AI过度依赖与人类认知衰退：风险、证据与缓解策略 - AI与医疗健康

AI过度依赖与人类认知衰退：风险、证据与缓解策略AI-overdependence and human cognitive decline: Hazards, evidence, and mitigation strategies - ScienceDirect

环球医讯 / AI与医疗健康来源：www.sciencedirect.com荷兰 - 英文2026-05-24 21:14:35 - 阅读时长2分钟 - 848字

本研究系统综述了人工智能过度依赖与人类认知衰退之间的关联，整合了教育、专业工作和医疗保健等多领域的实证证据与理论观点。研究提出了P2BEAM分类法，全面分析了AI过度依赖的心理机制、特定人群影响、广泛社会风险及认知衰退证据，并总结了各领域应对策略。该研究不仅区分了已有证据与假设观点，还为研究人员、教育工作者、政策制定者和系统设计者提供了跨领域的实用建议与优先研究议程，对平衡AI应用与人类认知能力发展具有重要指导意义。研究强调了过度依赖AI可能引发的学习能力下降、决策能力弱化及专业技能退化等风险，呼吁建立科学的AI使用规范以保护人类认知健康发展。

摘要

人工智能（AI）对话系统和生成模型在教育、专业工作和医疗保健领域的快速普及带来了显著的生产力提升，但也引发了对过度依赖、过度依靠和认知衰退日益增长的担忧。尽管学术界越来越关注这一问题，现有研究仍然分散在不同领域和学科中，缺乏最近的综合性综述，无法系统整合不同领域中关于认知影响、相关风险和缓解策略的证据。这种分散限制了对共享机制、更广泛风险和有效应对措施的累积理解，以及它们对个人学习、决策、专业能力、整体福祉和更广泛社会结果的影响。

为解决这一差距，我们呈现了基于系统性研究映射的跨领域综述，涵盖关于AI过度依赖及其认知后果的实证和概念文献。本综述聚焦于两个目标：（1）综合关于认知衰退和特定任务技能退化的现有实验和观察证据；（2）系统组织理论论点和新兴关注点，特别是在实证证据仍然有限的领域。此外，本综述明确识别了已报告和假设的AI过度依赖风险，并调查了各领域提出的缓解策略。

为支持综合性分析，我们提出了P2BEAM分类法（Psychological and Contextual Mechanisms，Population-Specific Effects，Broader Hazards and Impacts，Evidence for Cognitive Decline and Deskilling，Affected Domains and Mitigation Strategies，即心理和情境机制、特定人群影响、更广泛风险和影响、认知衰退和技能退化证据、受影响领域和缓解策略）。该分类法概括了综述中出现的关键主题。

通过整合分散的文献，区分证据与假设，并系统映射风险和缓解方法，本综述提供了跨领域的可转移见解，并以优先跨领域研究议程和针对研究人员、教育工作者、政策制定者和系统设计者的实用建议作为结论。