算法正在为青春塑形，如何应对AI对大脑的改变？

 

■长期在AI环境中生活的青少年，大脑的注意习惯、奖励偏好和自我认知会被重塑

■高频推送、即时反馈和不断更新的信息流会使青少年发育中的控制系统承受更大压力

■“看一眼手机”并不只是几秒钟的问题。每一次任务切换，大脑都会消耗注意力资源。切换次数越多，深度思考就会越困难

■一遇到问题就交给AI，大脑就减少了检索、组织和表达的机会，久而久之，青少年就更擅长调用答案，却不一定更擅长形成理解

当下，大多数年轻人的一天，是从手机开始的。

清晨闹钟响起，大脑尚未完全清醒，手就已经先摸到了手机。新闻、短视频、朋友圈、社交媒体动态，早已被系统排列好顺序，随时等待着他向上滑动；上课或工作前，他打开搜索引擎查资料，看似在主动寻找信息，但搜索结果的排序、相关推荐的内容、广告和知识卡片的位置，也早已由算法决定；午休时，他想刷几分钟短视频放松一下，系统却不断推来“下一条”；晚上写作业、做汇报或修改文章时，他又开始求助生成式AI，请它总结资料、翻译段落、润色文字，甚至帮助构思观点；到了睡前，本来只想再看五分钟手机，却常常被一条条推送带到深夜。

在这样的生活中，AI已经不再是需要专门打开的工具，而是渗入我们每一个人所处的信息环境中：短视频推荐、社交媒体排序、搜索引擎、游戏推送、广告系统、自适应学习软件，以及各种写作、翻译和图像生成工具，都在不同程度上影响我们与世界互动的方式。

但是，AI为何会对青少年产生尤为重要的影响？

因为青少年大脑本身仍处快速发育和调整之中。人的大脑并非出生后就完全定型。尤其在少年和青年早期，大脑仍在不断根据经验改变自己的工作方式：如何分配注意力？怎样追求奖励？如何控制冲动？如何理解他人的评价？如何形成学习和社交习惯……这个过程就是大脑的可塑性。在这一阶段，青少年一方面很容易被新鲜、有趣、即时回应的内容吸引，另一方面，抵抗诱惑、延迟满足、稳定地坚持长期目标的能力仍在发展。

因此，对于仍在发育、仍在寻找自我、仍在形成学习方式和社会关系的青少年而言，长期在AI环境中生活，既可能带来新的学习机会，也可能在不知不觉中塑造他们的注意习惯、奖励偏好和自我认知。

只是“看一眼手机”就让大脑承受了更大压力

注意力不是无限资源。我们可以把注意力想象成一束灯光。真正的学习和思考，需要让这束光长时间停留在同一个问题上：读一篇长文，理解一个复杂概念，完成一道难题，或者写出一段有逻辑的文字。可是，今天的算法信息流常常在不断移动这束灯光。一次推送、一条消息、一个短视频、一句“再看一条”，都可能把注意力从原来的任务中拉走。

从认知科学角度看，注意力首先具有选择性。大脑需要从大量信息中选择与当前目标相关的内容，同时抑制无关干扰。比如，学生在读书时需要把注意力集中在文字和概念上，同时忽略旁边的手机、弹出的消息，以及脑中“要不要看一眼”的冲动。选择性注意越稳定，人越能在复杂环境中保持目标，不容易被无关刺激带走。这种能力离不开前额叶的参与。前额叶可以理解为大脑中的“目标维持系统”和“控制系统”。它帮助我们记住当前要做什么，抑制不相关的信息，控制想立刻查看手机的冲动，并在受到干扰后重新回到原来的任务。比如，明知道消息很想回，但还能继续读完这一段；明知道短视频很诱人，但还能把注意力留在作业上，这些都需要前额叶的控制功能。

但是，在青少年和青年早期，前额叶相关的控制系统仍未成熟。也就是说，他们并不是缺少注意力，也不是单纯缺乏自律，而是他们维持目标、抑制干扰和从终端中恢复的能力还在发展。当他们面对高频推送、即时反馈和不断更新的信息流时，正在成熟中的控制系统会承受更大的压力。

而且，注意力也是有限资源。阅读论文、写文章、解数学题，本身就需要占用大量工作记忆和执行控制资源。大脑要记住前后信息，维持当前目标，并不断判断下一步该怎么做。如果这时不断有消息提醒、短视频推荐或社交反馈出现，大脑就需要额外处理这些干扰：要不要看？是不是重要？要不要切换任务？这些都会增加认知负荷。

因此，“看一眼手机”并不只是几秒钟的问题。每一次切换，大脑都要重新进入原来的任务：我刚才读到哪里？我正在解决什么问题？下一步应该做什么？这个重新加载的过程会消耗注意力资源。切换次数越多，深度思考就会变得越来越困难。算法信息流特别容易加重这种负担。它没有自然的停止点，短视频一条接一条，内容短、反馈快、刺激强；推送通知又会不断打断正在进行的任务。久而久之，大脑会越来越习惯快速选择、快速判断和快速获得反馈，也越来越不习惯长时间停留在一个复杂问题上。

“下一条”更诱人只因大脑追求“不确定奖励”

很多人刷短视频或社交媒体时，都有类似的体验：本来只是想看几分钟，结果一条接一条，不知不觉就过去了很久。奇怪的是，这些内容并非每一条都真的很好看。真正让人停不下来的，往往不是“这一条有多精彩”，而是“下一条也许更精彩”。这种体验和大脑的奖励系统有关，而青年阶段的大脑对这种机制尤其敏感。

在青少年和青年早期，新鲜内容、即时反馈、社交认可、游戏奖励、点赞评论，都会更容易引发大脑的兴趣和期待。与此同时，负责自我控制、长期计划和延迟满足的前额叶系统仍在继续成熟。也就是说，青年大脑常常处在一种特殊状态：对奖励很敏感，但对冲动的控制还在发展。这并不意味着他们缺乏自制力，而是说明他们的大脑更容易受到高频奖励环境的影响。

而算法平台恰恰提供了这样一种环境：内容更新快、反馈来得快、奖励不确定，而且几乎没有自然停止点。

推荐系统并不是简单地给你喜欢的东西，更准确地说，它在不断预测：什么内容能让你多停留几秒，多点一次，多看一条，或者下一次更愿意回来。人的行为数据训练算法，算法再用新的内容训练人的注意和偏好。久而久之，人和算法之间就形成了一个循环：你选择内容，内容也在塑造你。

这里最关键的是“不确定奖励”，大脑不只是被已经得到的快乐吸引，也会被“可能得到奖励”的期待吸引。神经科学中有一个概念叫“奖励预测误差”：简言之，当结果比预期更好，大脑就更倾向于记住并重复刚才的行为。信息流不断制造这种“也许下一条更好”的时刻，于是刷新、滑动、等待下一条，就逐渐变成一种被强化的习惯。因此，每一次滑动，都是一次新的奖励机会。对于奖励系统本来就更敏感的青年大脑来说，这种高频、不确定、即时反馈的环境，尤其容易形成习惯。

社交媒体还会进一步加入社会奖励。点赞、评论、转发、浏览量，不只是信息反馈，也是在告诉青年：什么内容被认可，什么表达更受欢迎，自己是否被看见。

青年阶段本来就是自我认同和社会关系快速发展的时期，“别人怎么看我”会深刻影响一个人如何理解自己。算法平台把这种社会评价变成了实时可见的数字，也就使社会奖励变得更频繁、更直接、更容易被比较。

看懂AI的答案，就是真的理解了吗？

豆包、GPT等生成式AI最容易让人产生一种错觉：答案已经出现，理解似乎也已经完成。但从学习和记忆的角度看，答案出现只是开始，真正重要的是大脑是否把这些信息组织成了自己的知识网络。人类本来就会使用外部工具来减轻大脑负担。比如，用笔记记录信息，用日历提醒安排，用搜索引擎查找资料，这些都可以看作“认知外包”：把一部分原本需要记忆、计算、检索或组织的任务，交给外部工具完成。

认知外包本身并不是坏事，它可以节省认知资源，让人把精力用于更复杂、更有创造性的任务。但生成式AI带来了一个新的变化。它外包的不只是信息存储和资料检索，还可以外包总结、翻译、写作、推理、构思，甚至观点生成。过去，学生查到资料之后，还需要自己阅读、筛选、比较、组织和表达；现在，只要提出一个问题，AI就可能直接给出一段结构完整、语言流畅的答案。问题在于，答案变得容易获得，并不等于理解也自动发生。

从记忆和学习的角度看，知识并非一条条信息简单堆放在大脑里。真正的记忆，更像是在大脑中逐渐形成一个有结构的知识网络。一个新概念之所以能够被记住，不只是因为我们看过它，而是因为它和已有知识建立了联系：它和哪些概念相似，和哪些概念不同，能解释什么现象，可以用在什么情境中，又有哪些限制。这样的知识才不是孤立的点，而是网络中的一个节点。因此，真正的学习需要经历一个“建网”的过程。学生在阅读、提问、尝试、犯错、修正和复述中，不断把新的信息接入原有的知识网络。比如学习一个科学概念，不只是记住定义，还要理解它为什么被提出、解决了什么问题、和其他概念有什么关系、在现实中如何应用。只有经过这样的加工，知识才会变得稳定，也才能在新的情境中被灵活调用。

生成式AI的风险在于，它可能让学生跳过这个过程。AI可以很快给出总结、提纲和答案，但如果学生只是接受现成结果，没有自己筛选信息、组织逻辑、比较观点和重新表达，那么知识可能仍然停留在外部工具中，而没有真正转化为自己的理解。表面上看，任务完成了，文字也很流畅，但大脑中的知识网络并没有生长。这也是为什么看懂AI的答案不等于自己真正理解。看懂常常只是一种识别：觉得这句话有道理，觉得这个解释听起来合理。但理解是一种建构：能够用自己的话解释它，能够把它和已有知识联系起来，也能够在新问题中重新使用它。主动提取和复述在这个过程中尤其重要。自己回忆一次、解释一次、重组一次，都会加强知识网络中的连接。相反，如果每次遇到问题都立刻交给AI，大脑就减少了检索、组织和表达的机会。久而久之，青年可能更擅长调用答案，却不一定更擅长形成理解。

与AI共处需要培养新的认知能力

AI正在影响年轻人如何分配注意力、如何获得奖励、如何学习知识、如何理解自己与他人。因此，AI时代真正需要培养的，不只是技术能力，而是一种新的认知能力：能够管理注意力、识别诱惑、延迟满足、核查信息、独立表达，并在AI的帮助下继续形成自己的判断。

首先，要保护注意力。注意力是理解、记忆和创造的入口。如果注意力总是被推送、消息和信息流牵引，大脑就很难进入深度加工。一个简单可行的方法，是为学习和工作设置明确的无干扰时段：关闭非必要推送，把手机移出视线，每天安排一到两个25—45分钟的深度学习时间。在这段时间里，只做一件事，让注意力真正停留下来。

其次，要给奖励系统设边界。娱乐本身不是问题，真正的问题是没有停止点的娱乐。短视频、游戏和社交媒体最好有固定的时间窗口，而不是在情绪低落、焦虑、孤独或睡前随手打开。青年也需要在现实生活中建立更稳定的奖励来源，比如运动、面对面交流、完成一个小目标、推进一个项目，或者发展一种长期兴趣。这样，大脑获得满足的方式就不会完全依赖即时反馈和算法推荐。

第三，要把AI从代做工具变成认知脚手架。在学习中，最重要的不是更快得到答案，而是形成自己的知识网络。因此，使用生成式AI时，可以遵循一个简单原则：先做，再问；先想，再用；先理解，再生成。先自己写出初步想法，再让AI帮助指出漏洞、补充例子、提出反对意见，最后自己核查事实、重新组织并复述。只有这样，AI才是在帮助思考，而不是替代思考。

最后，家庭和学校也需要改变应对方式。与其简单禁止或指责，不如帮助青年建立清晰的使用边界。家庭可以共同制定睡前不用手机、学习时关闭推送等规则；学校则可以把AI使用过程纳入学习评价，例如要求学生提交原始思路、提示词、AI输出、人工修改和资料核查。这样，AI的使用不再是隐藏的捷径，而可以成为训练提问、判断和表达能力的过程。

被算法塑形的青春，并不一定是被算法控制的青春。关键在于，我们能否帮助青少年在算法环境中建立边界，在即时反馈中保留长期目标，在工具辅助中保持主动思考。AI可以改变青少年大脑所处的环境，但青少年仍然可以学习如何使用AI，而不是被AI使用。

（作者为复旦大学认知神经科学中心执行主任，类脑智能科学与技术研究院研究员）