AI让我们人类思考从两种方式变成三种,“快思考”、“慢思考”、“人工思考”

人类从“快思考”、“慢思考”到“人工思考”

最近，我读到一篇非常有价值的论文：

Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender

作者是Steven D. Shaw和Gideon Nave，两位都来自宾夕法尼亚大学沃顿商学院。

这篇论文最打动我的地方，不是它讨论了AI 有多强，也不是它预测 AI 会不会取代人类。

它真正提出的是一个更深的问题：

当我们越来越习惯向AI 提问，人类的思考方式本身，是否正在被重新改写？

过去几十年，我们理解人类思考，最常用的是一个经典框架：双系统思维。

简单说，人有两种思考方式。

第一种是System 1。

它是快的、直觉的、自动的、不太费力的。

比如，你看到一个熟悉的人，马上认出来；看到一道题，脑子里立刻冒出一个答案；看到一个品牌包装，凭感觉判断它高级不高级；第一次见一个人，迅速形成“这个人可不可信”的印象。

这些，都是System 1。

它让我们快速反应，也让我们节省脑力。

第二种是System 2。

它是慢的、理性的、分析的、需要努力的。

比如，你认真计算一道数学题；比较两个投资方案；检查一个商业计划的逻辑漏洞；或者在做重大决定前反复推敲。

这些，都是System 2。

它让我们从直觉中退一步，开始验证、分析和判断。

所以过去我们常说，人类思考是在两套系统之间切换：

快思考，和慢思考。

今天，我们遇到问题时，不再只是“凭感觉”或者“自己想”。

我们还会做一件事：

问AI。

写一篇文章，问AI。做一个方案，问AI。总结一份报告，问AI。判断一个观点是否合理，问AI。甚至连自己该如何表达、如何决策、如何选择，也问AI。

于是，作者提出一个新的理论框架：

Tri-System Theory，三系统认知理论。

在System 1 和 System 2 之外，人类正在接入第三套系统：

System 3：Artificial Cognition，人工认知。

System 3 不存在于我们的大脑里。

它在大脑之外，存在于算法、模型、数据库和AI 系统之中。

它是外部的、自动化的、数据驱动的、动态响应的。论文认为，System 3 不只是一个工具，而是正在成为人类认知过程中的一个“功能性认知代理”。也就是说，它不只是帮我们寻找答案，而是开始参与我们如何形成判断。

这就是这篇论文最核心的洞察。

过去，一个人的答案通常来自两个地方：

直觉，或者理性。

现在，答案可能来自第三个地方：

AI。

更重要的是，人并不总是清楚地知道：

这个答案到底是我自己想出来的？还是AI 给我的？还是我在AI 的影响下，以为是自己想出来的？

这篇论文并不是凭感觉提出一个新概念。

作者做了三个预注册实验，使用改编版的Cognitive Reflection Test，也就是认知反思测试。这个测试很适合区分一个人是在使用快速直觉，还是在使用慢速推理。

实验设计很有意思。

有些参与者只能靠自己答题。有些参与者可以使用AI 助手。

关键是，AI 有时候会给出正确答案，有时候会故意给出一个看起来很自信、但实际上错误的答案。 

结果显示：

当AI 给出正确答案时，参与者的准确率明显上升。当AI 给出错误答案时，参与者的准确率明显下降。

也就是说，人的表现开始跟着AI 的质量上下波动。

这说明一件非常关键的事：

很多人不是把AI 当作一个参考资料，而是把 AI 当作一个判断来源。

当AI 正确，人变得更正确。当AI 错误，人也跟着更错误。

这就是为什么作者认为，我们必须把AI 纳入认知模型之中。

AI 已经不只是外部工具。它正在进入人的思考流程。

这篇论文最值得记住的，不只是System 3，而是另一个概念：

Cognitive Surrender。

可以翻译成：认知让渡。

更直白一点说，就是：

把思考权交出去。

作者区分了两种使用AI 的方式。

第一种，叫cognitive offloading，认知卸载。

这是相对健康的使用方式。

比如，我让AI 帮我整理资料、提出备选观点、检查遗漏，但最后我仍然会判断、筛选、验证。

这个时候，AI 是我的辅助工具。我的System 2 仍然在工作。

第二种，叫cognitive surrender，认知让渡。

这就更值得警惕。

它指的是，当AI 给出一个流畅、完整、自信的答案时，我不再认真检查，而是直接接受。

这个时候，AI 不只是帮我思考。

它开始替我思考。

论文发现，在实验中，参与者经常采纳AI 的建议。即使 AI 给出的答案是错误的，仍然有相当多的人会跟随 AI。

这就是认知让渡。

这篇论文对AI 风险的提醒很特别。

它不是简单说：AI 会犯错，所以我们要小心。

真正的问题是：

AI 犯错时，人可能仍然相信它。

更进一步：

人不仅相信它，还可能因为使用了AI，而变得更有信心。

论文发现，AI 介入之后，参与者的信心会提高。即使 AI 的答案可能是错的，人仍然会觉得自己更确定。

这就带来了一个更现代的问题：

过去，人犯错，可能是因为想得太快。现在，人犯错，可能是因为太快相信了AI。

过去的问题是：

System 1 太快，System 2 没跟上。

现在的问题变成：

System 3 太方便，System 2 不启动了。

这正是AI 时代最隐蔽的风险。

不是人不会思考了。

而是人可能在不知不觉中，把“思考的最后一公里”交给了 AI。

论文的第二项研究加入了时间压力。

结果显示，当时间紧张时，人的System 2 更难充分启动。这个时候，如果 AI 是正确的，它可以帮助人抵消时间压力带来的损失；但如果 AI 是错误的，人也更容易跟着出错。

这其实非常符合我们今天的工作场景。

越忙，越赶时间，越需要快速交付，我们越容易依赖AI。

AI 正确时，它提高效率。AI 错误时，它放大风险。

论文的第三项研究加入了奖励和即时反馈。

结果发现，当参与者被激励去答对，并且每一题后都收到反馈时，他们更愿意检查AI，也更可能推翻错误的 AI 建议。

这说明认知让渡不是不可逆的。

只要机制设计得当，人的System 2 仍然可以被重新激活。

换句话说，问题不是“要不要用 AI”。

问题是：

我们如何设计人与AI 的关系，让人不只是接受答案，而是继续保持判断。

这篇论文并不是反AI。

它并不是说，我们不要使用AI。

相反，它承认AI 已经成为人类认知生态的一部分。

它真正想提醒我们的是：

AI 不只是提高效率的工具，它正在改变人类判断的形成方式。

过去我们问：

这个判断来自直觉，还是来自理性？

现在我们还要多问一个问题：

这个判断来自我自己，还是来自AI？

我是在使用AI，还是在服从 AI？我是在借助AI 思考，还是已经把思考交给 AI？

如果用一句话总结这篇论文：

人类思维正在从System 1 + System 2，走向 System 1 + System 2 + System 3。AI 不只是外部工具，而是正在成为人类认知结构的一部分。

System 1 让我们快速反应。System 2 让我们认真思考。System 3 让我们接入外部人工智能。

但真正的问题是：

当System 3 越来越强、越来越快、越来越方便时，我们是否还愿意启动 System 2？是否仍然保留最后的判断权？问完AI 之后，还会不会继续思考？人类的分水岭可能几何级放大人群差异。

（注：论文原文可以公开获得，也可以留言协助）