备移出视线范围，能够为个体创造更利于专注的外部环境。
2.作为“知识外挂”：拓展认知边界
AI作为“知识外挂”，能够显著拓展个体的认知边界。当个体想了解一个新领域时，AI可以即时生成清晰的概述、核心概念图谱和学习路径。同时，AI能够将复杂的专业论文翻译成通俗语言，帮助学习者跨越知识门槛，快速进入陌生领域。这种人机协同的知识获取方式，将个体从繁琐的信息检索中解放出来，将更多认知资源投入深度思考。
3. 作为“思维磨刀石”：锻炼逻辑
AI可以扮演“苏格拉底式的提问者”，主动挑战个体的观点，帮助发现逻辑漏洞。个体可以将初步想法告诉AI，让其从对立面进行反驳，或模拟不同角色（如投资人、用户、反对者）的视角，从而在观点碰撞中完善自己的论证。这种互动本质上是以外在提问引导内在思考，每一次回答都在锻炼思维的严谨性。
4.作为“决策参谋”：提升判断质量
面对重要决策，AI可以作为“决策参谋”，帮助个体更全面地审视问题。个体可以让AI列出所有潜在的风险和机会，分析决策背后的隐性假设，或提供未曾想到的评估维度。这种协作不替代人的最终判断，而是通过扩展信息维度和分析视角，提升判断的质量。
5.作为“创意催化剂”：激发联想
当创意枯竭时，AI可以成为“创意催化剂”。个体可以将看似无关的概念交给AI，让其帮助建立意想不到的连接；或者在现有想法的基础上，让AI生成多个截然不同的演进方向，从而打开思路。这种人机共创的模式，能够突破个体思维定式的局限，激发更具原创性的创意。
6.作为“认知外显”：辅助思考
与AI对话的过程本身，就是一个将混乱思绪梳理并表达出来的过程。个体可以让AI帮助将零散的想法整理成思维导图或大纲，让思维结构一目了然。这种“认知外显”不仅有助于清思路，也为后续的深度思考奠定了基础。
五、反向提问：认知增强的核心机制
1. 反向提问的理论基础
反向思维在人类推理中发挥着关键作用。人类不仅可以从问题推导出解决方案，还可以反向思考，即从解决方案出发回溯到问题。这种双向思考通常能增强整体推理表现，因为它使正向和反向思维之间的一致性检查成为可能。
在认知神经科学层面，反向提问机制之所以有效，是因为它精准地对抗了人类思维的两种天性：认知惰性和确认偏误。认知惰性使人倾向于以最小认知投入获取信息，而反向提问迫使个体从被动接收转为主动输出；确认偏误使人倾向于寻找证据证明自己正确而非挑战自己，而反向提问则扮演“温和的反对者”，促使个体审视对立观点。
2. 反向提问的认知效能原理
由AI发起的反向提问之所以能够有效提升认知能力，主要源于以下几个机制：
对抗思维惰性，迫使深度思考。当直接向AI索取答案时，大脑处于相对被动的接收状态。但当AI反问“你为什么这么想？”或“你有没有考虑过……”时，个体被迫调动知识储备，将模糊的感觉组织成有逻辑的语言进行回应。这个过程本身就是极佳的思维整理训练。
打破确认偏误，拓宽认知边界。当个体持有某个观点时，AI的反向提问能够促使个体从对立面审视问题，发现原本被忽略的逻辑漏洞。同时，通过提问引导个体联想到相关但被忽略的领域，帮助看见更完整的图景。
暴露逻辑漏洞，优化思维结构。AI可以通过追问基本前提，帮助个体审视自己的推理“根据地”是否牢固；通过要求解释从A到B的推导过程，帮助发现其中的跳跃或缺失环节。
3. 反同提问的实践方法
在AI交互中有效运用反向提问，关键在于设定明确的交互模式：
角色扮演与“杠精”模式设定。与其直接让AI给答案，不如先给AI明确指令：“请你扮演严格的辩论对手或苏格拉底式的提问者，任务不是赞同我，而是通过不断反问来挑战我的观点，帮我发现漏洞和盲点。”
围绕决策与观点的深度追问。针对具体问题，让AI从特定角度进行审视：“我认为[我的观点]。请从反面立场向我提出5个尖锐的问题。”或“我正在考虑[我的决策]。请从风险、机会成本、长期影响和利益相关者角度提出需要深思的问题。
持续追问的循环深化。当AI提问后，个体认真回答，然后要求AI基于回答继续追问。这种多轮互动能引导思维逐步深入，触及问题的核心层面。
4. 从反向提问到反思性学习
反向提问的价值不仅在于单次交互中的思维锻炼，更在于其培养的反思性学习习惯。研究发现，学生与AI协作时，若能在协作前进行独立思考，并在协作后将自身想法与AI生成内容深度整合，能够显著提升提问质量和认知获得感。更重要的是，这种深度整合能够降低个体间创意方案的相似性，保留思维的个性化特征。
这表明，反向提问的最高境界是将其内化为个体的思维习惯——即使在没有AI的场景中，也能够自发地对自身观点进行反向审视和批判性质疑，从而实现认知能力的持续进化。
六、人机协同能力的建构
1.人机协同的本质：从辅助到伙伴
AI在人类活动中的角色，正从一个“辅助性的帮手”进化为一个“能独立思考和行动的伙伴”。这一转变意味着人机关系的根本重构：人类开发者保留核心主导地位，但需要学会如何与AI形成“指导——执行”甚至“平等伙伴”的协作关系。
根据复旦NLP团队提出的LLM智能体通用框架，智能体具备“大脑——感知——行动”三大核心模块，能够实现感知——决策——行动的闭环。这为理解人机协同提供了理论框架：人类需要学会如何将自己的意图通过自然语言传递给AI的“大脑”，如何确保AI的“感知”模块准确理解多模态信息，如何监督AI的“行动”模块执行具体操作。
2.精准表达：从模糊意图到清晰指令
人机协同的首要能力是精准表达。这不仅是简单的“提问技巧”，而是将模糊的人类意图解码为AI可理解的结构化指令的能力。研究表明，在与AI协作前进行独立思考，能够显著提升后续交互中的提问质量。这说明，精准表达的前提是表达者自身对问题的清晰把握——只有自己想清楚了，才能让AI听明白。
3.流程设计：复杂任务的有效分解
人机协同的第二个核心能力是流程设计。复杂任务往往无法通过单次AI交互完成，需要人类将其拆解为多个子任务，并设计“人类思考——AI执行——人类验证——AI优化”的协作流程。这一能力类似于软件开发中的系统架构设计，但对象从代码模块变成了人机协作单元。
多智能体系统的研究表明，高效的协作机制能够显著提升任务完成质量。人类在这一过程中的角色，是整体流程的设计者和关键节点的监督者，而非每一步的执行者。
4.批判性整合：从AI输出到人类智慧
人机协同的第三个核心能力是批判性整合。AI的产出无论多么流畅，都需要经过人类的鉴别、筛选、拼接和升华。这包括验证AI生成内容的事实准确性（通过外部知识库校验）识别并纠正潜在的偏见、将AI的碎片化输出整合为连贯的知识体系，以及在AI提供的多个方案中做出符合价值判断的最终选择。
北大李戈团队的研究指出，代码生成智能体需要“结果检查机制”来验证行动结果的准确性与有效性。这一机制在人机协同中同样不可或缺——人类需要成为AI产出的“质检员”，确保最终成果符合任务要求和质量标准。
5.人类主体性的持续激活
在人机协同中，一个关键发现是“人类主体性”的核心作用。华中师范大学的研究表明，当前人—AI协同创造存在三大问题：难以产生原始的、突破性的创新；可能导致创意同质化；削弱甚至剥夺人的独立思维。产生这些负面效果的主要原因，是学生在与AI互动时会将问题解决的主责转移到AI上，从而导致人的主体性丧失。
解决之道在于持续激活人类主体性。研究发现，在协作过程中要求学生将自身事先独立生成的想法与A1生成内容深度整合，能够显著提升提问质量、驱动最终创意方案的提升，同时降低彼此间方案的相似性。这表明，人机协同不应是：“人类退场、AI主导”，而应是“人类主导、AI增强”——人类始终是认知主体和最终责任的承担者。
七、结论与展望
1. 两大能力的动态循环
本文从理论建构与实践路径两个层面，系统阐述了AI时代“提升AI能力”的双维框架：认知能力是首要能力，人机协同能力是核心能力。这两大能力并非孤立存在，而是形成相互增强的动态循环。
认知能力是人机协同的“天花板”。如果个体的认知能力不足，就无法识别高价值问题、无法设计有效的协作流程、无法判断AI产出的质量。人机协同的效能，根本上取决于人类思考的深度和质量。
人机协同是认知能力的“放大器”。每一次与AI的深度互动都是用外部工具锻炼自身思维的机会。AI的反向提问迫使个体深度思考，AI的知识外挂拓展认知边界，AI的创意催化激发联想突破——这些都在实际互动中提升着个体的认知水平，为下一轮更高水平的人机协同奠定基础。
2.从认知外包到认知增强
面对AI对人类认知能力的双重影响——既有认知外包带来的削弱风险，也有认知增强带来的提升机遇——关键在于“如何使用”。当个体将AI视为思考的替代品，将问题解决的主责转移给AI时，认知能力会因缺乏锻炼而退化；当个体将AI视为思考的增强器，保持人类主体性并持续进行深度整合时，认知能力会在人机协同中得到提升。
因此，“提升AI能力”的核心命题，不是如何让AI变得更强大，而是如何让人类在与AI的协同中变得更强大。这需要国家、企业、学校与家庭多层面协同，通过政策引导、技术设计、教育干预，使人工智能真正成为增强而非替代人类智能的赋能工具。
3.未来研究方向
未来研究可在以下几个方向深入探索：第一，认知增强的神经机制研究，借助脑成像技术揭示人机协同过程中大脑可塑性的变化；第二，反向提问的优化策略研究，探索不同类型问题的最佳提问方式；第三，人机协同的评估体系研究，建立多维度衡量人机协同效能的标准框架；第四，教育干预的实证研究，开发提升学生认知能力和人机协同能力的课程体系。
可以预见，随着AI技术的持续演进，人机关系将不断深化。但无论技术如何变革，一个根本原则不会改变：AI的终极目的，不是让人变得更像机器，而是让人成为更好的自己。
原稿：钱志新
编辑：赵志敏