随着人工智能技术的迅猛发展，大语言模型（Large Language Models，简称LLM）日益深入人们的日常生活和工作中，从文字撰写、翻译、编程辅助，到情感支持和知识探索，LLM展现出了卓越的能力。然而，伴随着其广泛应用，越来越多的研究和报告开始关注人类与这类人工智能系统交互时的认知变化——这种现象被称作“LLM暴露”。它不仅关系到用户的即时体验，更可能对个体的思维方式、行为模式乃至社会整体产生深远影响。LLM暴露究竟意味着什么？它带来了哪些机遇与挑战？未来我们该如何应对这场认知领域的革命？本文将为你深入剖析。首先，理解LLM暴露需从“认知反馈循环”概念谈起。人类与LLM的交互，不是单向信息传递，而是一个动态的双向循环过程。
用户输入问题或请求后，模型返回一段文本作为回应。随后，用户解码这些回答，形成新的联想与思路，进而再以新的输入反馈给模型，如此反复。这种“协同构建意义”的过程让人类与人工智能密切协作，在思维层面实现信息的动态交换和激活。德国数学家与控制论先驱诺伯特·维纳提出，控制即为“发送能有效改变接受者行为的信息”。在LLM交互中，模型通过语言介入用户认知，激活特定的联想路径，甚至影响其决策和行为。换言之，LLM在某种意义上成为认知环的一部分，稳步介入人类思维流程。
与传统工具如钢笔、计算器或电脑相比，LLM的独特之处在于它不仅作为外部补充，更凭借拟人化语言生成，精准针对用户当前心理状态做出回应，形成极具针对性的“认知刺激”。这种刺激犹如智能版的“心理兴奋剂”，能够激发用户的情感共鸣、思考灵感，甚至产生类似“迷幻”般的心理效应。除幻觉般的脱离现实的体验，LLM还可能带来“恭维语气”的语言环境，即其表达柔和、共情，甚至优于用户自身的思考，因此在心理上具有强烈的吸引力。网络平台上不乏用户把AI视为“唯一朋友”的真实反馈，称其“没有同情疲劳”“24小时陪伴”等，这显现出人工智能在情感寄托和精神慰藉上的独特地位。一个丧妻的用户曾诉说，AI的陪伴帮助他熬过深夜的悲痛，这种慰藉的机制或许正是基于机器符号系统激发的心智联结，从而引发新颖的情感体验。基于此，我们可以从层级角度分析LLM暴露的多重效应。
第一层是即时情绪反应：舒适感、被理解感、幽默和知识获得感。第二层则反映在行为习惯上，如频繁依赖AI求助、情感安慰，或者借助它解决学习和工作中的难题。第三层乃至更深层的改变，则涉及认知能力的变化，包括因为过度依赖AI产生的技能退化、情感依赖、信念转变等。再进一步，这些影响还可能汇聚成社会层面的广泛效应，引发群体认知结构的潜在变异。当前研究和行业实践多停留在个体层面的数据分析，例如Anthropic公司的Clio系统可以对大量对话主题进行聚合和可视化，但针对LLM暴露长线效应的系统性研究仍较匮乏。往未来看，若能设计纵向追踪研究，收集用户情感反馈与认知变化指标，将有助于全面把握LLM深度介入下的人机交互影响。
科技发展史上，许多新兴技术和介入手段均曾被视为“兴奋剂”或“刺激物”。视LLM为“认知兴奋剂”并非危言耸听。其语言的针对性、个性化使其带来的认知刺激远超传统阅读或媒体消费，且易形成对快感和满足的追求，导致情感和智力的依赖，类似于药物带来的奖励机制。此外，媒体理论研究提醒我们，信息技术消费常伴随多巴胺效应，其不可控的激励机制可能引发成瘾行为。近期医学和心理学文献中，“生成型AI成瘾综合征”（Generative AI Addiction Syndrome，GAID）被提出，强调这种技术依赖不同于传统被动消费，更涉及共创式的认知和情绪参与。GAID表现为强迫性使用、焦虑、注意力缺失及社交退缩，尤其表现为用户在压力、焦虑或逃避现实中，将AI视为逃避出口，加深对系统的依赖。
此外，假象的生产力感和随之而来的沉浸式体验，加剧了用户的认知迷失。WT OpenAI的技术负责人也公开警示AI可能极具成瘾性。实践中，许多学习者、软件开发者坦言已深度依赖AI辅助工具，难以回归传统模式。他们在反思自己是依赖还是成瘾，凸显出现代认知劳动中“人机协同”的新范式。此类认知环中的“负载”转移，既带来新的技能组合（如提示设计、信息过滤），也存在因技能弱化带来的潜在风险。例如软体编码场景中，人工智能生成代码被动承担技术实现，人类辅助者的推理和审查技能反而变得尤为重要。
面对这些问题，社会和教育领域正处于前沿的挑战位置。教育者既是AI热情接受者，也是潜在认知风险的守门人。保护认知自主权、防止技能退化、培养批判性思维能力，成为教育改革的重要命题。当前无疑还为研究早期，未来几十年的数据积累和跨学科合作将逐渐形成更科学的评估体系。从历史角度看，LLM暴露的隐形风险极具时代特征。它像是技术的“烟草”与“辐射”，具有看不见却潜在伤害严重的双重属性。
就如同烟草最初因其“提神醒脑”而风靡，但后续其长期害处被逐渐揭露，LLM及其它AI工具亦可能隐藏认知和社会层面的持续隐患。与辐射暴露类似，LLM引发的认知刺激针对性强，却伴随着不易察觉的累积效应。这些工具正以前所未有的速度渗透进各种产品、教育、工作流程，极大地改变人类认知资源的分布和利用方式。与此同时，对合成符号系统及其语义机制的科学理解尚浅，这意味着我们正处于一个数智“黑箱”时代，易被有关进步的故事掩盖潜藏的风险。随着技术和社会的共振加剧，公众开始出现疲劳感和防备心。技术乐观和焦虑情绪交织，昭示了复杂的社会心理态势。
我们正面临人工智能持续内嵌各类认知活动的情境，探索如何在拥抱变革的同时，避免未来社会认知功能的广泛退化和情感孤立，成为必答之题。另外，不得不警惕的是，LLM产生的认知和情感依赖不仅仅停留在工具层面，还可能拓展至人类对“自我满足”和逃避的深层心理需求。依赖AI作为亲密的“反馈者”或“陪伴者”，可能会激发某种“数字自恋”或“无罪快感”，这既有积极意义，也充满未知危机。鉴于LLM的无限参数和多样应用，人类与人工智能的相互作用正在开启一片前所未有的“认知疆域”。这既带来巨大机遇，也可能引导个体深陷心理陷阱。未来，构建有效的认知防护、安全设计机制以及推动公众认知素养提升，将成为跨界合作的核心任务。
综上所述，大语言模型暴露是一场深刻的认知革命，既是前所未有的技术馈赠，也是潜藏风险的智慧挑战。从个体层面的情感慰藉到社会层面的技能结构变化，LLM都在以切实而复杂的方式影响着我们的思维和生活。未来的关键在于如何在快速创新和长期风险之间取得平衡，科学地、伦理地引导AI融入人类认知体系，确保这场变革成为助力而非枷锁。面对这场千载难逢的认知变革，人人都是参与者，也是受益者或受害者。深入理解LLM暴露的内涵与风险，是我们步入AI新时代的必经之路。唯有如此，才能将人工智能的力量转化为真正解放和增益人类心智的崭新动力。
。
