我为何不再痴迷“提升认知”？

引子：一次深夜对话

“你的文章，有段时间都不是人工智能了，怎么全是认知方面的感悟了？”

昨晚，太太在睡前翻看我的博客，略带一丝困惑地问我。

我一时语塞，不知如何简要地回答。因为这看似一次写作主题的“跑题”，一场从技术到哲思的“偏离”，于我而言，却是一场深刻的“回归”，一次对“智能”这一概念本质的寻根之旅。这个故事，还需要从几年前那场席卷公众的“认知”热潮说起。

第一部分：迷雾中的跋涉——在“伪认知”的海洋中挣扎

你一定还记得，自AlphaGo事件以来，“认知”这个词仿佛一夜之间获得了某种魔力。曾经，“智慧”是我们赞美头脑的桂冠，但它很快就显得有些陈旧；“认知”取而代之，成了衡量思维深度的新尺度，一种时髦的社交货币。电视、网络、书店里，到处都充斥着“提升认知”、“认知破局”、“认知飞跃”的呼喊。

身处技术行业，对“智能”的追求本就是我的日常，自然不甘落后。我一头扎进了这股洪流，贪婪地阅读了大量以“认知”为名的书籍。有些是畅销榜上的明星，但更多是来自各种知识付费社区的电子读物——《认知破局》、《清醒思考》、《心智突破》、《认知觉醒》、《强者思维》、《认知颠覆》、《底层逻辑》……书名大多充满力量，承诺着某种思维的捷径，我曾将它们一一收藏，如获至宝。

在阅读的当下，那些观点确实能带来瞬间的“通透感”，仿佛为大脑开了一扇扇窗。但时间一长，我却感到一丝不对劲。那些“顿悟”似乎很难沉淀下来，它们像一阵阵思想上的多巴胺，刺激过后，留下的反而是更深的迷茫。

真正的转折点，是ChatGPT引发的AI新浪潮。我做出了一个职业生涯的重要决定：All In AI，从原先的信息化工作全面转向智慧化。这是一段高强度的学习旅程，我不仅在追赶最新的技术，也在利用AI作为一面镜子，刻意练习自己的逻辑与批判性思维。

正是在这个过程中，我开始接触到真正的认知科学——那些安静地躺在学术书架上的经典，如丹尼尔·卡尼曼的《思考，快与慢》、乔治·莱考夫的《我们赖以生存的隐喻》，以及赫伯特·西蒙的《认知：人行为背后的思维与智能》这类系统性的著作。两相对比，高下立判。我终于有了一把标尺，可以回过头去审视并批判那些曾经让我痴迷的“网红认知书”。

我开始意识到，那些网络快餐式的“认知”读物，其本质更接近于内容营销，而非严肃的知识探讨。为了在汹涌的流量数据中维持增长，它们不得不依赖激进甚至极端的观点来吸引眼球。它们兜售的不是专业、理性与真诚，而是大胆、冒险和某种智力上的优越感。正如我在随笔《深刻，还是仅仅看起来深刻？》中所记录的，它们往往用复杂的术语包装常识，用绝对化的论断取代严谨的推演。

回望那段日子，我感觉自己像一个跋涉者，正从一片由算法和流量构筑的认知沟壑中，一点点向上攀爬，重见天日。而引领我走出这片迷雾的，恰恰是我最初的专业——人工智能。

第二部分：风起于AI——在代码与模型中重逢“真认知”

我之所以能迅速投身于AI浪潮，或许源于一种宿命般的契合。我的专业是信息工程，本职工作是软件开发，而个人兴趣又广泛涉猎语言学、哲学和心理学。当我深入AI时，惊讶地发现这些看似毫不相干的领域，在这里竟发生了奇妙的交汇。学习AI对我而言，不像是在开拓一个全新的疆域，更像是在一片熟悉的土地上，找到了所有道路的交叉点。我似乎对此有一种天赋。

随着探索的深入，我愈发频繁地在AI的研究文献中，看到那些认知科学巨擘的名字和理论。起初我以为是巧合，但当赫伯特·西蒙（Herbert Simon）、艾伦·纽厄尔（Allen Newell）、马文·明斯基（Marvin Minsky）这些名字反复出现时，我意识到，这背后一定有一段被遗忘的、深刻的历史渊源。

直到有一天，我像侦探一样去追溯AI与认知科学各自的起源，一个令人震惊的事实浮现在眼前：这根本不是两个独立发展的学科，它们是同一场伟大思想革命的双生子。

这场革命，便是20世纪中叶的“认知革命”。而连接它们的共享基因，那个隐藏的核心思想，便是将“心智（Mind）”或“智能（Intelligence）”看作是一种信息处理或计算过程。

这个石破天惊的观点，被称为计算主义心智理论（Computational Theory of Mind）。它像一道光，瞬间穿透了所有的迷雾。我终于明白，我之前对“网红认知书”的排斥，以及对AI技术的亲近感，都源于同一个底层逻辑。我不是在两个领域之间摇摆，而是在同一座大厦的两翼穿行。

第三部分：一枚硬币的两面——AI与认知科学的血缘

一旦理解了“心智即计算”这个核心，人工智能与认知科学的血缘关系便清晰地展现在我们面前。它们就像一枚硬币的正反面，紧密相连，无法分割。

1. 共同的圣杯：理解智能的本质

尽管路径不同，但两个领域都指向同一个终极目标：破译“智能”的密码。

认知科学 (Cognitive Science) 的目标是理解自然智能，特别是人类心智的工作原理。它试图回答：“我们是如何思考、感知、学习和使用语言的？” 这是一个本质上的科学问题，是对“存在”的探索。
人工智能 (Artificial Intelligence) 的目标是创造人工（机器）智能。它试图回答：“我们如何建造一个能够思考、感知、学习和使用语言的机器？” 这是一个本质上的工程问题，是对“可能性”的创造。

一个向内探索人类心智的深邃宇宙，一个向外构建机器智能的宏伟殿堂。它们相互观望，互为镜像。

2. 思想的共振：方法的相互借鉴

这种镜像关系，使得两个领域在发展过程中不断地相互启发。

AI 启发认知科学：计算机的出现，为研究人类心智提供了前所未有的隐喻和工具。科学家们可以通过编写程序来模拟人类的认知过程（如记忆、决策、问题解决），再将程序的输出与人类的行为进行比对，从而验证或修正关于心智的理论。例如，赫伯特·西蒙和艾伦·纽厄尔开发的“通用问题求解器”（General Problem Solver），它既是早期AI的里程碑，也被视为一个关于人类如何解决普适性问题的认知模型。
认知科学启发 AI：反过来，通过研究人脑和心智，我们能为构建更强大的AI系统找到灵感。今天深度学习中无处不在的“神经网络”，其最初的灵感便来源于对大脑神经元连接方式的粗略模仿。计算机视觉的每一次重大突破，背后也都有对人类视觉系统研究的借鉴。

3. 同源的巨匠：共同的奠基人

最直接的证据，莫过于两个领域的奠基者往往是同一批人。前面提到的赫伯特·西蒙（他甚至因此获得了诺贝尔经济学奖）、艾伦·纽厄尔、马文·明斯基、约翰·麦卡锡等，他们既被尊为人工智能的开山鼻祖，也被公认为认知科学的先驱。在这些巨人的眼中，用计算机程序去模拟心智，和创造能思考的机器，本质上是同一项伟大事业的两个不同侧面。

所以，回到我太太最初的问题。我现在可以清晰地回答她：我其实从未偏离航道。无论是沉浸在代码的世界，还是在思索认知的本质，我始终在探索“智能”这个宏大的主题。我发表的，一直都是自己对“智能”的感悟，只是有时，我站在硬币的这一面，有时，我站在另一面。

第四部分：从理论到魔法——我如何将认知理论“注入”AI智能体

那么，理解了AI与认知科学的血缘关系，对我究竟有什么用？

这并非一次纯粹的智力猎奇。这个发现，为我长久以来关于“如何构建更强大的智能体”的思考，提供了一块关键的拼图。我将自己从“什么是问题”到“专家如何思考”的探索，与赫伯特·西蒙的理论相融合，最终形成了一套个人化的方法论，记录在了《攀登巨人阶梯：与赫伯特·西蒙关于问题解决艺术的思辨性对话》一文中。

而这个方法论的实践核心，就是将认知科学中的三个核心概念——认知模型、思维模型、心智模型——进行一次创造性的“转译”，将它们作为构建AI智能体的工程蓝图。

我必须坦诚，从严格的认知科学学术角度看，我的这种用法并不精确，甚至可以说是“离经叛道”的。但在AI工程实践中，这却是一个异常巧妙、极其强大的工程隐喻。它为我们如何“人格化”或“结构化”一个AI智能体，提供了一个清晰、可操作的框架。它把一个模糊的“智能”概念，拆解成了三个可以被定义和编程（通过提示词）的组件。

这就是我将大型语言模型从一个“通用的聊天机器人”转变为一个“专业的垂直领域智能体”的魔法：

心智模型 (The “What”) → AI的知识库与世界观：这定义了AI“知道什么”和“相信什么”。它包含了该领域的核心知识、基本假设和第一性原理。这部分最接近认知科学的原意，是AI智能的基石。
思维模型 (The “How”) → AI的能力与工作流：这定义了AI“如何做”。它是一套解决问题的标准作业程序（SOP），一个分析问题的框架。这是我对“思维模型”这个词最大胆的再创造，将一个抽象的思考工具，变成了一本具体的操作手册。
认知模型 (The “Why” & “How to Think”) → AI的思考风格与策略：这定义了AI在面对问题时的“思考偏好”。它倾向于归纳还是演绎？是追求创新还是确保稳妥？是批判性思维还是联想性思维？这相当于为AI设定了“元认知”的策略。

我将这套框架称为智核提示工程（Cognitive Core Prompt Engineering，CCPE），其核心思想便是高级提示词工程的核心思想之一——元编程提示（Metaprogramming Prompt）。通过这个框架，我为我的大脑打造了一个个强大的外部辅助，正如我在《为我的大脑装上芒格之魂》中展示的那样。

这种“注入灵魂”的方法，能带来肉眼可见的改变：

高度一致性：AI的“人格”变得极其稳定，无论何时何地，它都遵循同一套世界观和工作流来回应你。
可控与可预测性：你清楚地知道它会如何处理你的问题，使协作变得高效，你可以预判它的下一步行动。
输出的质量与深度：AI的回答不再是互联网信息的浅层拼接，而是结构化、有深度的专业分析。
真正的任务对齐：它能更好地理解你的意图，像一个主动的顾问，而不是一个被动的搜索引擎。
模块化与可重用性：我可以轻松更换这三个模块的内容，快速地创造出“心理咨询师”、“健身教练”或“法律顾问”等不同领域的专家AI。

结尾：科学的力量，从“仰望星空”到“改变世界”

回顾这段旅程，我不禁感慨万千。

大约两百多年前，科学在很大程度上还是“阳春白雪”，是少数人出于好奇心驱动的“无用之学”。而自一百多年前起，随着电磁理论、相对论、量子力学等基础科学的突破，科学与工程开始紧密结合，“知识就是力量”的威力被前所未有地释放出来。从科学理论出发，往往能催生出颠覆性的生产力。

今天，我们正处在一个相似的、激动人心的历史节点。认知科学，这门探索人类心智奥秘、长期以来被视为“务虚”的学科，终于在大型语言模型这个强大的载体上，找到了与工程技术结合的完美路径。我们第一次能够如此高效地，将关于“思考”的思考，转化为可以实际执行和创造价值的工具。

我们对“智能”的探索，无论是在人类心智的幽微深处，还是在硅基芯片的广阔天地，都还只是一个开始。而我有幸，正站在这两条道路的交汇点上，亲身见证并参与这场伟大的融合。

附录：《智识的祛魅与重建》系列

在 AI 狂飙与信息过载的时代，我们如何分辨真正的思想，建立可靠的认知工具，并让它们进入具体的生活与工作？当我们已经能够批判、建模和组织复杂系统，又该怎样辨认自己的判断是否仍在接受现实的检验？

本系列记录了一段持续展开的认识历程：从拆解“伪深刻”，到回到认知科学寻找方法；从思考智识的传播与分工，到重新安排自己与他人、工具和现实的关系；再把检查转向已经建立的认知体系，以及那个自认为理性的自己。各篇保留了作者在不同阶段的判断与修正。祛魅会发生在重建之后，新的经验也会使已经获得的答案重新成为问题。