外刊 | 《科学美国人》：别让AI剥夺人类深度思考的能力

原文 |《科学美国人》：别让AI剥夺人类深度思考的能力

编译 | 李彦文

图片 | 网络

在最近的研究中，我和同事们探讨了全神贯注体验背后的神经机制。我们设计了一项涉及数学专业技能的研究。数学思维依赖于一个古老的神经网络，位于大脑外层褶皱皮层顶部和中央的顶叶区域。这个网络帮助我们处理空间、时间和数字相关内容。以往关于数学神经认知的研究主要集中在人们花几秒钟解决问题时大脑的活动。这些研究有助于揭示支持专注力的大脑活动，以及一种称为“工作记忆”的特殊回忆形式，这是大脑在短期内保存数字和其他细节信息的一种能力。在研究中，我们采用了需要多个步骤才能解决的、更复杂的数学难题。我们发现，数学经验丰富的人在思考复杂数学问题时会进入一种深度专注的特殊状态。了解了这种状态，未来或许能帮助科学家更全面地理解专注力的力量，以及让电子设备来解决问题时可能需要付出的代价。

在实验中，我们招募了22名攻读数学或与数学相关专业（如物理或工程）的大学生，以及22名主修物理治疗或艺术等专业的学生。学生们观看了演示讲解，了解了几个具有挑战性的数学问题，受试者戴着覆盖了电极的帽子，以便我们追踪他们大脑中的脑电活动。我们发现，数学水平较高学生的大脑活动与数学水平较低的学生明显不同。例如，那些在课程中很少涉及数学的学生，他们的前额叶皮层表现出更多复杂活动的迹象，前额叶皮层是前额后面的一个区域，负责各种认知活动。这一发现从某种程度上反映了这些参与者在理解复杂数学演示时所付出的努力。但当我们转向那些经常进行定量思考的学生时，发现他们大脑的额叶和顶叶区域似乎有明显的联系。更具体地说，这些区域表现出一种被神经科学家称为德尔塔波的活动模式。

这些非常慢的电波通常与深度睡眠等状态有关。当然，这些学生都很清醒，也很投入，那么到底发生了什么呢？最近的一些研究表明，这些令人“昏昏欲睡”的德尔塔波可能在认知过程中起着至关重要的作用，这种过程支持深层内部集中和远距离大脑区域之间的信息传递。一些研究表明，当有经验的冥想者进入冥想状态时，会出现大规模的德尔塔波振荡。

冥想、解决数学问题和睡眠时大脑活动模式相似，其中一个原因可能是，在每种情况下，大脑都需要抑制无关的外部信息和不必要的想法，以专注于手头的任务。事实上，即使是睡觉对大脑来说也是一个繁忙的时间。睡眠研究揭示了深度睡眠在记忆巩固中不可替代的作用；慢波睡眠回溯了之前在学习任务中被激活的神经模式。

事实上，我们观察到的长距离德尔塔波振荡可能在人们沉浸于情境性复杂问题的解决过程中起着核心作用。例如，我们发现舞者在观看舞蹈表演、音乐家在聆听音乐时，也会出现类似的德尔塔波。这表明以这种方式调动大脑网络，可能对许多需要专注力的任务都有帮助。很有可能，当在某一任务上经验丰富的人全身心投入其中时，即使具体涉及的大脑网络有所不同，也会出现同样缓慢的德尔塔波。这种沉浸式专注状态也有可能具有通用性：在某个领域培养出这种思维方式，无论是解决三角学问题，还是拉小提琴，都可能对其他领域有所助益。

虽然我们的实验对象是学生，而不是顶尖数学家或诺贝尔奖得主，但我们观察到的大脑活动差异仍然证明了专业实践的力量。例如，我们的学生参与者在智商或数学焦虑水平上没有显著差异。相反，重复和刻意或有意的学习能够帮助一些研究生和本科生成为更高效的定量思维大师。基于同样的逻辑，这些发现暗示了一个人们应该牢记的权衡取舍问题，尤其是在人工智能和其他工具为各种形式的问题解决提供诱人捷径的当下。每次我们把问题交给计算器处理，或者让ChatGPT来总结一篇文章时，我们都失去了一次提升自身技能和锻炼深度专注力的机会。需要明确的是，科技确实能在很多重要方面提高我们的效率，但我们看似“低效”的艰苦努力也同样具有强大的力量。

当我想到在这个快节奏的社会中，人们是多么疯狂地在不同任务之间切换，又是多么急切地将创造力和问题解决能力外包给人工智能时，我个人不禁产生一个疑问：如果我们不再锻炼深度专注力，人类未来解决复杂问题的能力会受到怎样的影响呢？毕竟，为了应对日益复杂的技术、环境和政治挑战，我们可能比以往任何时候都更需要这种思维模式。