官方网站-首页

【导(dǎo)语(yǔ)】在(zài)人(rén)工(gōng)智(zhì)能(néng)飞(fēi)速(sù)发(fā)展(zhǎn)的(de)今(jīn)天(tiān)，AI大(dà)模(mó)型(xíng)已(yǐ)成(chéng)为(wèi)推(tuī)动(dòng)社(shè)会(huì)变(biàn)革(gé)的(de)重(zhòng)要(yào)力(lì)量(liàng)。从(cóng)最(zuì)初(chū)的(de)“快思考”模式，到(dào)如(rú)今(jīn)向(xiàng)“慢(màn)思(sī)考(kǎo)”的(de)转(zhuǎn)变(biàn)，AI的(de)发(fā)展(zhǎn)史(shǐ)见(jiàn)证了其从简单逻辑判断到深度推理理解的蜕变。这一过程中，丹尼尔·卡尼曼的双系统理论为AI大模型的发展提供了新的思路和方向。然而，在信息爆炸的时代背景下，人类却逐渐失去了深度思考的耐心和能力。本文将探讨AI从“快思考”到“慢思考”的转变，以及人类如何在AI主导的时代中重新找回慢思考的能力，与AI实现互补共生。

在人工智能迅猛发展的时代，AI 大模型已成为推动科技进步与社会变革的核心力量。回顾 AI 大模型的发展史，不难发现，AI 正逐渐从“快思考”转变为“慢思考”。

1980 年代，AI 主要依靠规则基础的专家系统。例如，医疗诊断系统依据预定义规则——咳嗽是感冒、起皮疹是过敏，这样的简单逻辑判断病人病症。虽能快速处理信息，但缺乏灵活性与适应性，无法进行深层次思考推理，也不具备学习能力。

进入 21 世纪，伴随计算能力提升和数据量增加，机器学习兴起。以垃圾邮件过滤器为例，AI 通过算法从大量邮件数据中学习，能够识别邮件类型并进行预测。此阶段 AI 仍以快速处理为主，且逐渐引入如神经网络等复杂模型，可进行更深入的分析与理解。 

与此同时，美国认知心理学家、诺贝尔经济学奖得主丹尼尔・卡尼曼的研究成果，也为 AI 大模型的发展带来了新的思路和方向。他首次采用了由心理学家基思·斯坦诺维奇和理查德·韦斯特首创的术语，在他的经典著作《思考，快与慢》中，将大脑中的两个系统称为系统 1 和系统 2，也就是快思考与慢思考。

卡尼曼的研究成果如何促进 AI 大模型发展

丹尼尔·卡尼曼教授认为，对于人脑来说，快思考自动且快速地运行，基本无须费力；而慢思考需要将注意力分配给所需的烧脑活(huó)动(dòng)，需(xū)要(yào)经(jīng)过(guò)深(shēn)度(dù)思(sī)考(kǎo)与(yǔ)复(fù)杂(zá)的(de)计(jì)算(suàn)。也(yě)就(jiù)是说，快思考是一种生物本能的反应，而慢思考，则是人脑真正的深度思考。

系统 1 自动运作产生思维模式，但只有速度较慢的系统 2 能通过有序的步骤构建思想。你可以将这两个系统看成两个主体，它们有着不同的能力、局限和功能。

以下是系统 1 自动运作的例子（大致按复杂程度排序）：

感觉某一物体比另一物体离得更远。

从声音中觉察敌意。

阅读广告牌上的内容。

上述思维活动都是自发的，运作起来不费什么力气，或者说毫不费力。系统 1 的能力包括人和动物共有的某些先天技能，以及一些因长期练习变得快速且自动化的思维活动。

系统 2 的运作五花八门，但有一个共同特点：都需要集中注意力，注意力一旦分散，运作就随之中断。下面是一些例子：

在拥挤嘈杂的房间里，注意某人的声音。

比较两款洗衣机的综合价值。

检验某个复杂的逻辑论证的有效性。

在上述情境中，你必须集中注意力。你如果没做好准备，或者注意力分散，就会表现欠佳，或者根本没法执行任务。

在此基础上，AI 大模型的发展也向着慢思考转变。大型神经网络（如 GPT 和 BERT 等模型）能够处理复杂的语言理解和生成任务。这些模型不仅能够快速生成响应，还能够进行更深层次的(de)推(tuī)理(lǐ)和(hé)理(lǐ)解(jiě)，具备了更接近人类的思考能力。这一阶段的 AI 开始关注上下文、情感和逻辑推理，使得其在决策和创造性任务中表现得更加成熟。

特斯拉前 AI 总监、OpenAI 创始成员 Andrej Karpathy 曾明确指出，卡尼曼的双系统理论，正是 ChatGPT 思维链技术背后所依据的核心原理。卡尼曼教授的理论为思维链、大模型训练和微调等关键技术的发展提供了重要启示。

以 Deepseek R1 和 o1 为例，它们借助 “思维链推理”，在处理复杂问题时能够进行系统化决策和分析。这一过程不再单纯依赖内置模型权重，而是基于逻辑推导、因果关系分析和情境理解等多维度因素，形成更为精准的答案。360 AI 深度搜索功能的慢思考模式，也是借鉴了卡尼曼的理论。它在运行时会调用多个大模型，模拟人类的思考过程，经过意图识别、搜集、反思、推理等多个步骤，为用户提供更准确的信息。

卡尼曼的前景理论和启发式与偏差理论，也有助于 AI 大模型优化决策过程。前景理论指出人类在决策时关注收益和损失，且存在损失厌恶心理。AI 大模型可以将这一理论融入算法设计，更好地模拟人类决策行为，提高决策的准确性和实用性，帮(bāng)助(zhù)“绝(jué)对(duì)理(lǐ)性(xìng)的(de) AI”更(gèng)好(hǎo)地(de)理(lǐ)解(jiě)“相(xiāng)对(duì)理(lǐ)性(xìng)的(de)人(rén)类(lèi)”。启(qǐ)发(fā)式(shì)与(yǔ)偏(piān)差(chà)理(lǐ)论(lùn)揭(jiē)示(shì)了(le)人(rén)类(lèi)思(sī)维(wéi)中容易出现的认知偏差，AI 大模型可以通过学习这些偏差，在决策过程中进行修正和优化，避免因偏差导致的错误决策。

AI 慢了下来，人类快了起来

但在当今信息碎片化和爆炸式增长的时代背景下，人类的认知模式正经历着深刻的转变。为了在海量信息中迅速捕捉有用内容，人们越来越倾向于采用浅层次的浏览方式，短视频、图文信息、碎片化新闻……这种追求速度和效率的信息获取模式，使我们的思维逐渐变得浮躁，深度思考能力在不知不觉中不断弱化。

与之相反，AI 大模型通过不断优化算法和学习机制，逐渐掌握了类似于人类 “慢思考” 的能力。它能够对复杂问题进行系统性的分析和推理，从多个角度审视问题，挖掘问题的本质，进而给出全面而深入的解决方案。

当 AI 开始以沉稳、深入的方式处理信息时，人类却在快节奏的信息漩涡中失去了深度思考的耐心和能力。与此同时，随着人工智能技术的飞速发展，AI 生成的内容越来越逼真，这为诈骗分子提供了新的作案手段。AI 可以生成逼真的图片、视频和声音，使得诈骗行为更加难以识别。

在图片方面，利用深度学习中的生成对抗网络（GAN）和扩散模型（Diffusion Model），AI 能够生成以假乱真的图像。这些图片可以用于伪造名人代言广告、制作虚假的产品图片等，误导消费者进行购买或投资。

在互联网上，越来越多的商家靠 AI 生成图片来取代人类摄影师拍摄的真实产品图。AI 生成的图片更加完美，制作成本也更加低廉，但往往 “货不对板”。

在视频领域，“AI 换脸” 技术成为侵权违法的重灾区。诈骗分子通过非法(fǎ)获(huò)取(qǔ)的(de)人(rén)脸(liǎn)照(zhào)片(piàn)，利(lì)用(yòng)开(kāi)源(yuán) AI 工(gōng)具(jù)生(shēng)成(chéng)逼(bī)真的虚拟形象。此前内蒙古警方破获的一起 AI 换脸诈骗案中，福建某科技公司老板郭先生在视频通话中目睹 “好友” 面容，10 分钟内被骗转账 430 万元，事后发现对方竟是 AI 换脸与拟声技术合成的 “数字替身”。

声音合成也是 AI 诈骗的常用手段之一。只需几秒语音，就能克隆声音，犯罪分子可以模仿他人声音进行诈骗。

在快思考模式下，我们的大脑往往依赖直觉和经验来做出判断，而 AI 生成的新型诈骗正是利用了这一点。

系统 1 的快速反应机制使我们更容易受到表面信息的影响。当我们看到一张逼真的图片、一段生动的视频或听到熟悉的声音时，我们的大脑会迅速做出反应，而不会进行深入地思考和分析。例如，当我们收到一段来自 “好友” 的求助视频，看到好友焦急的面容和听到恳切的声音时，我们很可能会出于同情和信任，不假思索地进行转账，而忽略了核实信息的真实性。

此外，快思考模式下我们的注意力容易分散，难以对复杂的信息进行全面的评估。诈骗分子往往会利(lì)用(yòng)一(yī)些(xiē)紧急的情境或诱人的利益来吸引我们的注意力，使我们在慌乱中做出错误的决策。比如，诈骗分子以中奖为由，要求我们先缴纳手续费才能领取奖金，我们可能会因为贪图奖品而忽略了其中的风险。

慢下来，找回深度思考的能力

面对着 AI 生成新型诈骗的以假乱真，唯有提高警惕意识，找回慢思考的能力，才能在当今复杂的信息环境中保持清醒的头脑。

·借助 AI 辅助慢思考

在麻省理工学院计算机科学与人工智能实验室主任，世界顶级的机器人专家丹妮拉·鲁斯的新书《心与芯》中，她认为(wèi)：“人(rén)工(gōng)智(zhì)能(néng)只(zhǐ)是(shì)人(rén)类(lèi)更(gèng)趁(chèn)手(shǒu)的(de)锤(chuí)子(zi)”，只(zhǐ)要(yào)正(zhèng)确(què)利(lì)用(yòng)，人(rén)类(lèi)永(yǒng)远(yuǎn)不(bù)会(huì)被(bèi) AI 取(qǔ)代(dài)，反(fǎn)而(ér)会(huì)造(zào)福(fú)人(rén)类(lèi)社(shè)会(huì)。

而(ér)在(zài)信(xìn)息(xi)爆(bào)炸(zhà)的(de)时(shí)代(dài)，AI 在(zài)信(xìn)息(xi)处(chù)理(lǐ)和(hé)数(shù)据(jù)分(fēn)析(xī)方(fāng)面具有强大的能力，能够快速从海量数据中提取关键信息，为我们提供决策依据。当我们需要做出重要决策时，可以利用 AI 工具收集和分析相关信息，然后再启动慢思考，对这些信息(xi)进(jìn)行(xíng)深(shēn)入(rù)思(sī)考(kǎo)和(hé)评(píng)估(gū)，从(cóng)而(ér)做(zuò)出(chū)更(gèng)明(míng)智(zhì)的(de)决(jué)策(cè)。

·利(lì)用(yòng) AI 提(tí)升(shēng)自(zì)我(wǒ)认(rèn)知(zhī)

在(zài)《思(sī)考(kǎo)，快(kuài)与(yǔ)慢(màn)》中，丹尼尔·卡尼曼教授指出，我们的思维容易受到各种偏差的影响，导致对自己和周围世界的认知出现偏差。AI 可以(yǐ)通(tōng)过(guò)分(fēn)析(xī)我(wǒ)们(men)的(de)行(xíng)为(wèi)数(shù)据(jù)、语(yǔ)言(yán)表(biǎo)达(dá)等(děng)，帮(bāng)助(zhù)我(wǒ)们(men)发(fā)现(xiàn)自(zì)己(jǐ)的(de)思(sī)维(wéi)模(mó)式(shì)和(hé)认(rèn)知(zhī)偏(piān)差(chà)。

正(zhèng)如(rú)互(hù)联(lián)网(wǎng)上(shàng)流(liú)行(xíng)的(de) AI 角(jiǎo)色(sè)扮(ban)演(yǎn)一(yī)样(yàng)，AI 的(de)心(xīn)理(lǐ)咨(zī)询(xún)功(gōng)能(néng)也(yě)可(kě)以(yǐ)通(tōng)过(guò)与(yǔ)我(wǒ)们(men)的(de)对(duì)话(huà)，分(fēn)析(xī)我(wǒ)们(men)的(de)情(qíng)绪(xù)状(zhuàng)态(tài)和(hé)思(sī)维(wéi)方(fāng)式(shì)，发(fā)现(xiàn)潜(qián)在(zài)的(de)认(rèn)知(zhī)偏(piān)差(chà)，并(bìng)提(tí)供(gōng)相(xiāng)应(yīng)的(de)建(jiàn)议(yì)和(hé)训(xun)练(liàn)，帮(bāng)助(zhù)我(wǒ)们(men)提(tí)升(shēng)自(zì)我(wǒ)认(rèn)知(zhī)，减(jiǎn)少(shǎo)因(yīn)认(rèn)知(zhī)偏(piān)差(chà)而(ér)产(chǎn)生(shēng)的(de)焦(jiāo)虑(lǜ)。迷(mí)茫(máng)焦(jiāo)虑(lǜ)的(de)时(shí)候(hou)，不(bù)妨(fáng)与(yǔ)你(nǐ)的(de)专(zhuān)属(shǔ) AI 聊(liáo)聊(liáo)。

·培(péi)养(yǎng)慢(màn)思(sī)考(kǎo)习(xí)惯(guàn)，与(yǔ) AI 形(xíng)成(chéng)互(hù)补(bǔ)

虽(suī)然(rán) AI 具(jù)有(yǒu)强(qiáng)大的能力与算力，但它无法完全替代人类的思考和情感。人脑的慢思考的习惯，永远比 AI 更具有创造性、判断力和情感理解能力，与 AI 的优势形成互补。

人类的大脑远比我们以为的精巧，它也赋予了人类无与伦比的创造力，能够从复杂多变的环境中挖掘出新颖独特的想法。我们人类独有的情感理解能力，能够感知他人的情绪，建立深厚的情感连接，给予温暖的关怀与支持。这些能力与 AI 的高效性、精准性形成互补，共同构筑了快与慢的平衡。

结语

AI 大模型从“快思考”向“慢思考”的转变，得益于丹尼尔·卡尼曼的“双系统理论”。AI 通过模仿人类的慢思考模式，在决策、推理和创造性任务中表现得更加成熟。然而，与此同时，人类却迷失在信息碎片化和快节奏的生活里，逐渐失去了深度思考的耐心和能力。

在人工智能与算法主导的时代，丹尼尔·卡尼曼的忠告愈发振聋发聩：“思维的速度并不代表质量。”他的著作《思考，快与慢》始终在提醒我们——唯有在快与(yǔ)慢(màn)的(de)平(píng)衡(héng)中(zhōng)，方(fāng)能(néng)逼(bī)近(jìn)真(zhēn)相(xiāng)。

人(rén)类(lèi)需(xū)要(yào)重(zhòng)新(xīn)找(zhǎo)回(huí)慢(màn)思(sī)考(kǎo)的(de)能(néng)力(lì)，在(zài)信(xìn)息(xi)爆(bào)炸(zhà)的(de)时(shí)代(dài)保(bǎo)持(chí)清(qīng)醒(xǐng)的(de)头(tóu)脑(nǎo)。AI 无(wú)法(fǎ)完(wán)全替(tì)代(dài)人(rén)类(lèi)的(de)创(chuàng)造(zào)力(lì)、判(pàn)断(duàn)力(lì)和(hé)情(qíng)感(gǎn)理(lǐ)解(jiě)能(néng)力(lì)，而(ér)这(zhè)些(xiē)能(néng)力(lì)正(zhèng)是(shì)人(rén)类(lèi)与(yǔ) AI 形(xíng)成(chéng)互(hù)补(bǔ)的(de)关键。唯(wéi)有(yǒu)慢(màn)下(xià)来(lái)，人(rén)类(lèi)才(cái)能(néng)与(yǔ) AI 实(shí)现互补共生，在复杂的信息环境中保持理性与创造力。

2024 年 3 月 27 日，丹尼尔·卡尼曼（Daniel Kahneman）以 90 岁高龄辞世，他的一生，以颠覆性的“有限理性”理论重塑了人类对决策本质的认知，帮助我们更准确地了解人脑与算法。

他的离去不是思想的终点，而是一场永续对话的开端——关于人性、理性，以及我们如何在这纷繁世界中，做出更清醒的选择。我们不仅缅怀他的学术贡献，更感念他留下的思想遗产如何持续照亮理性与非理性的深邃边界。

（本文首发于CSDN微信公众号，经授权编辑后发布，原标题为《AI 取代人类的第一步，就是剥夺我们“慢思考”的能力》）