Future Directions in Intelligence Enhancement

智能增强的未来方向

Linas Juozenas
智力释放 · 未来地图

明日的大脑，明智构建

基因编辑、神经接口、药物和人工智能可能保护或拓展人类认知，但它们并不都处于同一证据水平。本指南将当下的现实与有希望的实验和遥远的推测区分开来，然后提出最重要的问题：如何让进步增强人类智慧，同时不牺牲自主权、原创性或公平获取的机会？

遗传学 神经技术 药理学 人工智能与学习 伦理 终身成长
人的自主性 每项增强决策的核心
生物学在承诺重新设计之前，先修复疾病
机器在兜售超越人类之前，先恢复交流能力
学习利用工具深化练习，而不是取而代之
社会保护同意权、隐私、可及性和署名权
人的发展 成长此刻就真实发生

教育、健康、富有挑战性的练习和终身学习，无需等待未来主义技术，就能增强测得的能力。

前沿进展 恢复功能优先

最明确的收益来自帮助人们交流、行动、看见或管理疾病，而不是自愿追求超级智能。

遗传学 不存在“高智商基因编辑”

认知特征具有高度多基因性，并在成长过程中受到生物学、教育和环境的共同塑造。

药理学 警觉不等于智力

药物可能改变清醒程度或某项狭窄任务的表现，却无法在安全的前提下提升整体智力或智慧。

人工智能 辅助可以帮助学习，也可能绕过学习

设计决定了人工智能是增强独立能力，还是仅仅按需给出答案。

01 · 证据指南针

未来地图需要一个尺度

认知增强这个说法可能掩盖四种截然不同的目标：预防损伤、治疗疾病、恢复失去的功能，以及拓展原本健康的能力。我们越是从治疗走向自愿增强，通常可获得的人体证据就越薄弱。

≠

机制不是药物。动物实验成功不代表对人类来说是安全的疗法。针对一种疾病的监管许可，不等于证明对健康人有益。而更快得出答案，也不一定意味着思维更强。

已有充分支持 教育、睡眠、身体健康、练习和社会条件，均有大量人体证据支持。
获授权的治疗 监管机构已针对特定适应证和人群，评估某一明确产品的获益与风险。
人体研究 早期可行性试验或对照试验会检验安全性、剂量、性能和持久性。
临床前 细胞、类器官或动物可以揭示作用机制，但能否转化为人类获益仍不确定。
推测性 一个连贯的概念，却缺乏足够的安全性、有效性或现实可行性证明。
先问一项技术实际上试图做什么
目的 示例 证据问题 伦理压力点
预防 在造成损伤前，减少神经系统疾病的已知病因。 病因是否足够确定，而且干预是否比监测或常规护理更安全？ 检测、同意、生育选择和不平等的可及性。
治疗 减轻癫痫、抑郁症、注意缺陷多动障碍或其他已确诊疾病的症状。 对于这种病情、这个人和这个结局指标，获益是否超过风险？ 临床需求、副作用、监测，以及免受污名化的自由。
恢复 在受伤或患病后恢复语言、运动、视力或记忆。 这项功能在实验室之外是否真正有用，以及能持续多久？ 设备维护、网络安全、弃用，以及数据控制权。
增强 让健康能力超越其当前范围。 现实生活中是否有重复验证的改善——而不只是在狭窄的测试中？ 胁迫、竞争、身份、公平，以及谁负担得起。
更值得信任的因素

经得起尖锐问题检验的主张

  • 明确定义的受试人群、对照组和结局指标。
  • 独立重复验证，而不只是公司公告。
  • 绝对效果和不良事件，而不只是相对百分比。
  • 足够长的随访，以揭示效果是否持久以及延迟性伤害。
  • 透明的监管状态和已注册的研究方案。
哪些情况应让你放慢脚步

增强戏剧的信号

  • 声称“临床证明有效”，却没有列出试验名称或获批适应证。
  • 把小鼠、细胞或脑部扫描结果直接转译成人类承诺。
  • 把一项改进后的分测验说成智力有所提高。
  • 用个人见证代替盲法比较。
  • 催促、保密，或要求你在查看证据前购买。
证据与价值观回答的是不同问题。科学可以评估一项干预是否有效，以及它会带来哪些风险。但科学无法单独决定雇主是否应要求人们接受这项干预，儿童是否能够作出有意义的同意，获益应如何分享，或社会应当赞赏哪些人类能力。这些问题既需要数据，也需要公共理性讨论。
02 · 遗传通路

编辑疾病，不等于编辑命运

基因组编辑已跨过一个历史性门槛：基于 CRISPR 的治疗现在已用于治疗某些血液疾病。这一成就是确实存在的。但这并不意味着临床医生能够安全地改写健康人的智力、个性或未来。

获授权的治疗

一个真正的里程碑

2023年，美国食品药品监督管理局批准了一种经 CRISPR/Cas9 编辑的镰状细胞病疗法。研究人员会取出细胞，在体外进行编辑，再经过强化预处理后将其送回体内。这表明，在严格限定的条件下可以进行治疗性基因组编辑，而不是可以轻松实现全身增强。1

直接编辑：临床前

神经系统靶点

研究人员正在探索直接基因组编辑和表观遗传控制，以治疗遗传性神经系统疾病。大脑带来了额外障碍：递送、细胞类型精准性、免疫反应、非预期变化，以及编辑一旦递送到数百万个细胞中便难以实际逆转。

不是临床能力

一般智力

目前没有任何经过验证的基因编辑能够安全提升一般智力。认知表现受数量极多、影响极小的遗传变异，以及发育、健康、教育和经历的影响。不能假定改变某个变异就会产生可预测的心智。

单基因疾病与复杂性状是不同的问题

致病性变异有时可能是罕见疾病的主要原因。这为研究人员提供了相对明确的目标：纠正、替换、沉默或补偿某个明确的分子错误。即便如此，时机和递送方式也很重要；预防损伤可能比逆转已经在该疾病状态下发育的大脑更容易。

智力有所不同。全基因组研究表明，认知能力具有高度多基因性：许多变异都会产生影响，每个变异仅与其存在微小的统计关联，而且它们的作用会在环境中逐渐显现。2多基因评分总结加权后的遗传关联，可能用于估计研究人群中的相对倾向；它不是分子蓝图、诊断结果，也不是对某个个体发展上限的预测。

这种复杂性并不意味着基因不重要，而是意味着简单化的承诺不负责任。生物学遗传有助于塑造认知差异，而发育和持续学习则构建出发挥功能的人。因此，尊重智力也包括尊重遗传变异，以及通过多年努力形成知识、判断力和专业能力的过程。

两种编辑，两种截然不同的责任
方法 改变的是谁？ 当前方向 核心限制
体细胞编辑 接受治疗者体内的细胞；这些变化无意遗传。 已获准用于少数疾病，并正在针对其他疾病开展研究。 递送、脱靶和非预期的靶向变化、免疫影响、持久性与成本。
可遗传编辑 卵子、精子或胚胎；变化可能传递给未来世代。 基础研究与治理讨论；在负责任的临床实践中，不接受将其用于启动妊娠。 未来的人无法同意；嵌合现象和非预期影响可能遗传；通常存在替代方案；社会后果十分深远。
先治理，再谈遗传

一种改变在技术上可行，并不意味着它已经准备就绪——或意味着它就是正确的

世界卫生组织的治理建议呼吁建立强有力的监管、登记系统和国际合作，开展公众参与，并对不安全或不道德的基因组编辑活动采取行动。3 由美国国家科学院和英国皇家学会召集的国际委员会得出结论：除非能够满足严格的科学和治理标准，否则不应开展可遗传编辑；在该报告发表时，这些标准尚未满足。4

对于认知特征，这些障碍更高。我们不知道如何指定一种安全的编辑、预测其一生的影响，或将期望的改变与其他特征上的权衡取舍区分开来。关于胚胎筛选或编辑能够可靠地设计出非凡智力的说法，远远超出了现有证据。

有前景的研究方向

  • 更安全地将治疗递送至特定细胞和组织。
  • 更准确地测量有意编辑和非预期编辑。
  • 在可能的情况下，对基因表达进行可逆控制。
  • 针对严重且已得到充分了解的神经系统疾病的治疗。
  • 能够跟踪收益与伤害的长期登记系统。

任何标题都不能回避的问题

  • 这项干预是在治疗痛苦，还是在强加一种偏好的规范？
  • 残障群体是否参与了对收益的定义？
  • 检测之后，是否可能出现监控、保险歧视或生育压力？
  • 谁拥有样本、序列及由此产生的发现？
  • 如果公共研究承担风险，谁能获得收益？
03 · 神经接口

最强大的神经技术，是让人与生活重新连接

神经设备已经在医学中发挥重要价值，研究系统也能将有意的运动或言语转化为行动。它们最可信的发展方向是恢复：绕过受损通路传递信息、调节疾病相关神经回路，或补充缺失的感觉通道。

获授权的治疗

神经调节

深部脑刺激和非侵入式刺激各有特定的设备和适应症用途。获得授权绝不意味着可以自动推广到健康增强。

人体研究

言语与运动

植入物可以为个别瘫痪者解码其有意发出的言语或运动。可靠性、设置、使用寿命和可及性仍是活跃的研究问题。

人体研究

记忆支持

闭环刺激已在小型研究中改善特定实验室记忆任务的表现。但它并不是获批的“记忆起搏器”。

推测性

认知协处理器

目前尚无植入式设备在临床上被证明能够卸载工作记忆、上传知识或提升一般智力。硬件隐喻并不是临床证据。

在神经元未修复的情况下实现交流

脑机接口可以记录与有意言语或运动相关的模式，通过软件对其进行解码，并控制外部设备。即使无法治愈受损通路，这也可能为行动恢复一条路径。这并非较低层次的成就：交流、行动能力和自主决定可以改变一个人的生活。

中国监管机构于2026年批准了一种微创硬膜外脑机接口，适用于一小部分患有稳定性颈髓损伤的成年人，用于控制辅助性手套。5 这项授权意义重大，因为它使一种恢复性接口进入明确的临床应用范围。但不应将其报道为通用脑植入物、通信设备或智力增强器获得批准。

在一项2026年的居家研究中，一名患有肌萎缩侧索硬化症的参与者使用植入式言语脑机接口19个月，平均解码速度约为每分钟56个词，并由照护者协助完成设置。6 这是一项引人注目的单参与者演示，而不是消费类产品，也不能证明人们的思想可以被自由读取。这些系统是在特定条件下，从特定信号中推断经过训练的意图。

神经技术目前能做什么
技术 信号方向 证据最充分的用途 它无法证明什么
记录型脑机接口 大脑 → 设备 解码经过训练的运动或言语意图，以实现辅助控制。 不受限制的读心、疾病修复或通用增强。
刺激 设备 → 神经系统 调节特定回路，或提供模式化的感觉信息。 精确控制智慧、人格或智力等复杂特征。
闭环 记录 → 推断 → 刺激 对检测到的状态作出响应，例如疾病相关信号。 推断出的状态是完美的，或自主控制始终合适。
消费级感知 头皮/身体 → 应用程序 在噪声条件下估计有限的生理或电活动特征。 临床诊断、精确的情绪、私密思想或经验证的认知改善。
人体研究

记忆假体：一个谨慎的称谓

研究人员利用癫痫患者临床监测期间已经暂时植入的电极所采集的记录，对海马活动进行建模并实施模式化刺激。一项研究报告称，参与者在特定的短期和长期记忆任务中的表现有所改善。7

这并没有植入记忆、恢复自传体身份，也没有产生获批准的痴呆症设备。小规模、经过筛选的群体中在任务层面观察到的信号，还必须经受更大规模试验、日常使用、长期随访和具有实际意义的功能性终点检验。

已在欧洲获得 CE 标志

电子视觉并非视蛋白遗传学

PRIMA 光伏视网膜假体在一项针对地图样视网膜萎缩患者的关键性研究后，于2026年获得欧洲 CE 标志。它通过植入视网膜下的电子装置和外部眼镜，提供一种中央视觉信息。8

视蛋白遗传学视觉恢复有所不同，目前仍处于研究阶段。2021年的一份报告描述了其中一名参与者使用经过治疗的眼睛和专用护目镜后，能够部分感知物体。9 任何一种方法都不应被称为正常视力或认知增强。

脑部接入带来了普通设备不具备的责任

连续性

植入设备的用户需要维护、软件支持、部件更换，以及在公司或试验结束时的应对计划。

控制权

用户需要一种清晰的方式来暂停、断开连接、了解更新内容，并拒绝对神经数据的二次使用。

安全性

威胁模型必须包括未经授权的访问、操纵、推断以及设备故障的后果。

非侵入性不等于无足轻重

经颅磁刺激（TMS）和经颅直流电刺激（tDCS）无需手术即可影响大脑。一些设备已获准用于特定障碍。例如，2025年末，美国食品药品监督管理局（FDA）批准了一种处方级tDCS系统，用于特定亚组的中度至重度重性抑郁障碍成人患者。10 这本身并不能说明其在健康人群中的使用、对学习和创造力的影响，或对通用智能的作用。

刺激研究容易受到电极或线圈位置、强度、时机、个体解剖结构、任务和盲法的影响。实验设计中的细微变化就可能改变结果。因此，消费级设备也应接受与药物相同的基本问题检验：确切的终点是什么、与什么相比、针对哪些人、持续多长时间、如何监测不良事件？

神经信号并不等于整个人。解码输出是经过传感器、训练数据和软件塑造的推断。它不应自动凌驾于用户自己的陈述之上，而且不确定性必须保持可见——尤其是在系统代表某人进行交流、预测偏好或触发刺激时。

下一批工程突破

  • 寿命更长、具有生物相容性且信号稳定的接口。
  • 在家中也有用的性能，而不只是实验室演示。
  • 更快的校准和对照护者要求更低的设置流程。
  • 易于获得的维修、更换和长期临床支持。
  • 保护隐私的计算和可审计的更新路径。

这些主张仍缺乏证据

  • 上传知识或下载记忆。
  • 能够在一生中提升通用智能的芯片。
  • 可靠解码不受约束的私人思想。
  • 作为工作记忆协处理器运行的石墨烯或神经形态硬件。
  • 能够准确读取情绪或诊断障碍的消费级脑电图设备。
04 · 药理学路径

更敏锐的一小时，不等于更聪明的人生

当某种障碍损害注意力或清醒度时，药物可以帮助恢复这些能力。这种治疗上的成功并不能证明同一种药物会让健康、休息充足的大脑整体变得更聪明——也没有任何药物获批用于提高健康人的智商。

∆

单次服药后在一项计算机任务上的统计学显著变化，并不等同于学习、成绩、工作、判断力、创造力或长期脑健康方面有意义的改善。

获批用于障碍治疗

兴奋剂

哌甲酯和安非他明类药物是治疗多动症的既定药物，也有其他明确适应证。在健康且未被剥夺睡眠的成年人中，汇总分析显示其急性作用较小且具有选择性——这并不能证明它们能持久提升一般智力。11

获批用于睡眠障碍

促醒药物

莫达非尼可以改善特定确诊疾病患者的清醒度。但它不能让人从缺失的睡眠中获得生物学上的恢复，而且其获批标签包含重要的皮肤科、超敏反应、精神科、药物相互作用和睡眠相关注意事项。12

已批准和正在研究中

受体选择性药物

目前，一种靶向食欲素的药物已有明确的疾病适应症批准，而与多巴胺和神经可塑性相关的药物仍处于活跃研究阶段。针对特定疾病的治疗从未证明其可安全用于健康人增强能力。

治疗与增强是两个不同的问题。对于患有ADHD、嗜睡症或其他疾病的人，适当的治疗可能恢复被疾病破坏的能力。非医疗用途会增加不同的风险：睡眠不足、焦虑或激越、心血管负担、精神科影响、依赖、转用、假冒或错误标注的产品，以及为了竞争而牺牲健康的压力。处方兴奋剂还带有FDA强化的关于误用、成瘾、过量和分享药物的警告。13

食欲素说明了语境为何重要

1型嗜睡症涉及产生食欲素的神经元丧失。2026年8月，美国FDA批准了oveporexton，这是首个用于患有该疾病成年人的食欲素-2受体激动剂，此前开展了两项为期12周的随机试验。14 这是一种重要的生物学恢复：补充疾病夺走的信号。但这并不能证明健康人可以安全地消除睡眠需求，或获得超常认知能力。失眠属于常见不良反应之一。

这一点有助于保护科学进步不受炒作影响。一种治疗可以为有需要的人带来革命性改变，却不必因此成为普遍适用的“聪明药”。

多巴胺的精准性尚不等于认知的精准性

受体选择性之所以具有吸引力，是因为广泛激活多巴胺可能产生不良作用。但更具选择性的机制仍需证明能够带来有意义的结果。Mevidalen是一种多巴胺D1正向别构调节剂，已进入路易体痴呆的II期试验，但未达到认知终点；较高剂量还引发了安全性担忧。15 阴性和中性的试验结果有助于区分合理的机制与真正能切实帮助人们的治疗方法。

可塑性是机会，不是装在瓶子里的智力

所谓的精神可塑剂因其促进结构性或功能性可塑性的能力而受到研究。一些非致幻类似物已产生细胞和动物研究结果。例如，Tabernanthalog有临床前证据，但尚未确立对人类认知的益处。16

BDNF升高、树突棘变化或“可塑性”标签属于机制或生物标志物，并不能证明记忆力、推理能力或智慧得到提升。可塑性可以促进学习和恢复，但经历决定学到什么；变化可能是适应性的、中性的，也可能有害。

同样，微量给药也不应被营销为已经确立的认知增强方法。一项于 2026 年预注册的、纳入 14 项研究的荟萃分析发现，微量给药总体上没有带来认知益处，反而使认知控制出现小幅下降；同时，现有文献存在严重局限。17

当前证据能够支持——以及不能支持——的内容
路径 有依据的表述 言过其实的说法
ADHD 药物 对于许多得到恰当诊断并接受临床照护的患者，它们可以减轻症状并改善功能。 它们能可靠地让每个健康人变得更聪明，或改善长期成就。
促醒 可以改善特定睡眠障碍患者的清醒状态。 保持清醒可以取代睡眠的生物学功能，或消除累积的睡眠债。
促神经可塑性药物 一些化合物显示出与神经可塑性相关的前景机制，目前正作为治疗方法接受研究。 神经可塑性越高，就自动意味着智商、创造力或判断力越高。
微量给药 研究可以在受控条件下检验主观体验和认知效果。 现有证据证明了一般性的认知提升。
补充剂 纠正真正的营养缺乏可以保护认知能力和健康。 营养素摄入越多，就越能增强营养充足的大脑；或者“天然”就意味着安全且标签准确。

个体化处方：确实存在，但范围更窄

药物基因组学有时可以帮助解释药物暴露、剂量或不良反应风险。但它目前还不能通过查看一个人的 DNA，可靠地选出最佳的“认知增强剂”。FDA 的药物遗传学表列出了具体的基因—药物关联，并反复区分药代动力学知识与临床结局改善已获证实这一点；其中没有经过验证、能够可靠预测哌甲酯反应的检测组合。18

基因只是影响因素之一，其他因素还包括年龄、器官功能、其他药物、睡眠、诊断结果、营养、依从性以及个体实际反应。

数字孪生：一种研究工具

计算模型可以帮助研究人员模拟生物学过程、设计试验或筛选候选药物。FDA 的讨论文件指出，模型可信度取决于具体情境：对一个决策足够的模型，对另一个决策可能并不充分。19

目前还不存在一种能对个人大脑进行常规虚拟复制、并在开具处方前安全测试药物组合的系统。“数字孪生”应当指一个明确声明输入、经过验证并说明不确定性的模型，而不是一个营销隐喻。

保护药物免受竞争压力

人们不应为了适应不健康的作息、掩饰疲惫，或满足一个把睡眠视为软弱表现的工作场所，而被迫自行服药。公平的制度会区分治疗和合理便利与非医疗性强迫。它们保护健康信息的机密性，提供真正的休息，评估工作负荷，并防止获得处方药变成学习或就业的非正式条件。

目标不是让人因接受治疗而感到羞耻，而是确保药物始终是个人自由选择、临床上有正当理由的工具，而不是周围所有人强加的生产力要求。

05 · 人工智能

AI 可以扩展表现，也可以打断学习

关键问题不是是否使用了 AI，而是使用之后，这个人能够理解、记住、判断和创造什么。即时表现、持久学习和人的发展是三种不同的结果。

结果一

辅助表现

系统在场时，任务是否变得更快、更容易或更准确？这很重要——但它衡量的是人与工具的组合，而不是单独的人。

结果二

学习

学习者日后能否在没有辅助的情况下回忆、解释并迁移这一理念？一份润色完善的提交作业无法回答这个问题。

结果三

发展

这段经历是否增强了判断力、好奇心、原创性、责任感以及继续学习新事物的能力？

→

AI 应该消除那些不会带来学习的摩擦，同时保留形成知识、判断力、原创性和责任感所需的努力。

一项发人深省的课堂结果

在一项于 2025 年开展、涉及近 1,000 名中学生数学学习者的现场实验中，不受限制的 GPT 辅助提高了学生在练习期间的表现。然而，取消访问权限后，这些学生在无辅助考试中的得分比对照组低约 17%。一款采用分阶段提示并鼓励学生尝试解题的专用辅导工具避免了这一经测量的学习损失，但与对照组相比，并未带来显著的无辅助优势。20

这并不是说所有聊天机器人都会让人变得不聪明。更准确、也更有用的结论是：工具可以改善屏幕上可见的工作，同时让学习者内部留下的知识变少。保护努力过程的防护措施很重要。

哈佛大学一门物理学入门课程中的另一项随机研究发现，与主动学习课堂相比，经过精心设计的 AI 辅导工具带来了更高的即时后测成绩和更短的学习时间中位数。21 但这项实验涵盖了两节课，使用了即时测试，并未测量长期记忆保持。它的辅导工具包含专家准备的材料、分阶段提问和针对课程的设计。这证明精心构建的辅导工具能够提供帮助——并不能证明通用聊天机器人可以取代教师。

围绕你想要培养的思维来设计工具
时刻 答案引擎 学习伙伴
努力之前 立即生成完整回答。 询问学习者已经知道什么，并要求其先尝试。
遇到困难时 消除了支撑练习的难度。 提供最小但有用的提示、反例或诊断性问题。
成功之后 当输出看起来完成时就结束。 要求解释、验证以及一个新的迁移问题。
评估 奖励能力的表面表现。 延迟一段时间后，在新情境中检查哪些事情可以独立完成。
人的角色 用户成为机器输出的编辑者。 学习者仍然是推理者、作者和负责任的决策者。

一个切实可行的学习循环

尝试先凭记忆思考，再向系统求助。
提问要具体请求提示、问题、示例或批评。
解释用自己的话重述推理过程。
验证独立核查论断、计算结果和来源。
迁移先不借助 AI 解决一个新问题，之后再回头复盘。
留出一些未被占用的认知空间。 如果每一次停顿都被生成式建议填满，系统可能会成为每个想法中的第一个声音。开始重要工作时，先写下自己的观察、问题或草图。之后再邀请 AI 充当批评者、模拟器、翻译者或替代方案生成器。这能保留真正个人化且出人意料的内容出现的可能。

教师变得更加重要，而不是不再重要

教师所做的不只是传递信息。教师会选择有价值的目标，识别误解，判断何时的困难具有促进作用，将知识与后果联系起来，培养讨论，保护弱势学习者，并评估一个人能够独立完成什么。AI 可以帮助生成示例、翻译材料、创建练习或准备第一轮反馈。教育工作者仍然是设计者、见证者和负有责任的专业人士。

联合国教科文组织的指导意见呼吁在教育中使用生成式 AI 时保护隐私、采取符合年龄的使用方式、进行伦理验证，并以人为本。22 这不仅仅是一项合规工作。学生需要有不受监控的思考空间，在系统无法访问时拥有替代方案，并在自动化工具影响机会时获得人工申诉渠道。

流畅不等于证据

NIST 使用“虚构”一词来指代以自信口吻呈现、但虚假或内部不一致的生成内容。它还将自动化偏见——过度依赖自动化输出的倾向——以及生成式 AI 带来的同质化列为风险。23

对于重要论断

  • 打开所引用的来源；不要相信它确实存在。
  • 核实来源是否支持该确切表述。
  • 重新计算具有重大影响的数字。
  • 尽可能使用一手证据或权威证据。

对于重要决策

  • 明确仍负有责任的人员。
  • 明确何时必须进行独立审查。
  • 保留来源、准确性不确定性和更正历史。
  • 为受影响的人提供真正的质疑或申诉途径。

在工作中，能力边界参差不齐

受控研究和实地研究表明，在一些界定明确的任务中确实能提高生产率。在一项涉及 453 名专业人士的实验中，生成式 AI 将短篇职业写作任务的完成时间缩短了 40%，并使独立质量评分提高了 18%。24 在一项涉及 758 名顾问的研究中，AI 用户在模型能力边界以内的特定任务上速度更快、表现更好——但在一项刻意设置在能力边界之外的任务上，他们答对的可能性反而更低。25

部署到 5,172 名客户支持专员后，每小时解决的问题平均增加了 15%，其中经验较少的员工增幅更大。26 这表明，系统可以传播一些专家实践。但这并不意味着每种职业、每位专家或每个工作流程都能获得同等益处。

一项涵盖106项实验的元分析发现，人机系统通常优于单独的人类，但平均而言，其表现却不如单独发挥时表现最佳的那个代理——无论是人还是人工智能。27 因此，“人加人工智能”是一个设计问题，而不是自动获胜。团队需要校准后的信任、清晰的交接机制，以及一种能够识别机器何时从有帮助变成自信地犯错的方法。

利用机器的速度，为人的深度思考争取时间
工作类型 人工智能可能承担的角色或由人主导的工作 人的责任：始终进行核验
转换 格式处理、转录、翻译草稿、常规变体和结构化提取。 准确性、遗漏的上下文、保密性和无障碍性。
探索 替代性假设、问题、反驳意见和情景草图。 每个选项背后的证据，以及是否把可能性误认为事实。
分析 初步分类、代码建议和重复性比较。 假设、计算、边缘情况、安全性和代表性。
判断 人的目标、道德权衡、生活情境、问责、原创方向和最终决策。 被指名的人是否真正理解并选择了该结果。

任务会先于整个职业消失而发生变化

国际劳工组织修订后的2025年指数估计，全球每四名劳动者中就有一人从事某种程度上受到生成式人工智能影响的职业，而全球就业人口中有3.3%处于其最高暴露类别。在高收入经济体中，暴露程度更高；在最高类别中，女性的暴露程度更高。国际劳工组织认为，任务转型比完全替代更有可能发生，因为大多数职业都结合了可自动化的工作和依赖人类的工作。28

暴露程度不是裁员预测。它描述的是技术与任务的重叠程度，而不是采用情况、经济需求、议价能力或固定时间表。但生产力也不等于工作保障。组织和政府必须衡量谁获得了收益、谁承担了转型成本，以及新岗位是否提供真正的发展机会，而不是让人永久监督机器。

有一个危险需要尽早关注：如果雇主把人们学习某一职业所需的初级任务自动化，他们可能获得短期效率，却削弱未来专家的供给。学徒制必须重新设计，而不是取消。新入行者需要在监督下实践、获得解释、逐步承担更多责任，并定期在没有人工智能的情况下完成核心工作。

对于学习者

衡量未经辅助的记忆和迁移能力，而不仅仅是人工智能辅助产出的质量。保障人们在没有工具的情况下进行阅读、计算、写作和解决问题的时间。

对于组织

根据真实工作流程测试系统；跟踪修正时间、错误严重程度、技能增长和工作质量，而不仅仅是速度。

对于社会

通过教育、转型支持、无障碍和更高质量的工作来分享生产力提升成果，而不仅仅是减少员工人数。

06 · 人类的能力

智力很重要，也值得认真尊重

认知能力会影响人们学习、识别模式、解决陌生问题和应对复杂性的方式。因此，保护认知能力免受伤害、有毒物质暴露、疾病、长期睡眠不足和可预防压力的影响，是严肃的个人与公共责任。

↑

非凡的能力与有纪律的学习相结合，能够产生任何工具都无法简单替代的发现、解释、设计和判断。当一个社会及早识别这类头脑，深入地向其提出挑战，保护其独立性，并公平认可其工作时，整个社会都会受益。

更高的分数能够诚实地意味着什么

在有效的认知评估中取得更高分数，说明一个人在该评估实际测量的能力上表现更强。这些能力是真实且意义重大的。在适当情境下，它们能够支持更快的学习、更复杂的推理，以及解决需要异常深度抽象的问题的能力。

这句话不应被弱化为“分数毫无意义”。也不应被拉伸为“一个分数能够衡量一个人的所有重要特质”。任何智商测试都无法完整涵盖后天获得的知识、智力上的勇气、创造力、道德判断、实践智慧、动机、意识，或某个人未来将作出的贡献。测量只有保持精确，才值得尊重。

智力不是从货架上买来的玩具。它的发展反映了遗传差异、大脑的生理发育、健康、教育、练习、机会，以及一生累积的学习。专业能力的代价尤其高昂：它可能凝聚了数十年的专注、纠正、记忆、牺牲和经验。当一个博学之人离去、被忽视或无法作出贡献时，工具和数据库并不会自动重建曾存在于其头脑中的系统化理解。

成长是真实的

教育能够提升经测量的智力

一项对42个数据集及超过60万名参与者进行的元分析，采用了多种准实验设计，估计多接受一年教育可额外提升约1至5个智商点。作者称，教育是当时所确认的提升智力最一致、最稳健且最持久的方法。29

这是平均因果估计，并不承诺每位学习者都能获得同样结果。然而，它否定了宿命论：政策、教学和持续学习能够发展经测量的认知能力。

尊重是务实的

不要只会赞叹结果

  • 在需要时提供深度、加速支持和志同道合的智力伙伴。
  • 保护不受打扰的时间，以及追问艰深问题的自由。
  • 认可原创成果，并公平地为专业知识付酬。
  • 不要把最有能力的人当作无限共享的资源来榨取。
  • 保护认知健康、隐私，以及拒绝增强的权利。
  • 让聪明人保有人性，可以不确定，也仍在学习。

能力应当塑造机会，而不是决定基本权利

不同的心智在面对特定问题时，能够以截然不同的水平作出贡献。认可经证实的能力、寻求专家指导，并把要求很高的工作托付给有准备的人，是合理的。卓越值得庆祝，而罕见的智力贡献可能具有巨大的社会重要性。

然而，认知评分不能成为强迫、忽视或剥夺尊严的许可。权利是每个人脚下的底线；对卓越的尊重，则是文化在这条底线之上能够创造的高度。我们不会利用智能为残酷辩护来保护智能。我们通过建立这样的条件来保护它：让每一种心智能够发展，让非凡的心智能够走得更远。

严肃的智能政策应在未来主义技术出现之前就开始
层级 保护 培养 识别
个人 睡眠、身体健康、感官照护、安全、免受与物质相关伤害的保护，以及不被强迫使用药物的自由。 有计划的学习、提取练习、困难练习、反思以及广博的知识。 追踪真正的能力与成长，而不是只看外表或自信。
教育 安全的环境、营养、残障支持，以及免受长期干扰的保护。 卓越的教学、高阶发展路径、图书馆、实验室以及思考的时间。 识别尚未满足的需求和较高的准备程度，不以此为耻。
工作 合理的工作负荷、思想自主权、隐私，以及免受强制增强的保护。 学徒培养、研究时间、专业同行以及日益复杂的责任。 公平的署名权、报酬、决策权和公共认可。
社会 清洁的环境、公共卫生、和平、医疗可及性以及强有力的权利保障。 普及教育，加上通往非凡深度学习以及终身重返学习的路径。 庆祝发现、教学、修复、明智的判断和原创贡献。
07 · 创造的节律

原创思维既需要独处，也需要回归

独处的时间可以保护一个问题，避免它过早地被引向某个方向。与他人相处的时间则可以检验、强化、提供资源并庆祝答案。创造力并不是在孤立与社群之间做永久选择；它是两者之间的一种节律。

私人形成

暂时抽身

没有观众、指导或即时比较，注意力可以在个人记忆、不同寻常的联想以及无人要求你思考的问题之间游移。一个想法有时间先成为它自己，然后才必须为自己辩护。

  • 在询问他人想法之前先进行观察。
  • 独立写下或勾勒出第一个版本。
  • 让一个尚未解决的问题酝酿一段时间。
↔
社会实现

回来

一旦形成了原创方向，其他人的思维就变得不可或缺。他们能发现错误、补充缺失的专业知识、构建工具、提供勇气、打开机构之门、传播成果，并帮助私人洞见转化为共享的进步。

  • 欢迎批评，但不放弃作者身份。
  • 寻找能力互补的合作者。
  • 支持、促进并庆祝真正的贡献。

为何暂时抽身会有所帮助

群体可以集中注意力，但也可能锚定注意力：第一个自信的建议可能改变其他所有人会考虑的内容，谈话可能打断尚未完成的联想，而社会认可能奖励熟悉的方向。当一个人在倾听自己的内心之前向人工智能寻求想法时，也可能产生同样的影响。

关于创造性酝酿的实验研究发现，与高要求的活动、休息或不休息相比，一项与更多思绪游移相关联的低要求任务，能改善人们后来处理此前遇到的创造性问题时的表现。30 这并不意味着所有的思绪游移都有益，或孤独会提升创造力。它支持一项适度的原则：心智空间，以及暂时从专注控制中释放出来，有时能帮助一个尚未解决的问题重新组织。

关于社会影响和创造力的研究同样表明，不能简单断言“群体是好的”或“群体是不好的”。评价压力、从众、生产阻塞、多样性、异议，以及个人工作与集体工作之间的先后顺序，都很重要。31 一种强有力的设计通常会让人先独立产生想法，然后再共同比较、结合并质疑这些想法。

主动选择的独处

自愿、有限且具有修复作用。个人可以在准备好时回来，并始终与实际支持保持联结。

有害的孤立

被强加的、不受欢迎的或长期的隔绝，会使人失去照护、反馈、安全感和归属感。不应将其浪漫化。

生成性社群

保护差异、提供诚实反馈、分享资源、维护署名，并欢迎思考者回来而不要求其迎合的人。

一句值得践行的健康箴言：有时离开他人，让自己的注意力发出声音；当你想要联结、检验和庆祝时，再回来。保护一个想法的私人源头，然后让可信赖的人帮助它成长，超越一个人独自构建的可能。
08 · 权利与治理

更美好的大脑未来仍必须属于个人

增强并不会仅仅因为带来可衡量的增益，就自动成为负责任的做法。个人必须保有实质性的同意权、心智隐私、创作者身份、照护连续性、拒绝的权力，以及在可行情况下停止持续使用的权力。不可逆的干预需要更高门槛的证据和同意。任何益处都不应以将心智交给雇主、学校、国家或平台为代价。

自主权

自愿意味着拒绝是真实可行的

同意必须是在充分知情、具体明确且不受经济、教育或机构压力影响的情况下作出的。拒绝和撤回同意不能暗中招致惩罚。在可能的情况下，应提供可逆性和退出选项；不可逆的影响必须在同意前明确无误地说明。

心智隐私

神经数据不是普通遥测数据

收集应尽量减少、目的严格限定、得到安全保护，并在技术和法律允许的情况下可删除。保留期限及任何必要的例外，都应在获得同意前予以说明。即使原始信号看似毫无意义，从中推断出的信息也可能十分敏感。

正义

准入塑造结果

只有富裕人群才能使用的突破性技术可能扩大不平等；廉价但具有胁迫性的系统同样可能广泛传播伤害。

连续性

不让心智被遗弃

植入设备用户或依赖设备的用户需要长期维护、网络安全、临床支持，以及在服务提供商消失时的退出计划。

全球规则正开始跟上

2025年11月，联合国教科文组织成员国通过了首个关于神经技术伦理的全球规范性框架。该框架强调尊严、精神隐私、可负担性、明确同意和透明度；它警告不要对儿童进行非治疗性使用，也不要通过工作场所监控对员工进行画像。32 这项建议并非具有自动执行力的全球法律，但它为各国政府和机构提供了共同方向。

欧洲委员会则分别从《108+号公约》的角度审视神经数据，强调保护精神隐私，同时允许负责任的科学进步。33 经合组织关于负责任神经技术创新的建议同样呼吁重视安全性、包容性、审慎 deliberation、个人脑数据的管理、监督以及对滥用的预见。34

人工智能治理正日益延伸至教育和就业领域。自2025年2月2日起，除用于医疗或安全目的的情形外，欧盟《人工智能法案》已禁止在工作场所和教育机构进行情绪推断。该法案还将某些影响教育或就业准入的系统归为高风险系统；针对这些《附件III》系统的主要义务将自2027年12月2日起适用。35 这些类别揭示了一个重要事实：即使模型从未接触大脑，只要它负责评分、招聘或监控，就可能影响一个人的人生。

部署前的八项测试
测试 问题 最低保障
目的 究竟满足了什么人的需求？ 限定的使用场景和可衡量的终点；默认不得扩张任务范围。
证据 什么阶段的证据支持这一主张？ 独立审查、透明的状态信息，以及对不确定性的沟通。
相称性 更具侵入性或永久性的干预措施真的有必要吗？ 优先选择侵入性最低且有效的方案，并持续审查其益处。
同意 当事人能否在不失去工作、教育或护理的情况下说“不”？ 不得报复，提供易于理解的选择，在重大更新后重新征得同意。
数据 记录、推断、保留、合并或出售了什么？ 最小化、加密、用途限制、访问日志、删除和数据泄露应对计划。
自主权 谁可以暂停、覆盖、断开或纠正系统？ 用户控制，加上对重大行动负有责任的人类监督。
公平 哪些人被排除、受到施压或被要求承担风险？ 无障碍、公平覆盖、具有代表性的测试，以及非设备替代方案。
退出 试验、供应商或工作结束时会发生什么？ 维护资金、可移植性、在可能情况下安全移除，以及护理连续性。

儿童应适用更高的门槛

发育中的大脑、有限的法律自主权和学校压力，使“自愿”增强难以解释。治疗获益可能足以为经过谨慎审查的干预提供正当性；但便利、行为一致性或竞争优势通常无法提供同等正当性。

儿童不应因为家庭拒绝神经监测或生成式 AI 而失去受教育的机会；他们还需要适龄的解释以及成年人的同意。

不得强迫优化劳动者

当拒绝会威胁收入时，生产力奖金可能变成胁迫。雇主不应把脑部监测、非医疗用途的兴奋剂使用或持续的 AI 监控，作为普通参与的代价。

集体谈判、职业健康、反歧视规则和工人代表制度，都应当纳入技术设计，而不是等到伤害出现后才考虑。

公平署名是认知正义的一部分

抹去思想的来源，并不会让它们成为公共产品。研究人员、教师、艺术家、社区以及其知识用于训练或改进系统的用户，都应获得透明的来源说明、认可，并在适当情况下获得补偿。辅助技术应当放大一个人的作者身份，而不是让机构把这个人的沟通或劳动宣称为机器的成就。

当许多人共同推动一个想法发展时，可以在不否认最初贡献的情况下共享功劳。赞誉并不稀缺；作者身份应当准确。

进步具有物理足迹

AI 并非没有重量：它依托需要电力和基础设施的实体数据中心运行。国际能源署 2025 年报告预测数据中心用电需求将快速增长，同时也考察 AI 可能如何改善能源系统。36 生物医学技术还会带来实验室、制造、维护、供应链和处置方面的影响。负责任的增强应计算完整账目：临床获益、劳动力、环境负担，以及谁生活在这些基础设施附近。

09 · 时间跨度

当前已有的、接下来可能出现的，以及仍然遥远的事物

预测应被理解为有条件的发展路径，而非预定到来的成果。生物学机制可能失效，试验可能揭示危害，监管可能发生变化，而技术上令人印象深刻的系统也可能被证明无法融入日常生活。

当前能力

使用——设定明确限制

  • 针对少数非神经系统疾病的基因编辑。
  • 针对特定疾病的脑刺激技术，以及少数修复性植入物。
  • 治疗注意力障碍或觉醒障碍的药物。
  • 辅助辅导和有明确边界的知识工作任务的 AI。
  • 促进并保护认知能力的教育和健康状况。
合理可行的下一步进展

测试——不要承诺

  • 更耐用的家用脑机接口，用于语音和辅助控制。
  • 针对明确疾病的更完善闭环刺激技术。
  • 针对特定神经系统疾病的体细胞基因组编辑或表观基因组编辑疗法。
  • 让药物开发和试验设计中的预测更具可信度。
  • 既能保留学习投入、又能适应经过验证的课程体系的 AI 导师。
遥远或缺乏支持

想象——诚实地标注

  • 可靠地编辑基因，以获得高水平的通用智力。
  • 上传知识、记忆或意识。
  • 一种能持久提高健康人群智商的安全药物。
  • 按需扩展工作记忆的植入式协处理器。
  • 准确读取不受限制的私人思想。

未来正在靠近的迹象

  • 经过重复验证并完成注册、且终点具有实际意义的人体试验。
  • 在受控实验室之外仍能持续的益处。
  • 具有长期随访的独立安全性证据。
  • 能够大规模运作的制造、维护和获取体系。
  • 让受影响者拥有实际权力的治理。

预测可能失败的原因

  • 某种机制无法从动物迁移到人类。
  • 测得的效果太小或范围太窄，因而无关紧要。
  • 不良影响只有在更长时间的接触后才会出现。
  • 校准、手术、成本或支持使日常使用变得不切实际。
  • 人们会拒绝侵犯自主权或信任的系统。
最有可能出现的“增强人类”并不是孤独的半机械人。而是一个拥有良好健康、严谨教育、值得信赖的人际关系、易于使用的工具、经过审慎选择的自动化系统，以及为思考保留时间的制度支持的人。技术或许会变得非凡，但基础仍然属于人类。
10 · 明智地准备

培养能在每个未来持续积累的能力

最安全的准备不是猜测哪一种设备会胜出，而是发展知识、推理能力、健康和社会结构；无论某项技术提前到来、迟到，还是永远不会出现，这些都具有价值。

深厚知识

储存在记忆中的事实和模型能让推理更快、揭示错误，并为新信息提供可连接的落点。

学习能力

提取练习、间隔学习、讲解、反馈和迁移，把接触转化为持久能力。

独立判断

在流畅的机器周围，信息来源评估、概率思维、因果推理和道德清晰度变得更加重要，而不是不那么重要。

协作广度

倾听、教学、异议、综合与公平署名，让不同的思维共同解决任何一个人都无法独自完成的问题。

适合个人的持久实践

  1. 保护认知基础。把睡眠、运动、营养、听力、视力、心理健康、伤害预防和医疗照护视为认知基础设施。
  2. 不走捷径地学习困难内容。至少在一个领域建立真正的知识基础，并定期独立解决问题。
  3. 先尝试，再使用人工智能。让系统质疑、批评或拓展你的工作；不要让它自动成为每个想法的起点。
  4. 交替进行独处与社交。先留出时间让私人思考成形，然后寻求高要求的反馈、互补的专业知识和支持。
  5. 审查任何增强效果的主张。明确证据所处阶段、研究人群、终点、持续时间、风险、利益冲突和监管状态。
  6. 保持代理权可见。明确哪些决定不会委托他人，以及工具出错时谁仍需负责。
准备工作是共同责任
角色 立即开始 衡量 不要牺牲
学习者和家庭 保护健康，深入阅读，练习独立完成，核实生成的材料，并主动寻求适合自己的挑战。 保留、迁移、好奇心、独立学习以及身心健康。 隐私、童年、睡眠、著作权，或不借助商业平台学习的权利。
教育工作者 教授人工智能素养，重新设计评估，保留不使用人工智能的练习，并同时提供支持与更高阶的深度学习。 学生之后无需工具能够解释和完成的内容。 教师判断、人际关系、公平获取机会以及有意义的反馈。
雇主 小范围试点，让劳动者参与其中，重新设计学徒制，并记录问责情况。 错误成本、纠正时间、技能增长、工作质量、收益分配以及用户信任。 同意、休息、职业发展、公平署名或安全拒绝的权利。
政策制定者和资助者 支持独立试验、公众教育、长期登记、无障碍措施和过渡体系。 健康收益、获取机会与权力的集中、对劳动的影响、环境成本以及补救途径。 基本权利、公共监督，或部署后进行治理的能力。

目标是拥有自主权的智力

庆祝能力提升。保护卓越心智。让优质教育广泛可及。开发工具，恢复伤病或疾病夺走的能力。当机器承担重复性负担能让人们拥有更多时间用于理解、关怀、发现和原创工作时，就让机器承担这些负担。

但要保持以人为本的方向。如果一个文明能够优化注意力，却摧毁自由；能够生成答案，却削弱学习；能够读取神经信号，却拒绝倾听当事人，那么它在认知上并不先进。

关键要点

  • 恢复功能是当前的前沿。目前最有力的神经技术，主要帮助恢复交流、运动、视力或疾病控制能力。
  • 目前没有任何技术能够按需重写一般智力。对基因、神经和药物的相关主张，必须依据其真实证据阶段加以判断。
  • 智力与智商增长很重要。教育可以提升测得的能力，而卓越的专业能力应得到保护、机会与认可。
  • 人工智能的益处取决于是否保留努力。应根据之后无需辅助时的理解程度，而不是借助工具产出的表面精致程度，来评估学习工具。
  • 独处与社群相辅相成。私人思考保护原创性；值得信赖的人帮助一个想法存续、扩展并服务他人。
  • 权利是设计要求。在部署之前，必须具备同意权、精神隐私、公平获取、安全性、连续性、拒绝的权力，以及在可行情况下停止持续使用的权力。
11 · 明确回答

常见问题

针对那些常被广告、科幻作品或新闻标题模糊处理的说法，给出简短回答。

科学家能否编辑基因，让一个人变得极其聪明？

没有经过验证的临床方法可以做到这一点。一般智力受许多影响较小的变异，以及发育、健康、教育和经验的影响。目前基因编辑的成功案例针对的是相对特定的疾病机制；可遗传的认知增强还会带来深刻的科学、知情同意和社会问题。

脑部植入物能让健康人变得更聪明吗？

尚无植入物被证明能提高健康人的一般智力。恢复性脑机接口可以在特定参与者中解码经过训练的言语或动作意图，刺激技术也能治疗某些特定障碍。这些都是重要成就，但它们并不是记忆上传或一般认知扩展。

处方兴奋剂已被证实能增强健康人的学习效果吗？

它们可能改变警觉性或某些急性实验室任务的表现，但在健康且休息充足的成年人中，合并分析显示其影响很小且取决于具体任务。尚无证据表明它们能持久提高智商、智慧或人生成就，而非医疗用途还伴随医疗、法律、依赖性和公平性风险。

使用人工智能会削弱智力吗？

不一定。人工智能可以解释、翻译、提供练习并减轻附带负担。当它代替了一个人需要发展的推理、记忆或创造能力时，就会带来风险。先尝试，再请求有限的支持，进行核验、解释和迁移，并定期在没有人工智能的情况下工作。

高智商重要吗？

是的。有效的高分表明在所测能力方面表现更强，而这些能力对于学习和复杂问题解决可能非常重要。但分数仍不涵盖所有形式的智力、知识、创造力、智慧或品格。应认真看待认知方面的卓越表现，但不要要求单一测量工具回答它并非为之设计的问题。

独处有益于创造力吗？

有意识选择且界限明确的独处可以保护注意力并促进想法酝酿；不受欢迎的孤立则可能损害福祉并使人失去必要的反馈。一个有益的节奏是先独立形成想法，再回到能够检验、支持、改进并庆祝成果的人群中。

目前最安全的增强方式是什么？

没有普遍适用的答案，但最坚实的基础仍然是教育、适当的医疗保健、睡眠、身体健康、有意义的练习、支持性关系，以及保护专注力的环境。应在合格专业人员的照护下治疗疾病；不要用未经批准的产品或消费级设备替代诊断或治疗。

12 · 证据基础

来源及延伸阅读

用于区分当前能力与新兴研究及推测的监管文件、原始研究、系统综述和国际指南。

以下列表中的所有外部来源链接都会在新的浏览器标签页中打开。

  1. FDA：首个基于CRISPR的基因疗法获批
    美国食品药品监督管理局，2023年。《Casgevy用于镰状细胞病》
  2. 全基因组智能相关性荟萃分析
    Savage 等，《Nature Genetics》，2018 年。大规模证据表明其具有高度多基因架构。
  3. 人类基因组编辑：建议
    世界卫生组织，2021 年。治理、登记制度、公众参与和国际监督。
  4. 可遗传的人类基因组编辑
    由美国国家科学院与英国皇家学会召集的国际委员会，2020 年。
  5. 国家药监局：硬膜外脑机接口获批
    中国国家药品监督管理局，2026 年。颈髓损伤后的狭义辅助性手套适应症。
  6. 长期独立使用皮质内脑机接口
    《Nature Medicine》，2026 年。一名 ALS 参与者在家中独立使用语音和光标达十九个月。
  7. 开发海马神经假体
    Hampson 等，《Journal of Neural Engineering》，2018 年。癫痫监测参与者的任务特异性记忆发现。
  8. 用于地图样视网膜萎缩的视网膜下光伏植入物
    2025 年在线发表；《New England Journal of Medicine》，2026 年；394(3):232–242。另见制造商 2026 年 CE 标志公告。
  9. 视网膜基因光遗传学治疗后视觉功能部分恢复
    Sahel 等，《Nature Medicine》，2021 年。单名受试者的研究性报告。
  10. FDA 上市前批准：Flow FL-100
    美国 FDA，2025 年。用于特定成人重度抑郁症适应症的处方经颅直流电刺激（tDCS）设备。
  11. 处方兴奋剂与健康成人的认知
    系统综述与荟萃分析，2020 年。急性、幅度较小且具有领域特异性的影响。
  12. Modafinil 处方信息
    DailyMed / 美国国家医学图书馆。获批适应症、风险与相互作用。
  13. FDA 更新处方兴奋剂警告
    美国 FDA，2023 年。误用、滥用、成瘾、过量用药及安全使用沟通。
  14. FDA 批准首个用于 1 型嗜睡症的食欲素-2 激动剂
    美国 FDA，2026 年。用于患有特定食欲素缺乏症的成人的 Oveporexton。
  15. Lewy 体痴呆中的 Mevidalen
    2022 年 II 期随机安慰剂对照试验。未达到认知终点。
  16. 具有治疗潜力的非致幻迷幻剂类似物
    Cameron 等，《Nature》，2021 年。Tabernanthalog 的细胞和动物证据。
  17. 迷幻剂微量服用与认知功能
    系统综述与荟萃分析，2026 年。未发现总体认知增强效果。
  18. FDA 药物基因组学关联表
    特定的基因—药物关系，以及对暴露与已证实结果之间差异的审慎区分。
  19. AI 与机器学习在药物开发中的应用
    FDA 讨论文件，2025 年修订版。潜在用途、验证以及特定情境下的风险考量。
  20. 缺乏防护措施的生成式 AI 可能损害学习
    Bastani 等，《PNAS》，2025 年。中学数学领域实验。
  21. AI 辅导的效果优于课堂主动学习
    Kestin 等，《Scientific Reports》，2025 年。采用定制物理辅导程序的短期随机交叉试验。
  22. 生成式人工智能在教育与研究中的指导意见
    联合国教科文组织，2023年。以人为本的设计、隐私、验证与适龄使用。
  23. NIST 生成式人工智能概况
    NIST AI 600-1，2024年。虚构、自动化偏见、隐私、同质化与风险管理。
  24. 生成式人工智能对生产力影响的实验证据
    Noy 和 Zhang，《科学》，2023年。受限的专业写作任务。
  25. 参差不齐的技术前沿
    Dell’Acqua 等，《组织科学》，2026年。对知识工作者开展的预注册实验。
  26. 工作中的生成式人工智能
    Brynjolfsson、Li 和 Raymond，《经济学季刊》，2025年。部署于客户支持人员。
  27. 人类与人工智能的组合何时有用
    Vaccaro、Almaatouq 和 Malone，《自然·人类行为》，2024年。对106项实验的荟萃分析。
  28. 生成式人工智能与工作：经过细化的全球指数
    国际劳工组织，2025年。职业任务层面的暴露情况，而非对工作消失的预测。
  29. 教育在多大程度上能够提高智力？
    Ritchie 和 Tucker-Drob，《心理学科学》，2018年。准实验性证据的荟萃分析。
  30. 走神有助于创意酝酿
    Baird 等，《心理学科学》，2012年。创造性问题解决的实验研究。
  31. 社会影响、创造力与创新
    Paulus 和 Dzindolet，《社会影响》，2008年。对个体与群体创造力的综述。
  32. 联合国教科文组织通过首个全球神经技术伦理标准
    联合国教科文组织，2025年。尊严、精神隐私、儿童、工作场所、包容性与同意。
  33. 神经技术、神经数据与《108+号公约》
    欧洲委员会专家报告，2024年。对隐私和数据保护的影响。
  34. 负责任神经技术创新建议
    OECD/LEGAL/0457，2019年通过。
  35. 欧盟人工智能法案概览
    欧盟委员会。针对禁止使用和高风险用途的风险分级要求。
  36. 能源与人工智能
    国际能源署，2025年。电力需求、基础设施、安全性及能源系统的潜在收益。

教育与医学说明：本文介绍研究与政策；不用于诊断病情，不建议使用某种药物或设备，也不能替代个性化的医疗、法律或教育建议。监管状态和证据可能发生变化。对于任何临床决策，请参阅当地最新指南，并咨询具备相应资质的专业人士，由其评估个人情况、适应证、替代方案及后续随访。

返回博客