清晨，闹钟还没把大脑完全唤醒，手却已经下意识地摸向手机。新闻推送、短视频、朋友圈动态——所有内容都被系统提前排好顺序，只等你不断上滑。上课或上班前，你想搜索一点资料，看似是主动查找，但搜索结果排序、相关推荐，甚至广告展示位置，很多时候同样由算法决定。午休时，本来只想刷几分钟短视频放松一下，结果平台不断推送“下一条”，一整个下午很快就过去了。晚上写作业、做汇报，你开始借助生成式AI，让它帮你总结、翻译、润色，甚至提供思路和观点。到了睡前，那句“再看五分钟”，常常又被一条接一条的内容拖到深夜。

在这样的日常生活中，AI早已不再是需要专门打开的独立软件，而是像空气一样进入了每个人的信息环境：短视频推荐、社交媒体内容排序、搜索引擎、游戏推荐、广告投放系统、自适应学习平台，以及各种写作、翻译、图像生成工具——它们都在不同程度上改变着我们获取信息、学习知识和与世界互动的方式。

那么，为什么AI对青少年的影响尤其深刻？

这要从青少年的大脑发育说起。人的大脑并不是一出生就完全定型，尤其在少年时期和青年早期，大脑仍会根据经验不断调整自己的运作方式：如何分配注意力？如何追求奖励？如何控制冲动？如何理解他人的评价？如何形成学习习惯和社交模式？这个过程就是大脑的可塑性。处在这一阶段的青少年，一方面更容易被新鲜、有趣、即时回应的内容吸引；另一方面，抵抗诱惑、延迟满足、持续坚持长期目标的能力还在发育和完善之中。

这意味着，对于仍在成长、仍在寻找自我、仍在建立学习方式和社会关系的年轻人来说，长期生活在AI和算法主导的信息环境中，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力习惯、奖励偏好以及自我认知。

只是“看一眼手机”，大脑就承受了更大的压力

注意力从来都不是无限供应的资源。不妨把它想象成一束灯光——真正有效的学习和思考，需要让这束光在同一个问题上持续停留：读完一篇长文章，理解一个复杂概念，完成一道难题，写出一段逻辑清晰的文字。可如今的算法信息流，偏偏总在不断移动这束光。一次推送、一条消息、一个短视频、一句“再看一条”，都可能把你的注意力从当前任务中拉走。

从认知科学角度看，注意力首先具有选择性。大脑需要从海量信息中挑出与当前目标相关的内容，同时压制无关干扰。比如，学生在阅读时必须把注意力放在文字和概念上，同时忽略旁边的手机、突然弹出的消息，以及脑中“要不要看一眼”的冲动。这种选择性注意越稳定，一个人就越能在复杂环境中维持目标。而这背后的核心区域，是前额叶——它可以被理解为大脑的“目标维持系统”和“控制系统”，帮助我们记住当前任务，抑制无关信息，控制立刻查看手机的冲动，并在被打断后重新回到原来的任务。明知道消息很想回，还能坚持把这一段读完；明知道短视频很有吸引力，还能把注意力放在作业上——这些都离不开前额叶的控制功能。

但问题在于，青少年和青年早期的大脑中，前额叶控制系统尚未完全成熟。他们并不是没有注意力，也不只是缺乏自律，而是维持目标、抑制干扰、从中断中恢复的能力仍在发展。当他们面对高频推送、即时反馈和持续更新的信息流时，尚在成长中的控制系统所承受的压力，往往比成年人更大。

注意力还有另一个重要特点，那就是资源有限。阅读论文、写文章、做数学题，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。如果这时弹出消息提醒、短视频推荐或社交反馈，大脑就必须额外处理一个问题：要不要看？重不重要？要不要切换任务？这些都会明显增加认知负荷。

所以，“看一眼手机”从来都不只是浪费几秒钟那么简单。每一次任务切换，大脑都要重新加载原来的任务：我刚刚读到哪里？刚才在解决什么问题？下一步要做什么？这个“重新进入状态”的过程会持续消耗注意力资源。切换次数越频繁，深度思考就越困难。算法推荐的信息流尤其容易加重这种负担——它几乎没有自然停止点，短视频一条接一条，内容更短、反馈更快、刺激更强；推送通知又不断打断正在进行的学习和工作。久而久之，大脑会越来越习惯快速选择、快速判断、快速获得反馈，也越来越难以长时间停留在一个复杂问题上。

“下一条”更诱人，因为大脑追求“不确定奖励”

刷短视频或社交媒体时，很多人都有类似体验：本来只想看几分钟，结果却一条接一条，最后不知不觉刷了很久。奇怪的是，这些内容并不是每一条都真的特别精彩。真正让人停不下来的，往往不是“这一条有多好看”，而是“下一条也许会更精彩”。这种体验与大脑的奖励系统密切相关，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、社交认同、游戏奖励、点赞和评论，都更容易激发大脑的兴趣与期待。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还在逐步成熟。也就是说，青年大脑常常处于一种特殊状态：对奖励高度敏感，但控制冲动的能力仍在发展。这并不是简单的“自制力差”，而是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：内容更新速度快、反馈到来得快、奖励具有不确定性，而且几乎没有自然停止点。

推荐系统并不只是简单地推送你喜欢的内容，它更擅长预测：什么样的内容能让你多停留几秒、多点开一次、多看一条，并在下一次更愿意回来。人的行为数据训练算法，算法再用新的内容不断塑造人的注意力和偏好。时间一长，人与算法之间就形成了一个循环：你在选择内容，内容也在反过来塑造你。

其中最关键的机制，就是“不确定奖励”。大脑不仅会被已经获得的快乐吸引，也会被“可能获得奖励”的期待所吸引。神经科学中有一个概念叫“奖励预测误差”：简单来说，当结果比预期更好时，大脑会更倾向于记住并重复刚才的行为。信息流不断制造“下一条可能更好”的时刻，于是刷新、滑动、等待下一条，慢慢变成一种被持续强化的习惯。每一次滑动，都是一次新的奖励机会。对于奖励系统本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依赖。

社交媒体还在此基础上叠加了一层社会奖励。点赞、评论、转发、浏览量，不只是信息反馈，也在不断告诉年轻人：什么内容更容易被认可，什么表达方式更受欢迎，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实时可见的数字，让社会奖励变得更频繁、更直接，也更容易引发比较。

看懂AI的答案，就是真的理解了？

生成式AI最容易带来的一种错觉是：答案已经出现，理解似乎也随之完成了。但从学习与记忆的角度看，答案出现只是第一步，真正重要的是，大脑是否已经把这些信息组织成了自己的知识网络。人类本来就会借助外部工具来减轻大脑负担：用笔记记录信息，用日历提醒安排，用搜索引擎查找资料——这些都属于“认知外包”，也就是把一部分记忆、计算、检索或组织任务交给外部工具来完成。

认知外包本身并不是坏事，它可以节省认知资源，让人把精力集中在更复杂、更有创造性的任务上。但生成式AI带来了一个本质变化：它外包的不只是信息存储和资料检索，还可以进一步外包总结、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、整理和表达；现在，只要提出一个问题，AI往往就能直接给出一段结构完整、语言流畅的答案。但问题在于，答案变得更容易获得，并不意味着理解会自动发生。

从学习和记忆机制来看，知识并不是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搭建一个有结构的知识网络。一个新概念之所以能被真正记住，不只是因为你看过它，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，可以应用于什么场景，又有哪些边界和限制。这样的知识不再是孤立的信息点，而是网络中的一个节点。真正的学习需要经历一个“建网”的过程：在阅读、提问、尝试、犯错、修正和复述中，不断把新信息接入原有的知识体系。比如学习一个科学概念，不只是记住定义，更要理解它为什么被提出、解决了什么问题、和其他概念之间有什么关系、在现实中如何应用。只有经过这样的加工，知识才会更稳定，也才能在新情境中被灵活调用。

生成式AI的风险在于，它可能让学生跳过这个关键过程。AI可以快速给出总结、提纲和答案，但如果学生只是直接接受现成结果，没有亲自筛选信息、组织逻辑、比较观点和重新表达，知识就可能仍然停留在外部工具中，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真正生长。这就是为什么看懂AI生成的答案，并不等于真正学会了。

“看懂”很多时候只是一种识别：觉得这句话有道理，这个解释听起来合理。但“理解”是一种建构：能够用自己的话重新解释它，能够把它和已有知识建立联系，也能够在新的问题中再次使用它。主动提取和复述在这个过程中尤其关键——自己回忆一次、解释一次、重组一次，都会强化知识网络中的连接。相反，如果每次遇到问题都立刻交给AI，大脑就会减少检索、组织和表达的机会。时间一长，年轻人也许更擅长调用答案，却不一定更擅长形成自己的独立理解。

与AI共处，需要培养新的认知能力

AI正在深刻影响年轻人如何分配注意力、如何获得奖励、如何学习知识，以及如何理解自己和他人。因此，AI时代真正需要培养的，不只是技术使用能力，更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辅助下继续形成自己的判断力。

首先，要保护注意力。注意力是理解、记忆和创造力的入口。如果注意力总被推送、消息提醒和算法信息流牵引，大脑就很难进入深度加工状态。一个简单而可行的方法是：为学习和工作设置清晰的无干扰时段——关闭非必要推送，把手机移出视线范围，每天安排一到两个25到45分钟的深度学习时间。在这段时间里，只专注做一件事，让注意力真正沉下来。

其次，要为奖励系统设定边界。娱乐本身不是问题，真正的问题在于“没有停止点”的娱乐。短视频、游戏和社交媒体最好设置固定的使用时间窗口，而不是在情绪低落、焦虑、孤独或睡前随手打开。同时，青年也需要在现实生活中建立更稳定的奖励来源：运动、面对面交流、完成一个小目标、推进一个项目，或者培养一项长期兴趣。这样，大脑获得满足感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”转变为“认知脚手架”。在学习过程中，最重要的不是更快拿到答案，而是逐步形成自己的知识网络。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，最后由自己核查事实、重新组织并复述。只有这样，AI才是在辅助思考，而不是替代思考。

最后，家庭和学校也需要调整应对方式。与其一味禁止或简单指责，不如帮助年轻人建立清晰的AI使用边界和数字习惯。家庭可以共同制定规则，比如睡前不用手机、学习时关闭推送；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输出内容、人工修改过程以及资料核查结果。这样，AI的使用就不再只是隐藏的捷径，而能真正成为训练提问能力、判断能力和表达能力的过程。

被算法塑造的青春，并不必然意味着被算法控制的青春。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，在工具辅助下保持主动思考。AI可以改变青少年大脑所处的信息环境，但青少年依然可以学习如何正确使用AI，而不是反过来被AI和算法所支配。

（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）