技术对智能与认知功能的影响

技术通过四种不同途径塑造认知：它可以训练某种能力、支持表现、改变思维发生的环境，或替代部分思考。根据使用方式的不同，同一界面可能同时发挥这四种作用。

这些路径没有哪一条天然是好是坏。拼写辅助工具可以让阅读障碍写作者表达出原本会被书写规范阻碍的想法。导航系统可以在危险环境中释放注意力。当数字感建立之后，计算器可以支持高级建模。伦理和教育问题在于，被移除的负担究竟是目标的附带因素，还是正在培养的技能的构成要素。

联合国教科文组织对教育技术的全球评估建议从相关性、公平性、可扩展性和可持续性等方面评判系统，并警告说，提出的技术解决方案也可能带来不利影响。¹ 这是一条远不止适用于学校的有用原则：先定义人的问题，再问技术是否比现有替代方案更好地解决了它。

把一座图书馆装进口袋，是一种文明成就。录播课程、开放教材、远程实验室、翻译、字幕和专家社群，可以让有动力的学习者跨越地理、残障、时间安排和机构的边界。然而，注册并不等于完成，接触并不等于理解，看过一个讲解也还不等于形成可用的心智模型。

MOOC 与在线课程：覆盖面巨大，学习历程各不相同

不存在一个站得住脚的普遍“MOOC 完成率”。免费开放的课程可能包含好奇的访客、旁听者、积极学习者、证书寻求者，以及学习目标截然不同的注册学生。完成情况会因设计、学科、费用、先修条件、支持服务以及分母的定义方式而异。因此，课程报告不应只列出注册人数，还应包括有意义的开始学习人数、活跃周数、评估后的掌握程度、已声明学习意图的参与者中的完成率、各子群体的结果，以及学习者之后能够完成的任务。

多媒体很有用；“匹配学习风格”尚无定论

文本、语音、图表、动画、实体演示和模拟都可以用不同方式呈现信息。正确的呈现方式取决于内容和任务：发音学习受益于声音；空间变换可能受益于动画；可搜索的文字稿可能更适合复习。但“根据固定的视觉型、听觉型或动觉型学习风格来匹配教学，学生就能学得最好”这一流行说法，缺乏必要的实验证据。²

实际结论并不是让学习变得单调乏味。提供易于理解的呈现方式，让学习者控制节奏，并让媒介服务于思想。当装饰性动效和冗余旁白争夺有限的注意力时，应将其删去。只有当生动的界面使知识结构更加清晰可见时，它才算成功。

主动学习胜过装饰性互动

按钮和动画并不能让学习变得主动。当学习者进行预测、解释、比较、回忆、解决问题、教学、接受反馈并进行修订时，他们才是在认知上积极参与。在一项针对本科 STEM 教学的大型元分析中，与传统讲授相比，主动学习提高了考试成绩并降低了不及格率，尽管其效果会因实施方式和情境而异。³ 在许多学习环境中，提取练习还能比反复学习更有效地增强长期记忆和理解。⁴

1. 定位。说明问题、所需的先备知识，以及成功理解后学习者将能够完成的任务。

2. 尝试。在揭示完整答案之前，要求学习者作出预测、给出解法或进行解释。

3. 解释。提供简明的模型、示范性例题或演示，并将其与学习者的尝试联系起来。

4. 纠正。及时提供具体反馈，指出错误理解以及下一步有益的行动。

5. 提取。经过一段时间后，在没有提示的情况下回想这一想法；信心应当建立在回忆之上，而不是取代回忆。

6. 迁移。将这一原理应用到新的示例、格式、环境或现实问题中。

当远离教室不再意味着远离智力成长时，数字教育才算成功。

独处与社群解决不同的学习问题

异步学习可以保护一段段自主选择的独处时光，让人追随一个不寻常的问题，在不感到尴尬的情况下暂停思考，并在群体将注意力转向别处之前形成独到的联系。这种思考隐私弥足珍贵。当一个想法需要批评、互补的专业知识、鼓励、实施以及进入现实世界的路径时，社群同样重要。优秀的数字学习环境会兼顾两者：安静地掌握自己的注意力，以及受到欢迎地回到教师和同伴身边。

AI 可以翻译、重新表述、出题、模拟、起草、编程、比较、批评，并让用户在非寻常时段以多种语言获得类似专家的支持。对于具备扎实先备知识的学习者，它可以提高上限：检验更多假设、探索更多示例，并更快地从想法走向实验。对于面临障碍或基础缺失的学习者，它可以降低开始学习的门槛。这两种益处都不要求我们假装模型完全理解，也不要求相信它生成的每句话都是真的。

有希望的证据并非普遍结论

一项2025年针对本科物理课程的随机对照试验发现，经过精心设计的人工智能辅导工具带来的学习增益更大，而且所需的中位时间少于该研究中的课堂主动学习条件。⁵ 这是人工智能课程可以基于研究并取得很好效果的重要证据。但这并不能证明任何聊天机器人、提示词、学科、年龄群体或无人监督的部署都会取得同样的结果。该辅导工具是围绕教学原则专门构建的；比较仅涵盖特定课程和结果。

第二项实验尤其清楚地说明了设计上的差异。在近1,000名中学生数学学习者中，使用通用GPT界面提高了有支持练习中的表现，但在无辅助考试中，随后表现低于对照组。一个将系统限制为逐步提示的安全防护型辅导工具带来了大得多的练习增益，并基本消除了之后的负面影响，但并未证明其无辅助考试表现更优。⁵ 因此，人工智能可能改善屏幕上可见的工作，却未能培养出评估本应揭示的能力。

美国教育部关于人工智能的报告建议让人类始终参与其中，以教育需求为中心，加强信任，并让教育工作者参与设计和评估。⁶ 联合国教科文组织的指导意见同样将人的能动性、包容性、数据保护、适龄使用和验证置于生成式人工智能教育应用的核心位置。⁷

生产力提升是真实的——但有边界

实验和实地研究发现，在特定任务上有显著改进：专业写作速度更快、评价更高；每小时解决的客户支持问题更多；以及更快完成处于模型能力边界之内的咨询工作。同一项咨询实验还发现，当参与者使用人工智能完成超出该边界的任务时，准确率会下降。⁸ 这些发现远比“副驾驶能为每个人固定节省几分钟”这种不加限定的说法有力得多。效果取决于使用者、工作流程、任务、模型、培训，以及在测量时间窗口之外质量如何变化。

为什么流畅的错误在认知上很危险

语言模型根据习得的统计结构和当前上下文生成回答。它可能以与正确答案相同的表面自信，陈述虚构的参考文献、过时的规则或错误的计算。即使回答准确，也可能遗漏决定性例外。因此，核验应当属于工作流程的一部分，而不是只在答案看起来可疑时才进行的可选仪式。

应当放大卓越的智力，而不是将其磨平

生成式模型会预测可能的后续内容，并以新颖方式重新组合想法，但流畅的输出仍可能将用户引向受到训练数据、反馈和评估标准强化的模式。原创思考者可能会注意到在训练数据中罕见、在共识式表述中缺失的前提、可能性或长期后果。他们的作用并不会因为模型能快速起草内容而减弱，反而变得更加重要：选择值得解决的问题，拒绝诱人的错误，创造新的概念结构，并决定什么应当存在。机构应为这类人提供强大的工具、思想自由、隐私和认可，而不应把对模型输出的趋同误认为智力或原创性。

认知外部化是指改变环境，以减少内部处理需求：列清单、旋转地图、设置提醒、使用计算器，或让人工智能整理材料。它可以提升表现，为更困难的目标释放有限的工作记忆。它也可能造成脆弱性，例如关键信息从未被编码、外部记录消失，或用户无法识别错误输出。

一项重要综述将外部化视为一种元认知决策，其形成受信心、付出以及预期能否获得外部支持的影响。⁹ 关键问题不是“工具是否提供了帮助”，而是“哪些操作应当可靠地保留在人的头脑中，哪些操作交给外部工具更安全或更高效？”

早期人工智能研究值得关注，也需要谨慎解读

一项针对 319 名知识工作者的 2025 年研究，分析了他们对 936 次生成式人工智能使用经历的自我报告。参与者表示，他们投入批判性思维的重点转向了核验和整合；对人工智能越有信心的人，报告的批判性思维投入越少。¹⁰这表明了一条合理的过度依赖路径。但这并不意味着通过客观的纵向测试，已经证实频繁使用人工智能会降低一般推理能力。结果可能取决于任务、专业水平、界面，以及人们是将节省下来的精力用于更深入的思考，还是仅仅用来逃避思考。

1. 设定框架。 在看到生成的选项之前，先定义目标、约束条件和证据标准。

2. 先尝试。 只要任务属于你想保留的能力范围，就应先自行提出草稿、预测或解决方案。

3. 辅助。 向工具寻求有针对性的帮助：示例、异议、缺失步骤、翻译或比较，而不是让它自动接管整个任务。

4. 核验。 使用独立证据和直接测试，检查事实性陈述、引文、计算、代码和假设。

5. 重建。 关闭工具后，解释、复现或调整结果。无法重建的内容，还没有成为可靠的知识。

6. 记录责任。 跟踪工具作出了哪些贡献，以及由谁批准了具有重大影响的决策。

NIST 的《人工智能风险管理框架》及其生成式人工智能 профиль，围绕治理、情境映射、测量和管理来组织风险工作。¹¹ 在个人层面，同样的逻辑也很有用：了解系统及其利害关系，在真实条件下测试表现，然后管理失效模式，而不是盲目信任某个品牌或基准测试。

让机器承担负担。但不要让它悄然替你选择目的地、定义真相，或抹去你仍然需要锻炼的能力。

游戏可以训练对相关信号的注意、快速决策、空间变换、基于规则的规划、动作协调、协作、坚持不懈以及对复杂系统的理解。它们也可能训练冲动式查看、狭隘的奖励追逐，或尽管价值递减仍继续游戏。仅凭游戏类型名称，无法判断哪种学习效果会占主导。

小幅而具体的迁移，比“游戏让你更聪明”更可信

一项针对采用主动对照组的动作电子游戏干预研究进行的2023年更新版荟萃分析发现，认知能力平均有小幅效应，其中证据最明确的是自上而下的注意力。¹² 这是一项有意义的研究信号，但并不能证明智力、成绩、职业表现或各种形式的“手眼协调”都得到广泛提升。对电子游戏训练的综述一再警告，远迁移方面的结论容易受到对照条件差异、发表偏倚以及训练任务与测试相似等因素的影响。¹³

解谜、策略、节奏、模拟和协作类游戏，在反复锻炼相关过程时，可能带来特定能力的提升。但“策略游戏”并不等于一种训练剂量。节奏缓慢的大战略游戏、限时资源解谜游戏和团队战术游戏，对记忆、抑制、规划与沟通提出的要求截然不同。最有说服力的预测应从机制和行为出发，而不是从营销分类出发。

游戏障碍关乎失控与伤害，而不是热情

世界卫生组织已将游戏障碍纳入《国际疾病分类》第11版（ICD-11）。其表现包括对游戏失去控制、日益将游戏置于其他活动之上，以及尽管出现负面后果和个人、家庭、社会、教育、职业或其他重要功能的显著受损，仍继续或升级游戏行为。通常需要这种模式持续至少12个月才能观察到，但在症状严重时，也可采用更短的期限。¹⁴

长时间游戏、竞技技能或浓厚热情本身并不能证明存在障碍。患病率估计会因年龄、人口、筛查工具，以及衡量的是调查阈值还是临床诊断而存在显著差异。因此，单一的全球百分比会产生误导。实际的警示信号体现在功能受损上：反复尝试减少游戏却失败，睡眠或基本照护被挤占，学习或工作状况恶化，人际关系受损，隐瞒消费，感到痛苦，以及即使明显受到伤害仍继续游戏。

虚拟现实取代了大部分感官环境；增强现实将数字材料叠加到物理世界之上；混合现实则将可交互的数字对象锚定在其中。总称扩展现实（XR）不应抹去它们在能力、负担和证据方面的差异。

教育：前景可期，但具有异质性且取决于设计

2024 年一项针对 24 项解剖学随机研究的荟萃分析发现，VR 在合并知识成绩方面具有中等优势，但各研究结果差异很大；AR 的合并结果并不优于对照教学。¹⁶ 因此，“VR 能提高考试成绩”这一说法过于笼统。效果取决于学科、学习目标、指导方式、先验知识、界面、评估方式和对照条件。

沉浸感可能带来额外负荷：学习者可能把注意力花在导航、欣赏环境或操作控制器上，而不是关注因果结构。优质的教学型 XR 会引导注意力，将复杂步骤分段，提供非沉浸式替代方案，允许重复练习，并在离开头显后通过讲解或提取练习收尾。

康复和治疗必须因具体情况而异

2025 年一项涵盖 190 项卒中后试验的 Cochrane 综述发现，VR 可能略微改善上肢功能和平衡能力，并且很可能减少活动受限。将 VR 加入常规护理时往往能看到益处——这可能是因为它增加了练习机会；但对于步行速度和生活质量的证据仍不确定，而且很少有研究使用完全沉浸式头显。¹⁷

在临床医生指导下进行的虚拟现实暴露疗法，对部分焦虑障碍可能有效；研究发现，与非 აქტ性对照相比，症状有显著改善，而对于某些特定恐惧症和社交焦虑，其效果与现实暴露疗法之间没有明确差异。¹⁸ 这并不意味着自行使用消费级 VR 就适合治疗每一种恐惧症、创伤表现或每个人。筛查、治疗方案制定、分级暴露、知情同意以及应对痛苦的计划仍然十分重要。

儿童需要监管、适龄内容以及制造商当前的指导；关于长期发育影响的证据仍然有限。²⁰ 感到不适、迷失方向或视觉不安的人，不应立即驾车、操作机械或进入其他高风险情境。

具身空间需要具身安全

语音、距离、手势、空间侵入、不必要的录制和触觉互动，都可能让社交 XR 中的骚扰比平面屏幕上的文字更直接、更迫近。负责任的平台应提供保护性默认设置、清晰可见的录制状态、可调节的个人边界、一键暂停或进入安全区、快速静音/屏蔽/举报功能、易于使用的证据留存功能、年龄保护措施，以及带有反馈和申诉机制的人工审核。²¹

可穿戴设备可以通过帮助一些人变得更加活跃、保持规律、注意睡眠时间或遵循治疗计划，间接支持认知健康。被动追踪本身能够提高智力的证据很少。通常有用的因果链是：测量支持行为；行为支持健康；健康支持认知。

测量、估计和推断的是什么？

一项2024年的持续更新型综述汇总了24篇综述和249项不重复的验证研究。在记录的310款消费级设备中，只有34款（约11%）至少针对一项生物测量结果完成了验证；在五项常见研究结果中，已完成的验证研究仅约占可能的设备—结果组合的3.5%。心率误差通常小于活动强度、能量消耗和估算最大摄氧量方面的误差；步数准确性因设备和活动而异。测试方案和算法变化进一步限制了结果的推广性。²²

消费级设备推断睡眠阶段，而非进行临床测量

临床睡眠分期会在多导睡眠监测中记录脑活动、眼球运动和肌肉信号。消费级设备通常根据运动、光学脉搏及其他间接信号推断睡眠阶段。2025年一项将6种腕戴设备与多导睡眠监测进行比较的研究发现，这些设备检测睡眠的敏感度较高，但检测清醒的特异度较低，按时间段计算的一致性仅为一般到中等。许多设备高估了睡眠效率，低估了入睡后的清醒时间。由于这是一项仅在62名成年人中进行的单晚实验室研究，且参与者大多为男性，因此不应将其推广到所有用户、设备或软件版本。²³ 不应让单晚的“深度睡眠”分数否定一个人的实际状态，也不应将其作为临床诊断。

反馈可以改变行为——即使传感器并不是发挥作用的关键因素

一项涵盖39篇综述的综述发现，基于可穿戴设备的干预措施平均增加了身体活动量，包括每天大约多走1,800步。²⁴ 许多干预措施都将追踪器与目标、提示、反馈或指导结合起来，因此不能把所有功劳都归于传感器。仪表板在与一项可实现的行动和一个有意义的结果相联系时最有用。

有些用户会因分数而焦虑或产生强迫行为。“正交失眠”（Orthosomnia）一词源于2017年一项涉及3名患者的病例系列，用来描述对睡眠追踪器数据的不健康专注；它不是正式认可的诊断。²⁵ 如果追踪行为损害睡眠、导致反复查看数据、鼓励不必要地卧床、形成僵化的日常习惯或有害的饮食与活动限制，或者让不确定的数字比持续存在的症状更具权威性，请暂停追踪。

糖尿病之外的连续血糖监测

CGM已成为糖尿病护理中的成熟工具。对于没有糖尿病的人，相关证据虽然更加丰富，但仍然有限且取决于具体情境。2026年的一项系统综述发现，在健康且血糖正常的参与者中，CGM没有带来明显的血糖获益，也未对身体质量指数产生显著影响；观察到的获益主要集中在糖尿病前期人群中，而且许多研究都将CGM使用纳入结构化生活方式干预。纳入的研究中只有7项是随机试验，且大多数随访时间不超过12周。²⁶

2026年6月，FDA批准了一款特定的非处方连续血糖监测仪（CGM），适用于年龄在两岁及以上且不使用胰岛素的人群。这项针对特定产品的决定，并不证明其对血糖正常使用者具有常规的认知、长寿或长期健康益处。²⁷ 异常读数或症状应得到适当确认，而不应因此擅自更改用药、采取极端饮食或对正常波动产生恐慌。

谨慎、低风险的自我实验

1. 只选择一个问题。在查看结果前，明确一项变化、一个主要结果，以及什么程度的差异才具有实际意义。

2. 建立基线。观察足够长且稳定的时期，以了解日常波动。

3. 保持测量一致。尽可能使用相同的设备、放置方式、测量时间、条件和算法版本。

4. 一次只改变一个低风险因素。记录疾病、旅行、工作量、药物、酒精、月经周期及其他可能的混杂因素。

5. 让数字与功能相结合。纳入症状、依从性、经过验证的问卷，或在仪表板之外具有实际意义的表现。

6. 设定停止规则。如果实验导致睡眠、焦虑、饮食、受伤风险或健康状况恶化，就应结束实验；不要自行尝试处方药、激素、极端限制饮食或脑刺激。

HIPAA通常适用于受监管实体及其业务伙伴；许多直接面向消费者的可穿戴设备和应用公司并不属于这两类。在美国，FTC修订后的《健康数据泄露通知规则》涵盖符合条件的健康应用和HIPAA范围之外的联网技术，并且可能将某些未经授权的披露（而不仅是黑客攻击）视为数据泄露。²⁹ 隐私评估应涵盖数据收集、处理地点、保留期限、删除、广告、与第三方共享、导出、身份验证、更新及数据泄露响应，而不仅是加密。

脑机接口获取源自大脑的信号，从中处理特征，针对特定任务解读这些特征，并将结果转换为输出：移动光标、选择字母、控制设备或提供反馈。性能取决于信号质量、校准、训练、软件、用户状态、环境，以及系统设计时所要识别的具体操作词汇。

当前系统能做什么，以及不能做什么

在高度结构化的研究中，植入式 BCI 已帮助部分瘫痪或严重沟通障碍患者控制光标、操作外部设备或解码尝试说出的语言。这些是独立性和沟通能力方面的重大提升，但并不意味着可以无限制地获取私人思想。在明确条件下，针对尝试动作或尝试说话训练的解码器能够识别与任务相关的模式；它并不能接收每一个信念、记忆或未说出口的句子。

FDA 2021 年的最终指南为瘫痪或截肢患者使用植入式 BCI 的非临床测试，以及探索性可行性研究和关键性研究的设计提供了建议。这是针对明确医疗器械路径的指南，并非面向消费者的批准，也不是对通用智能增强的授权。³⁰

进展是真实的，而长期责任也是设备的一部分

一份 2024 年美国政府问责局的技术评估描述了临床试验中具有实际意义的辅助效果，同时指出人们对敏感脑数据、长期支持、维护和保险覆盖存在不确定性。报告还指出，一些参与者在试验结束后因无法获得持续资金或医疗支持而被移除了设备。³¹

2026年3月，中国医疗产品监管机构宣布批准一款硬膜外植入式脑机接口系统上市，该系统的适应证范围严格限定为：用于颈髓损伤后四肢瘫痪人群的手部运动功能补偿。³² 这是一个重要的监管里程碑。但这并不意味着实验性语音系统、消费级脑电图耳机，以及假设中的记忆力或智商增强产品是等同的产品。

数字系统可能收集文本、语音、注视、动作、位置、联系人、表现、错误、反应时间、脉搏、睡眠估计数据或神经信号。敏感的部分通常不是原始测量值，而是据此构建的推断：注意力、能力、疲劳、情绪、意图、健康状况、身份、偏好或预测行为。

联合国教科文组织于2025年11月通过的《神经技术伦理建议书》是一项全球标准制定文书。该建议书呼吁取得事先、自由且知情的同意，并确保同意具有动态性和反复性；防止社会压力；为神经数据和心理状态推断提供保障；确保公平获取；并保障个人能够在不受歧视的情况下拒绝。它是一项不具约束力的建议，并非全球监管机构，也不构成产品批准。³³

法律保护确实存在，但较为零散

智利于2021年修宪，规定科学和技术发展必须服务于人民，并尊重生命以及身心完整；法律必须规范其在人身上应用的要求、条件和限制，尤其要保护脑活动及由此产生的信息。³⁴ 这是一项重大的法律发展，但不应将其描述为对“神经权利”的完整全球定义，也不能据此证明所有可能的心理推断都受到相同的保护。

根据欧盟《通用数据保护条例》，可识别的技术数据属于个人数据。神经数据并非法律规定的独立类别；只有在符合相关定义时，第9条关于特殊类别数据的保护才适用，例如作为健康数据、遗传数据，或为唯一识别而处理的生物特征数据。³⁵

在美国，《健康保险流通与责任法案》（HIPAA）保护由受监管实体及其业务伙伴持有或传输的特定健康信息；它不会自动涵盖每一家学习、健康、游戏、可穿戴设备或神经技术公司。美国卫生与公众服务部（HHS）提供了一项工具，帮助开发者判断《健康保险流通与责任法案》、联邦贸易委员会法、《健康数据泄露通知规则》、医疗器械法律或其他联邦法规是否可能适用。³⁶ 科罗拉多州和加利福尼亚州于2024年通过了修正案，专门在各自州的隐私框架中规范神经数据。³⁷³⁸

隐私保护的正是智力本身

人们需要这样的空间：试探性的问题、非同寻常的兴趣、错误和正在形成的想法不会立即被评分或出售。持续的观察会改变一个人愿意探索的内容。因此，思想隐私并非与认知发展无关：它保护实验、异议、原创性，以及成为一个不受早期画像预测之人的自由。

技术能够以前所未有的规模传播知识和援助。但它也可能让高质量的模型、数据、设备、教师、网络连接和决策权集中在那些本已占据优势的人手中。当每个人在技术上都可以访问某个页面，但只有部分人负担得起、看得懂、操作得了或信得过它时，就不能称为实现了平等访问。

世界卫生组织与联合国儿童基金会发布的《全球辅助技术报告》估计，超过25亿人至少需要一种辅助产品，而近10亿人无法获得这些产品。³⁹ 在讨论推测性的认知升级时，这一现有差距十分重要。当人们仍然无法获得助听器、沟通系统、轮椅、视力支持或经过验证的数字无障碍服务时，社会不应去庆祝未来的神经奢侈品。

能够提升人的学习、推理和贡献能力的技术，确实具有真正的价值。社会应积极支持认知发展、终身学习、专业能力、智力追求，以及经充分设计的智商测试能够有效测量的能力取得真实提升。教育本身能够改善智力测试表现：一项基于自然实验的荟萃分析估计，教育年限每增加一年，智商大约提高一至五分，但结果会因研究设计和认知结果而异。⁴⁰稳定较高的分数是相关能力表现更强的证据，但并非保证。由于智商分数按年龄进行常模化，且每项测试都存在测量误差，可信的个体成长需要适当的评估和可靠的变化，而不是一次受练习影响的结果。

这些能力在复杂的学习和问题解决中可能极其重要，而它们促成的发现或指导也可能具有非凡的重要性。罕见的专业能力和原创洞见，不能与使用同一软件的权限等同。它们应获得真正的机会、保护、资源、署名和尊重。

与此同时，基本的法律保护和免受虐待的自由，并不取决于某个分数、设备或生产力水平。这些承诺相互强化。安全的基础能让更多智能得到发展；对非凡能力的尊重，则能保护那些惠及所有人的发现、指导和原创作品。

无障碍不是事后的适配

设计应在目标和结果确定之前就纳入残障人士。无障碍可能需要字幕、屏幕阅读器兼容性、开关控制、低带宽和离线模式、感官设置、替代身份验证、易于理解的同意机制、可维修硬件、个人辅助以及能够持续到产品更新后的支持。发布后再征求意见，不是共同设计。

有益的技术实践会保护四种资源：用于持续工作的注意力、用于构建可用内部模型的记忆、用于掌控目标和选择的自主性，以及与那些能够教导、挑战、支持并庆祝你的人保持的联结。

有意识地选择独处可以保护注意力，使其免于过早被引向某个方向，并为陌生联想的形成留出时间，但它并不能保证原创性。一些最具原创性的成果正是通过对话、协作和建设性分歧产生的。有意识地选择独处也不同于被迫隔离或孤独：健康的模式既保留了离开的自由，也保留了一条回到彼此支持的人身边的、出于意愿的路径。

根据任务目的选择辅助方式

1. 说出收获。 本周哪个工具真正帮助你理解、构建、记忆、沟通或恢复？

2. 说出损失。 哪个系统分散了你的注意力、造成焦虑、挤占睡眠，或让你不太愿意独立尝试某件事？

3. 测试保留的能力。 在没有辅助的情况下重现一个重要结果，并诚实地指出缺失的知识。

4. 重新夺回一条边界。 移除一条通知、缩短一段留存期限、导出一条记录，或安排一段不使用设备的时间。

5. 深化一段关系。 将一个想法带给能够帮助它变得更完善的老师、同事、朋友或社区。

6. 提高挑战。 用节省下来的时间思考更难的问题，而不是自动产出更多低价值内容。

只有当效率所节省的时间和注意力被重新投入学习、判断、创造或照护时，效率才会转化为认知成长。

教育应区分产出与掌握程度

学校既需要允许使用工具完成的任务，也需要展示独立能力的机会。如果每项作业都允许不受限制地生成，教育者衡量的可能是工具获取条件和编辑技能，而不是学习者的知识。如果全面禁止人工智能，学生将失去学习验证、理解模型局限性和开展负责任协作的机会。平衡的评估体系会标明允许的辅助程度，记录过程，加入口头或现场讲解，并定期测试无辅助迁移能力。

《欧盟人工智能法案》采用基于风险的框架，并包含与某些教育、就业、生物识别和产品安全用途相关的义务或限制。并非所有算法或健康应用都属于高风险，且不同条款的适用日期各不相同；该时间表已于2026年修订。⁴¹ 机构应明确具体系统、角色、用途、司法管辖区和当前日期，而不是把“符合人工智能要求”视为产品永久具备的属性。

采购是将价值观转化为技术要求的环节

• 学习或功能性结果：明确界定除参与度或产出量之外，哪些方面有所改善。
• 独立证据：要求提供针对实际产品、目标人群和使用场景的结果。
• 无障碍性：与目标用户进行测试，并提供等效替代方案。
• 数据限制：通过合同限制数据收集、模型训练、广告使用和转售。
• 人工审查：确保具有重大影响的推断可以被质疑和纠正。
• 安全与连续性：要求制定更新、事件处理、数据导出、互操作性和退出计划。
• 工作量现实性：计算系统带来的人工检查、纠正和支持工作。
• 分配情况：报告谁受益、谁被排除在外、谁受到伤害，以及谁停止使用它。

有用的技术决策会结合四类证据：技术有效性、人的结果、治理以及与个人目标的契合度。设备可能很准确却毫无意义，可能有所帮助却侵犯隐私，可能功能强大却无法使用，也可能只有在专家支持持续可用时才有益。

从信号到生活结果：主张链

营销材料往往过快地从“传感器检测到了某些东西”跳到“产品将改善你的思维”。这些是不同的主张。只有在前一级已针对实际产品、目标人群和使用情境得到证实后，才进入更高一级。

采用前五分钟检查

• 定义成功。选择一个超越新鲜感或屏幕使用时间、对你真正重要的结果。
• 区分辅助与学习。确定你需要的是即时结果、持久技能，还是两者兼具。
• 进行可逆测试。在改变日常习惯、分享多年数据或接受植入物之前，优先进行有限试用。
• 保留基线。了解不使用该系统时自己的表现和感受。
• 预先设定停止规则。如果睡眠恶化、焦虑、疼痛、强迫性检查、功能丧失或出现不安全的建议，就停止使用。
• 保护退出权。导出你的工作成果，保留替代方案，避免让某个供应商成为某项关键能力的唯一掌握者。

智力并非装饰性的特质。它帮助人们理解后果、更快学习、连接相距甚远的想法、解决陌生问题，并引导他人应对复杂性。认知能力同时受到生物因素和一生中的学习、练习、文化、健康与机会塑造。专业知识可能需要数十年才能建立。睡眠不足、急性疾病和压力可能暂时损害人们运用这种能力的状态，而伤害、神经毒性暴露、长期匮乏以及某些障碍则可能造成永久性损失；功能本身以及维持这种功能的条件都值得保护。

主动选择的独处与社群并非敌人，而是彼此的伙伴。暂时离开他人的指引，能让注意力自由游移，将不太可能关联的材料结合起来，并形成原创的问题。主动回归则带来对话、修正、实践知识，以及将一个人的洞见转化为持久文化的合作。健康的系统应当保护这两种状态：退身思考的自由，以及回到那些帮助心智成长的人身边时的喜悦。

尊重智力并不意味着要根据测试分数对人权进行排序。每个人都始终拥有平等的基本尊严和保护。与此同时，社会应当能够诚实地认可认知卓越，关怀那些发展和守护稀有知识的人，并赞颂那些拓展他人理解或行动能力的贡献。否认差异并不会创造公平；建立让不同心智得以发展并作出贡献的条件，才能做到这一点。

利用技术拓展智能的影响范围，而不是让智能变得不再必要。让工具承担重量；让人保有理解。