西藏配资行业资讯平台
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？
配资杠杆申请豆包、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。
元股证券:ygzq.hk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西藏配资行业资讯平台，类脑智能科学与技术研究院研究员）
正配网提示：本文来自互联网，不代表本网站观点。
