Future Directions in Intelligence Enhancement

智能增强的未来方向

释放智能 · 未来地图

明日之脑，明智构建

基因编辑、神经接口、药物和人工智能或许能够保护或延展人类认知，但它们所处的证据水平并不相同。本指南将现实进展与有前景的实验及遥远的推测区分开来，并提出最重要的问题：我们如何才能让进步增强人类智能，同时不牺牲自主性、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
人类能动性 每个增强决策的核心
生物学先修复疾病，再承诺重新设计
机器先恢复交流能力，再兜售超越人类的承诺
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
人类发展 成长现在就是真实的

教育、健康、刻意练习和终身学习，无需等待未来科技，就能增强测得的能力。

前沿领域 恢复功能优先

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

遗传学 不存在“高智商编辑”

认知特质具有高度多基因性，并在发育过程中受到生物学、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，却无法安全地提升一般智力或智慧。

人工智能 辅助可以教会你——也可能绕过学习

设计决定了人工智能是增强独立能力，还是只会按需给出答案。

01 · 证据指南针

未来地图需要刻度

认知增强这一说法可能掩盖四种截然不同的目标：预防伤害、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，通常就越缺乏人类证据。

≠

机制不是药物。动物实验成功并不等于对人类安全的治疗。针对一种疾病的监管批准并不能证明它对健康人有益。更快得到答案，也不一定意味着思维更强。

已有确凿支持 教育、睡眠、身体健康、练习和社会环境，并有大量人类证据支持。
获批治疗 监管机构已针对特定适应症和人群，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用于检验安全性、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。
先问一种技术实际上想要做什么
目的 示例 证据问题 伦理压力点
预防 在造成损害之前，减少神经系统疾病的已知病因。 病因是否足够确定？干预是否比监测或常规护理更安全？ 检测、同意、生育选择以及不平等的可及性。
治疗 减轻癫痫、抑郁症、ADHD 或其他已确诊疾病的症状。 对于这种疾病、这个人和这一结局指标，获益是否超过风险？ 临床需求、副作用、监测，以及免受污名化的权利。
恢复 在受伤或患病后恢复语言、运动、视力或记忆。 该功能在实验室之外是否真正具有实用性？能持续多久？ 设备维护、网络安全、弃用以及数据控制权。
增强 将健康的能力提升到当前范围之外。 现实生活中是否有经过重复验证的改善——而不只是在一项狭窄的测试中？ 胁迫、竞争、身份、公平，以及谁负担得起。
更值得信任的方面

经得起尖锐问题检验的主张

  • 明确界定的受试人群、对照组和结局指标。
  • 独立重复验证，而不只是公司的公告。
  • 绝对效应和不良事件，而不只是相对百分比。
  • 足够长的随访，以发现疗效持久性和延迟性伤害。
  • 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“临床验证”，却没有注明试验名称或获批适应症。
  • 将小鼠、细胞或脑部扫描的发现直接转化为对人类的承诺。
  • 把一项得到改善的分测验结果说成智力提高。
  • 用个人见证代替盲法对照。
  • 以紧迫性、保密性为由施压，或要求在审阅证据前购买。
证据与价值观回答的是不同的问题。科学可以评估一种干预是否有效，以及它会带来哪些风险。但科学无法单独决定雇主是否应当要求员工接受这种干预，儿童是否能够作出有意义的同意，获益应如何分享，或一个社会应当推崇哪些人类能力。这些问题既需要数据，也需要公共讨论。
02 · 基因通路

编辑疾病不等于编辑命运

基因组编辑已经跨过一个历史性门槛：如今，基于 CRISPR 的治疗已用于治疗某些特定的血液疾病。这一成就确实意义重大。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。

获批治疗

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。细胞会被取出，在体外完成编辑，并在强化预处理后回输。这表明，在严格界定的条件下可以开展治疗性基因组编辑，而不是可以毫不费力地进行全身增强。1

直接编辑：临床前阶段

神经系统靶点

研究人员正在探索用于遗传性神经系统疾病的直接基因组编辑和表观遗传调控。大脑带来了额外障碍：递送、细胞类型精准性、免疫反应、意外变化，以及对已经递送到数百万个细胞中的编辑进行实际逆转的困难。

不是临床能力

一般智力

目前没有经过验证的基因编辑能够安全地提高一般智力。认知表现受数量极多、作用微小的遗传变异，以及发育、健康、教育和经历的影响。不能假定改变一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、沉默或补偿某个确定的分子错误。即便如此，时机和递送方式也很重要；与逆转已经在这种状况下发育的大脑相比，预防损伤可能更容易。

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，每个变异仅具有很小的统计相关性，而且它们的作用会在环境中展开。2多基因评分汇总经过加权的遗传关联，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，也不是对某个人上限的预测。

这种复杂性并不意味着基因无关紧要，而是意味着简单化的承诺不负责任。生物遗传有助于塑造认知差异，而发育和持续学习则构建出一个具备实际功能的人。因此，尊重智力也包括尊重遗传变异，以及知识、判断力和专业能力赖以形成的多年努力。

两种编辑，两种截然不同的责任
方法 改变谁？ 当前方向 核心限制
体细胞编辑 接受治疗者体内的细胞；这些改变并非以遗传给后代为目的。 已获准用于少数疾病，并正在针对其他疾病开展研究。 递送、脱靶和意外的靶向变化、免疫影响、持久性与成本。
可遗传编辑 卵子、精子或胚胎；改变可能传递给未来世代。 基础研究与治理辩论；在负责任的临床实践中，不接受以启动妊娠为目的的应用。 未来的人无法同意；嵌合现象和意外影响可能遗传；通常存在替代方案；社会后果深远。
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选择

世界卫生组织的治理建议呼吁建立强有力的监督机制、登记系统和国际合作，加强公众参与，并采取行动遏制不安全或不合乎伦理的基因组编辑活动。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：除非满足严格的科学和治理标准，否则不应进行可遗传编辑；截至该报告发表时，这些标准尚未满足。4

对于认知特征，这些障碍更大。我们不知道如何设定安全的编辑方案，预测其终身影响，或将期望的改变与其他特征上的权衡取舍区分开来。声称胚胎筛选或编辑能够可靠地设计出非凡智力，远远超出了现有证据。

有前景的研究方向

  • 更安全地将递送物送达特定细胞和组织。
  • 更准确地测量预期和非预期的编辑结果。
  • 在可能的情况下，对基因表达进行可逆控制。
  • 针对严重且已充分了解的神经系统疾病的治疗。
  • 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，还是在强加某种偏好的规范？
  • 残障群体是否参与了对收益的界定？
  • 检测之后会不会出现监控、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，是让人重新与生活相连

神经设备已经在医学领域具有重要价值，研究系统也能将意图中的动作或言语转化为行动。它们最可信的发展方向是恢复功能：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。

获批治疗

神经调控

深部脑刺激和非侵入性刺激各自在特定设备和病症中有相应的用途。获批并不会自动推广到健康增强领域。

人体研究

言语和动作

植入物可以为个别瘫痪者解码其意图中的言语或动作。可靠性、设置、使用寿命和可及性仍是正在研究的问题。

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

尚无植入式设备在临床上被证明能够卸载工作记忆、上传知识或提高一般智力。硬件隐喻并不是临床证据。

修复神经元之外的交流

脑机接口可以记录与意图中的言语或动作相关的模式，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，这也可能重新建立一条实现行动的路径。这并非较次要的成就：交流、行动能力和自我决定能力都能改变一个人的生活。

中国监管机构于2026年批准了一种微创硬膜外脑机接口，用于一小部分病情稳定的颈髓损伤成年患者，以控制辅助性手套。5 这一授权意义重大，因为它将一种恢复性接口推进到明确的临床应用中。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2026年的一项家庭研究中，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达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 这是一次非凡的单参与者演示，并非消费产品，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，根据特定信号推断经过训练的意图。

当前神经技术能够做到什么
技术 信号方向 证据最充分的用途 无法证明的内容
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、修复疾病或普遍增强能力。
刺激 设备 → 神经系统 调节特定回路或提供模式化感官信息。 对智慧、人格或智力等复杂特质进行精确控制。
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。 这并不意味着推断出的状态绝对准确，也不意味着自主控制始终合适。
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信号特征。 临床诊断、确切情绪、私人思想或经验证的认知改善。
人体研究

记忆假体：一种谨慎的称呼

研究人员利用癫痫患者的记录数据进行研究；这些患者此前已因临床监测而暂时植入电极。研究人员据此建立海马活动模型，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表现有所改善。7

这并未植入记忆、恢复自传体身份，也没有产生获批准的痴呆症设备。在一小组经过筛选的参与者中观察到的任务层面信号，还需要经受更大规模试验、日常使用、长期随访和有实际意义的功能终点评估。

已在欧洲获得CE认证

电子视觉并非光遗传学

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认证。它通过植入视网膜下的电子植入物和外部眼镜，提供某种形式的中央视觉信息。8

光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这样一种情况：一名参与者使用经过治疗的眼睛和专用护目镜，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。

接入大脑会产生普通小工具所没有的责任

连续性

植入设备用户需要维护、软件支持、组件更换，以及在公司或试验结束时的后续方案。

控制权

当事人需要有清晰的方式来暂停、断开连接、了解更新内容，并拒绝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，以及设备故障可能造成的后果。

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）批准了一款处方级经颅直流电刺激系统，用于特定范围内患有中度至重度重性抑郁障碍的成年人。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，或对通用智能的影响。

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追问：确切的终点是什么？与什么进行比较？针对哪些人？持续多久？如何监测不良事件？

神经信号并不是人的全部。解码输出是基于传感器、训练数据和软件形成的推断。它不应自动凌驾于用户自己的陈述之上，而且必须始终呈现不确定性——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

  • 使用寿命更长、具有生物相容性且信号稳定的接口。
  • 在家庭环境中具有实用表现，而不只是实验室演示。
  • 更快的校准速度，以及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。

仍缺乏证据支持的主张

  • 上传知识或下载记忆。
  • 能够在一生中增加通用智能的芯片。
  • 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

当障碍影响注意力或清醒度时，药物可以帮助恢复这些能力。这种治疗成功并不能证明同一种药物会让健康、休息充分的大脑整体变得更聪明，而且没有任何药物获批用于提高健康人群的智商。

∆

单次用药后在某项计算机任务上的统计学显著变化，不等同于学习、成绩、工作、判断力、创造力或长期脑健康得到有意义的改善。

获批用于障碍性疾病

兴奋剂

哌甲酯和安非他明类药物是治疗注意缺陷多动障碍（ADHD）的成熟疗法，也有其他明确适应证。在健康且未睡眠不足的成年人中，汇总后的急性效应幅度较小且具有选择性，并不能证明一般智力会持久提升。11

获批用于睡眠障碍

促进清醒的药物

莫达非尼可以改善特定已确诊疾病患者的清醒度。但它无法弥补漏睡造成的生物学恢复，其获批标签还包括重要的皮肤科、超敏反应、精神科、药物相互作用和睡眠相关注意事项。12

已获批及正在研究中

受体选择性药物

目前已有一种靶向食欲素的药物获批用于特定疾病，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绝不能证明健康人可以安全地增强能力。

治疗和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，适当的治疗可以恢复被疾病扰乱的能力。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、转用于他人、假冒或标签错误的产品，以及通过牺牲健康来竞争的压力。处方兴奋剂还带有 FDA 强化的警告，涉及误用、成瘾、过量服用和共享。13

食欲素说明背景为何重要

1 型嗜睡症涉及产生食欲素的神经元丧失。2026 年 8 月，美国食品药品监督管理局批准了 oveporexton，这是首个用于患有该疾病成人患者的食欲素-2 受体激动剂，此前已完成两项为期 12 周的随机试验。14 这是一种重要的生物学恢复形式：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。

这种区分能保护科学进步免受炒作影响。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 受体正向变构调节剂，已进入路易体痴呆 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 阴性和中性试验有助于区分合理的机制与能实质性帮助患者的治疗。

可塑性是一种机会，不是装在瓶子里的智力

所谓的心理可塑剂正在接受研究，以评估其促进结构或功能可塑性的能力。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，但尚无确立的人类认知获益。16

BDNF增加、树突棘变化或“可塑性”标签都属于机制或生物标志物。这些并不能证明记忆力、推理能力或智慧得到改善。可塑性可以促进学习和恢复，但经验决定学到什么；变化可能具有适应性、中性或有害性。

同样，不应将微量给药宣传为已经确立的认知增强方法。一项预注册的 2026 年 14 项研究荟萃分析发现，总体上没有认知获益，认知控制能力还有小幅下降；同时，现有文献存在严重局限。17

当前证据能够——也不能够——支持的内容
路径 可以合理捍卫的表述 言过其实的说法
ADHD 药物 在临床照护下，它们可以减轻症状，并改善许多经过适当诊断的患者的功能。 它们能可靠地让每一位健康人变得更聪明，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。 保持清醒可以替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可塑性相关的有希望的作用机制，目前正作为治疗手段接受研究。 可塑性更强就必然意味着更高的智商、更强的创造力或更好的判断力。
微量给药 研究可以在受控条件下检验主观感受和认知效应。 现有证据已经证明普遍的认知升级。
补充剂 纠正真正的缺乏可以保护认知能力和健康。 摄入更多某种营养素就能增强营养充足的大脑，或者“天然”就能保证安全且标签准确。

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量、剂量或不良反应风险。但目前还无法仅通过观察一个人的 DNA，就可靠地选出最佳的“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已证实的临床结局改善；其中没有任何经过验证、能够可靠预测哌甲酯反应的检测组合。18

基因只是众多输入因素之一，其他因素还包括年龄、器官功能、其他药物、睡眠、诊断、营养、依从性和实际疗效反应。

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方案。FDA 的讨论文件指出，模型的可信度取决于具体情境：对某一决策足够的模型，对另一决策可能并不够用。19

目前还不存在一种日常可用的虚拟个体大脑复制品，能够在开具处方前安全地测试药物组合。“数字孪生”应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，而不得不自行服药。公平的制度会将治疗和合理便利与非医疗胁迫区分开来。它们保护机密的健康信息，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。

目的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、具有临床依据的工具，而不是身边所有人强加的生产力要求。

05 · 人工智能

AI 可以扩展表现，也可以中断学习

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

在系统介入期间，任务是否变得更快、更容易或更准确？这很重要——但它衡量的是人机组合，而不是单独的个人。

结果二

学习

学习者之后能否在没有帮助的情况下回忆、解释并迁移这一理念？一份润色完毕的提交作品无法回答这个问题。

结果三

发展

这段经历是否增强了判断力、好奇心、原创性、责任感以及学习下一件事的能力？

→

AI 应该消除那些不会带来学习的阻力，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实地实验中，不受限制的 GPT 辅助提高了他们在练习期间的表现。然而，当移除访问权限后，这些学生在无辅助考试中的得分比对照组低约 17%。一个采用分阶段提示并鼓励学生尝试解题的专用辅导系统避免了这一可测量的学习损失，尽管与对照组相比，它并未带来显著的无辅助优势。20

这里的结论并不是所有聊天机器人都会让人变得不那么聪明。更准确、也更有用的说法是：工具可以改善屏幕上呈现的工作成果，却让学习者内部留下的知识更少。保留努力过程的防护措施很重要。

哈佛大学一门入门物理课程中的另一项随机研究发现，与采用主动学习的课堂相比，经过精心设计的 AI 辅导系统能带来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，采用即时测试，也没有测量长期保持效果。它的辅导系统包含专家准备的材料、分阶段提问以及针对课程的设计。这说明精心构建的辅导系统能够提供帮助，而不是说明通用聊天机器人可以取代教师。

围绕你想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 移除了承载练习的难度。 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 奖励能力的表象。 延迟一段时间后，在新的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。

一个实用的学习循环

尝试在询问系统之前先凭记忆思考。
提出具体问题请求提示、问题、示例或批评。
解释用自己的话重新表述推理过程。
验证独立检查主张、计算结果和来源。
迁移先在不使用 AI 的情况下解决一个新问题，之后再回头复盘。
保留一些无人占据的认知空间。如果每次停顿都被生成式建议填满，系统可能会成为每个想法出现时的第一个声音。开始重要工作时，先用自己的观察、问题或草图。稍后再邀请 AI 充当批评者、模拟器、翻译者或备选方案生成器。这样可以保留真正个人化且出人意料的想法出现的机会。

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，培养讨论氛围，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。教育者仍然是设计者、见证者和承担责任的专业人士。

联合国教科文组织的指导意见呼吁保护隐私、进行适合年龄的使用、开展合乎伦理的验证，并以人为本地应用生成式 AI 于教育。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、在系统无法访问时可用的替代方案，以及在自动化工具影响机会时获得人工申诉的权利。

流畅不等于证据

NIST 使用“虚构”一词来指代以自信口吻呈现的虚假或内部不一致的生成内容。NIST 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 风险中的同质化列为相关风险。23

对于重要主张

  • 打开所引用的来源；不要相信它确实存在。
  • 检查来源是否支持该确切表述。
  • 重新计算会产生重大影响的数字。
  • 尽可能使用原始或权威证据。

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。
  • 保留来源信息、不确定性和更正记录。
  • 为受影响者提供真正的质疑或申诉途径。

在工作中，能力边界并不平滑

受控研究和实地研究表明，在一些范围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耗时缩短了 40%，并使独立质量评分提高了 18%。24 在一项针对 758 名顾问的研究中，AI 用户在模型能力边界内的选定任务上速度更快、表现更好，但在一项刻意安排在该边界之外的任务上，他们得出正确答案的可能性反而更低。25

部署到 5,172 名客户支持专员后，平均每小时解决的问题数提高了 15%，其中经验较少的员工提升幅度更大。26 这表明，系统可以传播一些专家实践，但并不意味着每种职业、每位专家或每种工作流程都能获得同等益处。

一项涵盖106项实验的荟萃分析发现，人类—人工智能系统总体上优于单独的人类；然而，平均而言，其表现不如单独表现最佳的那个主体——无论是人类还是人工智能。27 因此，“人加人工智能”是一个设计问题，而不是自动获胜。团队需要校准信任、明确交接方式，并能够识别机器何时从有帮助变成自信地犯错。

利用机器的速度，为人的深度思考留出时间
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 格式设置、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、反驳观点和情景草图。 每个选项背后的证据，以及是否将可能性误认为事实。
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、实际情境、责任、原创方向和最终决策。 被指名的人是否真正理解并选择了结果。

整体职业消失之前，任务会先发生变化

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所从事的职业存在一定程度的生成式人工智能暴露，而全球就业人口中有3.3%属于暴露程度最高的类别。在高收入经济体中，暴露程度更高；在最高暴露类别中，女性的暴露程度更高。国际劳工组织认为，任务转型比彻底替代更有可能发生，因为大多数职业都结合了可自动化的工作和依赖人的工作。28

暴露程度并不等同于裁员预测。它描述的是任务与技术的重叠程度，而不是采用情况、经济需求、议价能力或固定时间表。但生产率也不等于工作保障。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：如果雇主将人们学习某项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，而不是被取消。新入行者需要有监督的实践、讲解、逐步增加的责任，以及定期在没有人工智能的情况下完成核心工作的机会。

致学习者

衡量无辅助回忆和迁移能力，而不仅仅是人工智能辅助产出的质量。在不使用工具的情况下，为阅读、计算、写作和解决问题留出时间。

致组织

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

致社会

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

06 · 人的能力

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，能够带来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样的头脑、对其提出深层次挑战、保护其独立性，并公平认可其工作时，整个社会都会受益。

更高的分数能够如实代表什么

在有效的认知评估中取得更高分数，表明一个人在该评估实际测量的能力上表现更强。这些能力是真实且影响深远的。在适当情境下，它们可以支持更快的学习、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”。也不应被延伸为“一个分数能够衡量一个人的所有宝贵特质”。任何IQ测试都无法完整捕捉后天获得的知识、智识勇气、创造力、道德判断、实践智慧、动机、意识，或某人未来将作出的贡献。只有保持精确，测量才值得尊重。

智力不是从货架上买来的玩具。智力的发展反映了遗传差异、大脑的生理发育、健康状况、教育、练习、机会，以及一生累积的学习。专业能力的形成尤其需要付出高昂代价：它可能凝聚了数十年的专注、纠正、记忆、牺牲与经验。当一个有知识的人离去、被忽视或无法做出贡献时，工具和数据库并不会自动重建存在于其头脑中的有组织理解。

成长是真实的

教育能够提升测得的智力

一项对42组数据集和超过60万名参与者进行的荟萃分析采用了几种准实验设计，估计教育年限每增加一年，IQ大约提高1至5分。作者称，教育是当时所确定的提升智力最一致、最稳健且最持久的方法。29

这是平均因果估计，并不意味着每位学习者都能获得同样的结果。不过，它仍然反驳了宿命论：政策、教学和持续学习能够提升经过测量的认知能力。

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思想伙伴。
  • 保护不受打扰的时间，以及探索难题的自由。
  • 认可原创工作，并公平地为专业知识付酬。
  • 不要把能力最强的人当作可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。
  • 让聪明的人保有人性：可以不确定，也可以仍在学习。

能力应塑造机会，而不是基本权利

不同的心智在特定问题上可以作出非常不同程度的贡献。承认已展现的能力、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、忽视或丧失尊严的许可。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所能创造的高度。我们不会利用智能来为残酷行为辩护，以此保护智能。我们保护智能，是通过建立这样的条件：让每一种心智都能发展，让卓越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。 有意识的学习、提取练习、艰苦训练、反思和广博知识。 追踪真正的能力和成长，而不仅仅是外表或自信。
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。 无羞耻地识别尚未满足的需求和已具备高级能力的人。
工作 合理的工作负荷、智力自主权、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、医疗可及性和强有力的权利保障。 普及教育，加上通往卓越深度和终身回归学习的路径。 庆祝发现、教学、修复、明智的判断和原创贡献。
07 · 创造节奏

原创思想既需要独处，也需要回归

独处可以保护一个问题免于过早被引向某个方向。与他人共处则可以检验、强化、赋予资源并庆祝答案。创造力并不是永远在孤立与群体之间二选一；它是一种在两者之间往返的节奏。

私下形成

暂时抽身

没有观众、指导或即时比较时，注意力可以游走于个人记忆、不同寻常的联想以及无人替你提出的问题之间。一个想法得以先花时间成为它自己，然后才必须为自己辩护。

  • 在询问他人想法之前先观察。
  • 先独立写出或勾勒出第一个版本。
  • 让一个尚未解决的问题继续酝酿。
↔
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、补足缺失的专业知识、制作工具、提供勇气、打开机构的大门、传达这项工作，并帮助私人洞见成为共享的进步。

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

暂时抽身为何会有所帮助

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内心之前先向 AI 索要想法时，也可能产生同样的效果。

关于创造性酝酿的实验研究发现，与要求较高的活动、休息或不休息相比，一项要求不高且与更多走神相关的任务，能让人在之后处理先前接触过的创造性问题时表现更好。30 这并不意味着所有的走神都有助益，也不意味着孤独会提升创造力。它支持一个适度的原则：心理空间，以及暂时摆脱集中控制，有时能帮助一个尚未完成的问题重新组织。

关于社会影响与创造力的研究同样表明，不存在简单的“群体有益”或“群体有害”结论。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的先后顺序，都很重要。31 优秀的设计通常会让人先独立生成想法，然后再共同比较、组合并质疑这些想法。

主动选择的独处

自愿、有边界且具有恢复作用。这个人可以在准备好时回来，并始终与实际支持保持联系。

有害的孤立

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

生成性社群

那些保护差异、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遵从一致的人。

值得践行的一句话：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。保护一个想法的私密源头，然后让可信赖的人帮助它成长，超越一个人独自能够构建的范围。
08 · 权利与治理

更美好的大脑未来仍必须属于这个人

增强并不会仅仅因为能带来可测量的提升，就自动变得负责任。当事人必须保有真正有意义的同意权、心理隐私、创作署名权、护理连续性、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程度的证据和同意。获得益处不能以向雇主、学校、国家或平台交出心智为代价。

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。拒绝和撤回同意不能暗中带来惩罚。在可能的情况下，应提供可逆性和退出选项；对于不可逆的影响，必须在取得同意前明确无误地说明。

心理隐私

神经数据并非普通的遥测数据

收集应当尽量减少、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，都应在取得同意前予以说明。即使原始信号看似毫无意义，从中推断出的信息也可能具有敏感性。

正义

获取途径决定结果

只有富裕人群才能使用的突破性技术可能扩大不平等；但廉价而强制性的系统同样可能广泛传播伤害。

连续性

不让心智被遗弃

植入式设备用户或依赖相关系统的用户需要长期维护、网络安全保障、临床支持，以及在供应商消失时的退出计划。

全球规则开始迎头赶上

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、心理隐私、可负担性、明确同意和透明度；它警告不要在儿童身上进行非治疗性使用，也不要在工作场所开展会对员工进行画像的监控。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，强调保护心理隐私，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、个人脑数据的妥善管理、监督以及对滥用的预见。34

人工智能治理正日益覆盖教育和就业领域。自2025年2月2日起，除出于医疗或安全目的的用途外，欧盟《人工智能法》已禁止在工作场所和教育机构进行情绪推断。该法还将某些会影响教育或就业机会的系统归为高风险系统；针对这些附件III系统的主要义务将于2027年12月2日起适用。35 这些类别揭示了一个基本事实：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一生。

部署前的八项测试
测试 问题 最低限度的保障
目的 满足的确切人类需求是什么？ 限定的使用场景和可衡量的终点；默认不得扩大任务范围。
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 更具侵入性或不可逆的干预是否确实必要？ 优先选择侵入性最小且有效的方案，并持续审查其益处。
同意 当事人能否在不失去工作、教育或照护的情况下说“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？ 数据最小化、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、断开或纠正该系统？ 用户控制权，以及对重大行动负责的人类监督。
公平 谁被排除在外、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，以及持续的医疗照护。

儿童需要更高的门槛

发育中的大脑、有限的法律自主权和学校压力，使“自愿”增强难以解读。治疗获益可能足以支持经过谨慎审查的干预；便利、行为一致性或竞争优势通常不足以提供同等 justification。

儿童不应因为家庭拒绝神经监测或生成式人工智能而失去受教育机会；他们还需要适龄解释以及成年人的同意。

不得强行优化劳动者

当拒绝会威胁收入时，生产力奖励可能变成强迫。雇主不应把脑部监测、非医疗用途的兴奋剂使用或持续的人工智能监控，作为正常参与工作的代价。

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

公平署名是认知正义的一部分

通过抹去来源，想法不会因此成为公共资源。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，应获得透明的来源说明、认可，并在适当情况下获得补偿。辅助技术应放大一个人的作者身份，而不应让机构把这个人的交流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，可以共享荣誉，而不必否认最初的贡献。庆祝并不稀缺；作者身份应当准确。

进步具有物理足迹

人工智能并非没有重量：它依托需要电力和基础设施的实体数据中心运行。国际能源署的2025年报告预测数据中心用电需求将快速增长，同时也考察人工智能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足迹。负责任的增强应核算完整账目：临床获益、劳动、环境负担，以及基础设施附近居住的人群。

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

预测应被视为有条件的路径，而不是预定到来的结果。生物学可能失败，试验可能揭示危害，监管可能改变，而技术上令人印象深刻的系统也可能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，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。
  • 辅助辅导和有界知识工作任务的人工智能。
  • 能够发展并保护认知能力的教育和健康状况。
合理的下一步进展

测试——不要承诺

  • 更耐用的家用脑机接口，用于言语和辅助控制。
  • 针对明确疾病的更优闭环刺激。
  • 针对特定神经系统疾病的体细胞基因编辑或表观基因组编辑疗法。
  • 对药物研发和试验设计做出更可信的预测。
  • 既能保留学习努力、又能适应经验证课程的 AI 导师。
遥远或缺乏依据

想象——诚实地标注

  • 可靠地编辑出高水平通用智力的基因。
  • 上传知识、记忆或意识。
  • 一种能在健康人群中持久提高智商的安全药物。
  • 能够按需扩展工作记忆的植入式协处理器。
  • 准确读取不受约束的私人思想。

未来正在靠近的迹象

  • 具有有意义终点、已注册且可重复的人体试验。
  • 在受控实验室之外仍能持续的益处。
  • 有长期随访的独立安全性证据。
  • 能够大规模运转的制造、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转化到人类。
  • 测得的效果太小或太局限，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、成本或支持要求，会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”并不是孤独的赛博格。而是一个拥有良好健康、严谨教育、可信赖的人际关系、易用工具、谨慎选择的自动化系统，以及能够保留思考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

最稳妥的准备不是猜测某一种注定胜出的设备，而是培养知识、推理能力、健康和社会结构，无论技术早来、晚来还是永远不来，它们都始终有价值。

深度知识

储存在记忆中的事实和模型能让推理更快、揭示错误，并为新信息提供连接之处。

学习能力

提取、间隔学习、解释、反馈和迁移，会把接触转化为持久能力。

独立判断

在流畅的机器身边，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 less。

协作广度

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

个人可长期坚持的实践

  1. 保护基础。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 AI。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. 交替独处与社群生活。先留出私人思考时间让想法成形，再寻求严格的反馈、互补的专业知识和支持。
  5. 审查任何增强声明。明确证据阶段、受试人群、终点、持续时间、风险、利益冲突和监管状态。
  6. 让自主权清晰可见。明确哪些决定不会委托给他人，并确保工具出错时始终有人承担责任。
准备工作是共同责任
角色 现在开始 衡量 不要牺牲
学习者与家庭 保护健康，深入阅读，进行无辅助练习，核实生成的材料，并主动寻求适合自己的挑战。 保持率、迁移能力、好奇心、独立学习和福祉。 隐私、童年、睡眠、著作权，或不依赖商业平台进行学习的权利。
教育工作者 教授人工智能素养，重新设计评估方式，保留无人工智能练习，并同时提供支持与进阶深度学习。 学生日后在没有工具的情况下能够解释和完成的内容。 教师判断、人际关系、公平使用机会和有意义的反馈。
雇主 开展范围有限的试点，让劳动者参与，重新设计学徒制度，并记录问责情况。 错误代价、纠正时间、技能增长、工作质量、收益分配和用户信任。 同意、休息、职业发展、公平署名或安全拒绝的权利。
政策制定者与资助者 支持独立试验、公共教育、长期登记、无障碍措施和过渡体系。 健康益处、使用机会与权力的集中、劳动影响、环境成本以及补救机制。 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能

庆祝能力的提升。保护卓越的头脑。让优质教育广泛可及。开发工具，修复伤病或疾病夺走的能力。当机器承担重复性负担能够为人们腾出更多时间，用于理解、关怀、发现和原创工作时，就让机器去承担。

但要让方向始终由人来决定。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

  • 修复是当前的前沿。目前最强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改写一般智力。有关基因、神经和药物的说法必须以其真实的证据阶段为准。
  • 智力与智商的提升很重要。教育能够提高测得的能力，而卓越的专业能力值得保护、机会与认可。
  • 人工智能的益处取决于是否保留了努力。评估学习工具时，应看之后在无辅助情况下的理解程度，而不是看借助工具产出的内容有多精致。
  • 独处与社群相辅相成。私密思考保护原创性；值得信赖的人帮助想法存续、扩大影响并服务他人。
  • 权利是设计要求。在部署之前，必须确保同意权、思想隐私、公平使用机会、安全性、连续性、拒绝权，以及在可行情况下停止持续使用的权力。
11 · 清晰的答案

常见问题

关于那些常被广告、科幻作品或标题模糊化的说法的简短回答。

科学家能编辑基因，让一个人变得非常聪明吗？

没有经过验证的临床方法可以做到这一点。一般智力受到许多影响较小的遗传变异，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；可遗传的认知增强将带来深刻的科学、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？

没有任何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运动意图，而刺激技术可以治疗特定疾病。这些都是重要成就，但它们并不是记忆上传或一般性的认知扩展。

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影响某些急性实验室任务，但在健康且休息充足的成年人中，汇总效应很小，并且取决于具体任务。尚无证据表明它们能持久提高智商、智慧或人生成就，而非医疗用途还伴有医疗、法律、依赖和公平方面的风险。

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。当它取代了一个人需要培养的推理、记忆或创造能力时，就会变得有风险。先尝试，再寻求有限支持，进行核验，解释并迁移应用，同时定期在没有人工智能的情况下完成任务。

高智商重要吗？

是的。有效的较高分数表明在所测能力方面表现更强，而这些能力对学习和复杂问题解决可能非常重要。但该分数仍不包含智力、知识、创造力、智慧或品格的所有形式。应认真看待认知上的卓越表现，但不要要求单一指标回答它并非为之设计的问题。

独处有益于创造力吗？

有选择且有边界的独处可以保护注意力并让想法酝酿；不受意愿控制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、改进并庆祝这些成果的人群中。

目前可获得的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、支持性的人际关系，以及能够保护注意力的环境。应在合格医疗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。用于治疗镰状细胞病的 Casgevy。
  2. 全基因组关联智力荟萃分析
    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、公众参与和国际监督。
  4. 可遗传的人类基因组编辑
    由美国国家科学院和英国皇家学会召集的国际委员会，2020 年。
  5. 国家药监局：硬膜外脑机接口授权
    中国国家药品监督管理局，2026 年。用于颈髓损伤后的狭窄辅助性手套适应证。
  6. 皮层内脑机接口的长期独立使用
    《Nature Medicine》，2026 年。一名 ALS 患者在家中独立使用语音和光标达19个月。
  7. 开发海马神经假体
    Hampson 等，《Journal of Neural Engineering》，2018 年。对癫痫监测参与者进行任务特异性记忆研究的发现。
  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。另请参阅制造商于2026年发布的 CE 标志公告。
  9. 视神经遗传学疗法后视觉功能部分恢复
    Sahel 等，《Nature Medicine》，2021 年。单名受试者的探索性研究报告。
  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适应证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. 莫达非尼处方信息
    DailyMed／美国国家医学图书馆。获批适应证、风险和相互作用。
  13. FDA 更新处方兴奋剂警告
    美国 FDA，2023 年。关于误用、滥用、成瘾、过量用药和安全使用的沟通信息。
  14. FDA 批准首个用于1型嗜睡症的食欲素-2受体激动剂
    美国 FDA，2026 年。Oveporexton 用于患有明确食欲素缺乏症的成人。
  15. Mevidalen 治疗路易体痴呆
    2022 年开展的Ⅱ期随机安慰剂对照试验。未达到认知终点。
  16. 一种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
    具体的基因—药物关系，以及对暴露与已证实结果之间差异的谨慎区分。
  19. 人工智能和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人工智能可能损害学习
    Bastani 等，《PNAS》，2025 年。中学数学领域实验。
  21. 人工智能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使用指南
    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。虚构信息、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率影响的实验证据
    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。针对知识工作者的预注册实验。
  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的应用。
  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. 生成式人工智能与就业：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，并非对职业消亡的预测。
  29. 教育能在多大程度上提升智力？
    Ritchie 和 Tucker-Drob，《心理科学》，2018年。准实验性证据的荟萃分析。
  30. 思维游离促进创造性酝酿
    Baird 等，《心理科学》，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。对个人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、心理隐私、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。关于禁止使用和高风险用途的基于风险的要求。
  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效益。

教育与医疗说明：本文介绍研究与政策，不用于诊断疾病、推荐药物或设备，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。如需作出任何临床决策，请参考当前当地指南，并咨询具备相应资质、能够评估相关人士、适应证、替代方案和后续随访的专业人士。

返回博客