【导语】在人工智能飞速发展的今天，AI大模型已成为推动社会变革的重要力量。从最初的“快思考”模式，到如今向“慢思考”的转变，AI的发展史见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(jìn) AI 大(dà)模(mó)型(xíng)发(fā)展(zhǎn)

丹(dān)尼(ní)尔(ěr)·卡(kǎ)尼(ní)曼(màn)教(jiào)授(shòu)认(rèn)为(wèi)，对(duì)于(yú)人(rén)脑(nǎo)来(lái)说(shuō)，快(kuài)思(sī)考(kǎo)自(zì)动(dòng)且(qiě)快(kuài)速(sù)地(de)运(yùn)行(xíng)，基(jī)本(běn)无(wú)须(xū)费(fèi)力(lì)；而(ér)慢(màn)思(sī)考(kǎo)需(xū)要(yào)将(jiāng)注(zhù)意(yì)力(lì)分(fēn)配(pèi)给(gěi)所(suǒ)需(xū)的(de)烧(shāo)脑(nǎo)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(shì)说(shuō)，快(kuài)思(sī)考(kǎo)是(shì)一(yī)种(zhǒng)生(shēng)物(wù)本(běn)能(néng)的(de)反(fǎn)应(yīng)，而(ér)慢(màn)思(sī)考(kǎo)，则(zé)是(shì)人(rén)脑(nǎo)真(zhēn)正(zhèng)的(de)深(shēn)度(dù)思(sī)考(kǎo)。

系(xì)统(tǒng) 1 自(zì)动(dòng)运(yùn)作(zuò)产(chǎn)生(shēng)思(sī)维(wéi)模(mó)式(shì)，但(dàn)只(zhǐ)有(yǒu)速(sù)度(dù)较(jiào)慢(màn)的(de)系(xì)统(tǒng) 2 能(néng)通(tōng)过(guò)有(yǒu)序(xù)的(de)步(bù)骤(zhòu)构(gòu)建(jiàn)思(sī)想(xiǎng)。你(nǐ)可(kě)以(yǐ)将(jiāng)这(zhè)两(liǎng)个(gè)系(xì)统(tǒng)看(kàn)成(chéng)两(liǎng)个(gè)主体(tǐ)，它(tā)们(men)有(yǒu)着(zhe)不(bù)同(tóng)的(de)能(néng)力(lì)、局(jú)限(xiàn)和(hé)功(gōng)能(néng)。

以(yǐ)下(xià)是(shì)系(xì)统(tǒng) 1 自(zì)动(dòng)运(yùn)作(zuò)的(de)例(lì)子(zi)（大(dà)致(zhì)按(àn)复(fù)杂(zá)程(chéng)度(dù)排(pái)序(xù)）：

感(gǎn)觉(jué)某(mǒu)一(yī)物(wù)体(tǐ)比(bǐ)另(lìng)一(yī)物(wù)体(tǐ)离(lí)得(de)更(gèng)远(yuǎn)。

从(cóng)声(shēng)音(yīn)中(zhōng)觉(jué)察(chá)敌(dí)意(yì)。

阅(yuè)读(dú)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推理和理解，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(sī)维(wéi)链(liàn)技(jì)术(shù)背(bèi)后(hòu)所(suǒ)依(yī)据(jù)的(de)核(hé)心(xīn)原(yuán)理(lǐ)。卡(kǎ)尼(ní)曼(màn)教(jiào)授(shòu)的(de)理(lǐ)论(lùn)为思维链、大模型训练和微调等关键技术的发展(zhǎn)提(tí)供(gōng)了(le)重(zhòng)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，帮助“绝对理性的 AI”更好地理解“相对理性的人类”。启发式与偏差理论揭示了人类思维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(zhōng)的(de)生(shēng)成(chéng)对(duì)抗(kàng)网(wǎng)络(luò)（GAN）和(hé)扩散模型（Diffusion Model），AI 能(néng)够(gòu)生(shēng)成(chéng)以(yǐ)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。诈骗分子通过非法获取的人脸照片，利用(yòng)开(kāi)源(yuán) AI 工(gōng)具(jù)生(shēng)成(chéng)逼(bī)真(zhēn)的(de)虚(xū)拟(nǐ)形(xíng)象(xiàng)。此(cǐ)前(qián)内(nèi)蒙(méng)古(gǔ)警(jǐng)方(fāng)破(pò)获(huò)的(de)一(yī)起(qǐ) AI 换(huàn)脸(liǎn)诈(zhà)骗(piàn)案(àn)中(zhōng)，福(fú)建(jiàn)某(mǒu)科(kē)技(jì)公(gōng)司(sī)老(lǎo)板(bǎn)郭(guō)先(xiān)生(shēng)在(zài)视(shì)频(pín)通(tōng)话(huà)中(zhōng)目(mù)睹(dǔ) “好(hǎo)友(you)” 面(miàn)容(róng)，10 分(fēn)钟(zhōng)内(nèi)被(bèi)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。诈骗分子往往会利用一些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：“人工智能只是人类更趁手的锤子”，只要正确利用，人类永远不会被 AI 取代，反而会造福人类社会。

而在信息爆炸的时代，AI 在信息处理和数据分析方面具有强大的能力，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，对这些信息进行深入思考和评估，从而做出更明智的决策。

·利用 AI 提升自我认知

在《思考，快与慢》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 可以通过分析我们的行为数据、语言表达等，帮助我们发现自己的思维模式和认知偏差。

正如互联网上流行的 AI 角色扮演一样，AI 的心理咨询功能也可以通过与我们的对话，分析我们的情绪状态和思维方式，发现潜在的认知偏差，并提供相应的建议和训练，帮助我们提升自我认知，减少因认知偏差而产生的焦虑。迷茫焦虑的时候，不妨与你的专属 AI 聊聊。

·培养慢思考习惯，与 AI 形成互补

虽然 AI 具有强大的能力与算力，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——唯有在快与慢的平衡中，方能逼近真相。

人类需要重新找回慢思考的能力，在信息爆炸的时代保持清醒的头脑。AI 无法完全替代人类的创造力、判断力和情感理解能力，而这些能力正是人类与 AI 形成互补的关键。唯有慢下来，人类才能与 AI 实现互补共生，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》）