对抗认知劣化:如何从算法手中夺回你的深度思考能力

当"劣化"从产品蔓延到大脑
"Enshittification"(劣化)这个词最初由科技评论家 Cory Doctorow 提出,用来描述平台产品逐步退化的过程:先是讨好用户,再是讨好商家,最终为了榨取利润而牺牲所有人的体验。这个概念在科技圈引发了广泛共鸣。
Doctorow 于2023年1月在其博客中首次系统阐述了这一概念,随后该词被美国方言学会评为2023年度词汇。他描述的劣化三阶段模型具有高度概括力:第一阶段,平台用补贴和优质体验吸引用户(如早期Uber的低价策略);第二阶段,平台利用积累的用户基础向商家和供应商提取价值(如亚马逊对第三方卖家不断提高佣金);第三阶段,平台同时压榨用户和商家,将所有剩余价值转移给股东。这一模型揭示了平台经济中缺乏互操作性和用户迁移成本过高所导致的结构性问题。
但最近,一篇发表在 Hacker News 上的文章《Defending my own brain against enshittification》将这一视角推向了一个更深刻的层面——不仅平台在劣化,我们的大脑本身也在被算法和注意力经济逐步"劣化"。作者提出了一个尖锐的问题:当外部信息环境不断退化时,我们该如何主动防御自己的认知能力?

认知劣化是如何发生的
注意力被系统性劫持
现代信息平台的商业模式建立在一个残酷的前提上:你的注意力就是它们的收入来源。注意力经济(Attention Economy)这一概念最早由诺贝尔经济学奖得主 Herbert Simon 在1971年提出,他指出"信息的丰富意味着注意力的匮乏"。在当代数字环境中,这一理论被 Tim Wu 在《注意力商人》一书中进一步发展——他追溯了从19世纪报纸到21世纪社交媒体,商业实体如何系统性地收割人类注意力并将其转售给广告商。据估算,全球注意力经济的规模已超过数千亿美元,而每个用户每天的清醒注意力总量约为16小时,这使得对注意力的争夺成为一场真正的零和博弈。
为了最大化停留时长,推荐算法不断投喂即时刺激、情绪化内容和无限滚动的信息流。现代推荐系统主要基于协同过滤、深度学习和强化学习技术。以TikTok的推荐引擎为例,它通过追踪用户的停留时长、重播次数、互动行为等数百个信号,构建用户兴趣图谱,并通过多臂老虎机(Multi-Armed Bandit)算法不断试探用户的兴趣边界。从神经科学角度看,这种间歇性强化(Variable Ratio Reinforcement)模式与赌博机制类似,能够最大化多巴胺的释放。每次刷到一条"命中"兴趣的内容,大脑就会释放多巴胺作为奖励信号,驱动用户继续滑动屏幕寻找下一次"命中"。
久而久之,大脑习惯了这种高频、低质的刺激模式,深度阅读和长时间专注的能力反而在退化。大脑的神经可塑性(Neuroplasticity)意味着它会根据使用模式不断重塑自身。加州大学旧金山分校的 Adam Gazzaley 教授的研究表明,持续的多任务切换会削弱前额叶皮层的执行控制功能。微软加拿大的一项研究发现,人类平均注意力持续时间已从2000年的12秒降至2015年的8秒。更关键的是,尼古拉斯·卡尔在《浅薄》一书中引用的fMRI研究显示,习惯性的浅层浏览会改变大脑处理信息的神经通路,使得深度阅读所需的线性、沉浸式认知模式变得更加困难。这些证据表明"大脑劣化"并非隐喻,而是可观测的神经生理变化。
这正是"大脑劣化"的核心机制:不是某个平台单独作恶,而是整个信息生态系统的激励结构,都在把用户训练成一个更容易被操控、更难以深度思考的个体。
从主动获取到被动接收
另一个值得警惕的转变是:人们正在从主动的信息探索者,退化为被动的信息接收者。过去我们会主动去搜索、去阅读、去建立知识体系;如今,算法替我们决定了看什么、想什么。这种"外包认知"的习惯一旦形成,独立判断和批判性思维就会随之萎缩。
认知心理学中有一个概念叫"认知卸载"(Cognitive Offloading),指的是将记忆和决策功能外包给外部工具。适度的认知卸载(如使用日历提醒)是健康的,但当算法全面接管了信息筛选、优先级排序甚至观点形成时,我们实际上是在将思维的核心功能——判断力——外包给了一个以利润而非用户福祉为目标的系统。这种状态下,人脑从信息处理的"CPU"退化为仅仅执行"输入/输出"的终端设备。
防御认知劣化的实践策略
重建信息摄入的主动权
对抗认知劣化的第一步,是把信息获取的控制权从算法手中夺回来。具体做法包括:
- 使用 RSS 订阅替代算法推荐,主动选择信息源
- 减少无限滚动类应用的使用,尤其是那些没有明确终点的信息流
- 建立个人知识管理系统(如 Obsidian、Notion 等笔记工具),把消费转化为沉淀
RSS(Really Simple Syndication)是一种创建于1999年的开放标准协议,允许用户直接订阅网站内容更新,无需通过任何中间平台的算法筛选。尽管 Google Reader 在2013年关闭后 RSS 一度被认为已死,但近年来随着人们对算法推荐的反思,RSS 正在经历复兴。Feedly、Miniflux、NetNewsWire 等现代 RSS 阅读器提供了精简而强大的阅读体验。RSS 的核心优势在于其去中心化特性:没有公司能控制你的信息流,没有算法在幕后操纵内容排序,信息获取完全由用户自主决定。这代表了一种与算法推荐根本对立的信息消费范式。
而个人知识管理工具如 Obsidian 和 Notion 则代表了"第二大脑"运动的技术实现。Obsidian 基于本地 Markdown 文件和双向链接,其设计哲学受到 Niklas Luhmann 的卡片盒笔记法(Zettelkasten)启发——这位社会学家通过9万张相互链接的卡片产出了70多本著作。这类工具的认知价值在于:它们迫使用户将被动消费的信息转化为主动构建的知识网络,通过建立概念之间的连接来深化理解。研究表明,用自己的语言重新表述信息(即"精细化编码")能显著提升长期记忆保持率,这正是 PKM 系统所促进的认知行为。
这些做法的共同点在于:让你重新成为信息流动的主导者,而不是被动的终端。
保护深度思考的时间与空间
深度思考需要连续、不受打扰的时间块。防御大脑劣化不仅是技术层面的工具选择,更是一种生活方式的重构:
- 刻意安排"无干扰时段",远离通知和即时消息
- 重拾长文本阅读和长视频学习,训练注意力的耐力
- 通过写作来强迫自己完成结构化的思考
Cal Newport 在其著作《深度工作》中提出了一个重要观点:在注意力碎片化的时代,能够进行深度工作的能力正在变得越来越稀缺,因而也越来越有价值。他建议采用"时间块"(Time Blocking)方法,将一天中最清醒的2-4小时预留给需要高度专注的认知任务,并在此期间彻底隔绝所有外部干扰。神经科学研究也支持这一做法:大脑进入"心流"状态通常需要15-25分钟的不间断专注,而每一次被通知打断后都需要重新经历这一"预热"过程。
这不只是个人问题,更是系统性挑战
说个细节,Hacker News 社区对这篇文章的讨论虽然规模不大,但反映出技术从业者对这一议题的深层隐忧。这些恰恰是最了解算法运作机制的人群,他们的警觉本身就说明了问题的严重性。值得注意的是,硅谷内部对注意力经济的反思并非新鲜事——前 Google 设计伦理学家 Tristan Harris 早在2013年就在 Google 内部发表了一份141页的演示文稿《A Call to Minimize Distraction & Respect Users' Attention》,随后他创立了人道技术中心(Center for Humane Technology),推动行业从"最大化参与度"转向"最大化用户福祉"的设计范式。
认知劣化不应被简单归结为"个人自制力不足"。当整个数字环境都在系统性地侵蚀用户的注意力和判断力时,把责任完全推给个人是不公平的。真正的解决方案需要三个层面的协同:
- 个人层面:主动构建防御性的信息习惯
- 工具层面:选择尊重用户注意力的产品和平台
- 制度层面:推动对注意力经济商业模式的反思与监管
在制度层面,欧盟的《数字服务法案》(DSA)已经开始要求平台提供非基于画像的推荐选项,这是监管层面迈出的重要一步。而在工具层面,越来越多的产品开始以"尊重用户时间"作为差异化卖点——从不使用推荐算法的社交网络(如 Mastodon)到主动限制使用时长的应用设计,一个"反注意力经济"的产品生态正在萌芽。
结语:把大脑当作需要守护的核心资产
在一个信息过载、算法主导的时代,我们的认知能力本身就是最宝贵的资产。核心洞见在于:正如我们会保护自己的隐私和数据一样,我们也应该像防御产品劣化那样,主动防御自己大脑的劣化。
这不是要彻底逃离数字世界,而是提醒我们保持清醒——在享受技术便利的同时,守住独立思考和深度专注这两项越来越稀缺的能力。毕竟,一个无法深度思考的大脑,才是"劣化"最彻底的受害者。
核心要点
相关推荐

用Claude Code为老打印机写驱动:AI逆向工程实战
开发者用Claude Code为无macOS驱动的HP Laser 1008a打印机逆向工程编写原生CUPS驱动,实现从数据抓包、协议解析到C语言过滤器开发的全流程。深入分析AI辅助底层系统编程的能力边界与实际价值。

AI网络攻防能力逼近临界点:模型研发该踩刹车吗
AI模型的网络攻防能力正逼近关键阈值,能自主发现漏洞、编写exploit甚至执行完整攻击链。本文深入分析放慢研发与加速防御两派观点,探讨能力封锁的博弈困境及系统性治理路径。
fx:极简开源原生编码智能体深度解析
fx:极简开源原生编码智能体深度解析
深度解析fx开源编码智能体,探讨其Tiny、Open、Native三大核心理念,分析极简AI编程工具在可控性、隐私保护和模型无关性方面的独特价值与局限。