由于大型语言模型使得认知卸载变得毫不费力，我们有可能将学习和大脑健康所必需的心理努力外包出去。
2018年我开始创作一部科幻小说， 反英雄们故事背景设定在一个后末日世界，这个世界将所有重大决策都交给了一个它已经学会信任的人工智能。我从未完成那部手稿。我已出版的小说是…… Project Unison设想了一种不同的臣服方式，一位女性将记忆置于大脑之外。使用大型语言模型（也称LLM）让我感觉自己有点像这些主角，借助科技的力量，我们得以深入大脑最核心的运作机制：记忆和决策。我不禁自问，这种辅助手段究竟能带来什么：它是否能让你重拾记忆痕迹，从而进行思考？ 和 它增强了你，还是它认为 代替你妨碍你学习？
这个问题的答案与其说取决于机器，不如说取决于我们坚持不懈的努力，而努力恰恰是心胸狭隘的人最容易放弃的东西。机器永不疲倦，而我们却会。 同时想着大约四件事， 和 六个小时高强度脑力劳动 这会促使前额叶大脑倾向于选择无需付出太多努力的方案。我建议我们在决定交出哪些大脑时，应该考虑我们希望自己年老时仍然拥有怎样的大脑。
事关重大，是我们的未来。 智力资本这是一种资产，其计算方法是将技能价值减去大脑健康成本（包括抑郁症、成瘾和倦怠等精神疾病）。为了终身积累这种资产，我们必须保持技能娴熟、学习能力强且健康的大脑。日常生活中使用的LLM（学习、学习和管理工具）可能成为我们实现这一目标的助力，也可能成为阻碍。例如， 对成年人工智能用户的研究 频繁使用电子产品会降低批判性思维能力，其机制在于认知卸载——即依赖外部工具来减少脑力劳动。一项尚未经过同行评审的研究表明…… 麻省理工学院预印本 研究发现，83%借助聊天机器人写作的作者在几分钟后无法引用自己写的文章，而未借助聊天机器人写作的作者中只有11%的人无法做到这一点。虽然这些结果尚属初步，但它们暗示，如果我们不加审视地追求便利，可能会阻碍我们自身技能的提升。
因此，我将证据提炼为四个建议，以回答同一个问题：在以LLM（领导力发展硕士）为主导的工作场所中，我们应该如何分配精力？所有建议都贯穿着一条主线。简而言之，我们应该将那些只产生产出的工作委托出去，而将那些既能产出又能提升个人能力的工作保留下来。下图总结了这四层测试。
1. 储备：它能让我的大脑保持数十年的活力吗？
认知储备大脑的适应能力，即在衰老或病理状态下维持功能的能力，通常被认为是与生俱来的天赋，但实际上它更像是贯穿一生，由智力、社交和身体等方面的丰富经验积累而成的平衡。 突触项目研究发现，老年人如果花三个月时间学习拼布或数码摄影，其情景记忆力比那些从事轻松活动的老年人有显著提高，而且他们的大脑也发育得更好。 效率更高。
这可能是因为可塑性 由长期不匹配引发 大脑的能力与环境的需求之间存在着平衡。参加舞蹈课或与孩子玩棋盘游戏也算在内，因为它们能锻炼你的能力，也能让你与他人建立联系。大脑保持健康不仅需要休息，还需要被要求做一些略微超出其能力范围的事情，最好是在有人陪伴的情况下。 睡觉 和 有氧运动 为这种扩张建设基础设施，同时 社会参与与降低痴呆风险相关的，它本身也是最富有的矿藏之一。
2. 技能再培训：它能教会我如何与人工智能协同思考吗？
技能，例如储备能力，是后天习得的，而非与生俱来的，然而人工智能恰恰在这方面最具诱惑力。高中生使用 GPT-4 进行练习时，他们的表现有所提升，但一旦停止使用，他们的表现又会下降。 表现下降了17%。 与从未接受过人工智能治疗的同行相比，接受人工智能治疗的医生比例更高。而且，当内镜医师在反复使用人工智能后重新开始进行非辅助结肠镜检查时， 腺瘤检出率从28.4%下降到22.4%。。 没有奋斗，就没有成就。。
这就是为什么组织心理学家警告说，学习如何将人工智能融入我们的职业生涯实际上是…… 身份认同工作 ——而对自身适应能力的信念主要来源于 精通经验。
这种努力如果能共享，效果会更好，因为当团队成员齐心协力时，团队的思考能力会更强。 互相了解，共享空间然而，精通需要目标，而任何提示都无法描绘出你渴望成为的那种工作状态。想象未来是一种…… 未来思考 技巧，以及又一次值得坚持的努力。
3. 目的：我会为了做这件事本身而做这件事吗？
我们都知道内在动力的重要性，但是不付出努力的动力只是白日梦。 自决理论 这表明，要想取得成功，我们需要三样东西：能力、自主性和人际关系。 对 192 项研究进行的荟萃分析 这证实了满足这些需求的工作能够激发真正的、自我驱动的动力。当我们为了追求某件事本身而去做时，我们就能找到意义。
为什么意义如此重要？因为那些找到人生意义的人往往更有成就感。 生活满意度 并且具有较低的 抑郁和焦虑例如，我写作是因为我喜欢它，喜欢那种流畅的思路和内在的逻辑，而外包会破坏这种逻辑。无论你从事什么艺术，我都建议你这样做：自由选择，让它塑造你。虽然任何艺术都离不开努力，但当我们热爱自己所做的事情时，它就会变得轻松许多。
4. 判断：这需要我的裁决吗？
判断力并非一种可以随意发挥的技能，而是专业知识的结晶：只有在我们苦苦寻找可靠答案的领域，我们才能发现错误的答案。如果你过早地将这种努力委托他人，你最终的结论就只是猜测。流畅自信的表达会缩短我们寻找相反证据的时间，这种模式被称为…… 自动化偏见以及人工智能用户 他们高估了自己的表现， 始终表现出较低的元认知准确率。
因此，即使是通常可靠的助手，如果不验证其输出结果，也可能误导你。所以在接受它精心准备的答案之前，务必询问它做了哪些假设，以及哪些证据可以证明它是错误的。将搜索、检索、计算、过滤、排序和初步预测等工作委托出去；保留问题定义、例外情况、你将签署的决策，以及那些后果将由你未来承担的选择。如果人工智能定义了问题，而你只是简单地批准，那么这个决策就从未真正由你做出。
需要交出什么
如果四个问题的答案都是否定的，那就大胆授权吧。我的原则是保留那些已经积累起来的努力：繁琐的工作既可以培养新手，也可能浪费专家的时间。然而，人工智能是否会节省时间，目前还不得而知。 远离定居点或许这可以留待另一篇文章探讨。不过，我所期盼的未来是，知识工作者将把时间投入到协作构思、教学、技艺精湛和关爱他人上。这样的工作并非轻松，而是需要全身心投入，正因如此，它才能积累社会的智力资本：技能、认知储备以及未来值得拥有的自我，就目前所见，都无法不经努力而获得，也无法不经实践而保持。
2018年，我设想的人工智能应该服务于人而非支配人。如今它就摆在我的桌上，或许也摆在你的桌上，它会变成什么样子？这取决于我们每次完成一项任务时所做的选择。找到你的艺术，并不断精进，直到它反过来滋养你。
