2026年，生成式AI大模型已全面渗透人类社会的知识生产与认知构建。前沿模型不再是单纯的工具，而是成为知识的“合成器”、信念的“塑造者”和决策的“隐形代理”。与此同时，一个更为隐蔽的危机正在蔓延——知识的转基因危机，正在将多数人推向认知“肉鸡”的境地。
什么是“知识的转基因”？
去年冬天，麻省理工学院的一间写作教室里，教授迈卡·内森布置了一场小说研讨会。他读到两个学生的作品时，立刻意识到“不是人写的”——太干净了，每一个隐喻都恰到好处得像从模具里浇出来的，人物设定完整但没有任何意外，情节弧线精准地落在该落的地方。内森用一个词形容这种质地：dead perfection——死掉的完美。
其中一个学生哭了。她说她用AI不是想作弊，是害怕被嘲笑。她先把故事丢给AI做语法检查，AI建议改几行，她接受了；AI又问要不要做结构性修改，她又接受了；最后AI说可以帮她重写整篇。等她回过神，故事已经不是她的了。
这正是“知识转基因”的真实写照——AI生成内容已无标注野化传播，进入公共信息生态，造成知识领域不可逆的转基因污染。目前互联网超半数新内容已由AI生成或辅助生成。与生物学中的转基因不同，知识的转基因更加隐蔽：它没有标签，没有溯源，普通用户难以查证内容的真实性与来源。
更令人担忧的是其“野化传播”能力。AI生成内容的再生数R₀大于1，意味着它可以自我维持传播。当AI生成的内容重新成为下一代AI的训练语料，多轮训练后会出现“模型崩溃”——输出质量不可逆地退化。这是一个自我加速的恶性循环。
认知分层：谁在喂养谁？
知识转基因正在推动一场前所未有的信息消费分层。目前AI内容缺乏认知安全审查和明确标注。有资源和辨别能力的群体逐渐退出公域，进入有门槛的私密信息圈；而多数普通人则被分配到批量AI内容喂养的信息下层。
这不是危言耸听。研究表明，仅使用15分钟AI，人的解题能力和坚持钻研的意愿就会受到负面影响。卡内基梅隆大学、牛津大学、麻省理工学院和加州大学洛杉矶分校的联合研究发现，使用过AI辅助的人在失去工具后，答题表现明显变差，遇到难题选择跳过的比例达到全程独立答题者的两倍。思维能力的下滑在单次使用中就会出现。
MIT的另一项研究追踪了67名参与者，发现虽然AI助手能使参与者正确判断信息真伪的概率提高21%，但当他们在没有AI帮助的情况下独立判断时，表现反而下降了15.3%。约四分之一的参与者认为自己的识别技能有所提高，但实际表现却在恶化。AI带来的即时便利正在以牺牲长期独立判断力为代价。
OECD在《2026年数字教育展望》中将这种现象定义为“元认知懒惰”——学生过度依赖AI作为学习捷径而导致的“知识掌握假象”。语言生成的神经通路因长期闲置而变得生涩，这正是语言能力退化的开始。
四重认知污染，正在重塑人类思维
AI造成的认知污染至少表现为四个层面：
第一，源头污染——AI生成内容混入训练语料，污染下一代模型的“食物链”。第二，管道污染——信息基础设施提取混合内容，污染整个信息传播通道。第三，信任污染——AI生成文本穿透文学奖、正式出版等信任终端。第四，感官污染——长期依赖AI会退化人类自身的判断力。
更深层的影响在于认知的同质化。大语言模型可能正在导致人类的表达和思维趋于同质化，让我们的语言、观点甚至思考方式变得越来越像。如果所有人都采用同一套模型、同一套评测体系、同样的上下文和问题，人类是否会因此失去多样之美？当思考变得同质化、创作变成流水线作业时，我们失去的不仅是个人特色，更是一个社会生生不息的创新活力。
不可训练的判断力，才是人类的最后防线
在这场知识转基因危机中，什么才是人类不可替代的价值？答案是：不可训练的判断力。
可标准化、可测量的内容会被AI捕获和替代。只有依赖亲身经历、长期决策积累的、无法通过大规模数据训练获得的判断力，才是AI无法替代的。主动跳过“笨拙”的成长过程，会彻底失去生成独立思考的能力。
内森教授在课堂上回答学生的疑问时说：写作不是生产句子，写作是在你试图把一个模糊的感觉翻译成清晰的语言的过程中，发现自己到底在想什么。大语言模型可以复制那个过程的外观，但它不能替你完成那个过程——因为价值不在产出的那个东西里，在产出过程中发生在你身上的转变里。
当知识变得触手可及，人类的理解能力并未同步提升，反而呈现出某种程度的弱化趋势。将信息等同于理解、将结论等同于认知，正是AI时代最值得警惕的认知问题。
AI可以成为“副驾驶”，但方向盘必须始终握在人类自己手中。
