【摘要】人工智能大模型的发展和普遍应用，催生了人机数字融合及其进化，构成以硅基“数字脑区”为基础的人机融合进化新形态。人机数字融合通过碳基智能与硅基智能的优势互补，拓展人类认知边界与整体观照能力，推动知识生产方式与智能结构的深刻变革。人机数字融合进化也伴生“废退失控”“智能寄生”“消长失衡”等风险，其根源在于硅基“数字脑区”的不当使用。面对这一趋势，应坚持以人为本，构建“整体观照”“智能健全”“消长智慧”应对框架，推动形成优势互补、协同共进的人机关系，实现技术进步与人的自由全面发展的统一。
【关键词】人机数字融合 人工智能大模型 数字脑区 智能进化 认知风险
【中图分类号】TP18 【文献标识码】A
【DOI】10.16619/j.cnki.rmltxsqy.2026.11.008
王天恩，上海大学智能时代的马克思主义研究中心主任、教授、博士生导师，上海大学智能哲学与文化研究院研究员。研究方向为人工智能、信息、大数据哲学，主要著作有《大数据相关关系和因果关系》《信息文明与中国发展》《规定论导论》《哲学描述论引论》等。
人工智能正由辅助性工具逐步嵌入知识生产、认知活动与社会运行的深层结构，推动人机关系由工具性协同走向深度融合，为人类进化提供全新机遇。习近平总书记指出，要加强人工智能发展的潜在风险研判和防范，维护人民利益和国家安全，确保人工智能安全、可靠、可控。[1]在人机关系加速重构、智能社会加快形成的背景下，人机数字融合为人类认知能力、知识生产方式和智能结构升级提供新的条件，但也伴生技术依赖、主体异化与认知风险等挑战。深入系统探索人机数字融合进化中的人机优势互补机制，探明其风险并提出应对之策，无疑是因应悄然而至人类新进化的重要基础工作。
人机数字融合进化及其前景
随着人工智能发展进入大模型阶段，人机关系正从工具性协作走向深度数字融合。一方面，人工智能大模型从对人类智能的功能模拟逐步走向机制重构，人机关联不断深化；另一方面，碳基智能与硅基智能在智能载体、运行机制和能力结构上的差异愈发明显，由此形成显著的互补效应。随着人工智能大模型能力持续提升，人机数字融合正展现出深远的进化前景。
人机智能的优势互补。大语言模型的发展，使硅基智能在信息处理效率和数据计算能力上的优势得到空前凸显。相较于碳基智能，硅基智能依托电子流运行机制，在信号传输速度、数据搜索和规模化计算方面具有显著优势，这种差异在大语言模型中体现得尤为明显，意味着硅基智能与碳基智能两类智能在能力结构上存在本质区别。
作为智能载体，硅基和碳基的信号运行机制存在本质区别。硅基智能以电子流形式传输信号，而碳基智能主要依赖离子运动实现神经传导，二者在信号处理速度上存在明显差异。[2]研究显示，人类最快神经元每秒发射1000次；最快的轴突以每秒150米的速度传递信号。[3]由此可见，若人类思维达到硅基智能的信息处理速度，则外部世界极短的物理时间即可对应极长的人类主观思维历程。[4]依托硅基智能的速度优势，人工智能大模型具备高效处理海量数据的能力，形成碳基智能难以企及的强大量化把握能力。然而，当前人工智能大模型尚未实现通用化且自主理解能力不足，这构成其固有局限。人类智能兼具优势与短板：作为迄今发展层次最高的通用智能，人类拥有基于概念体系的质性把握能力与整体领悟能力，形成深邃智慧；但受限于碳基智能以生物电和化学方式传导，人类智能在计算、搜索与整体量化把握方面存在短板。正是这种差异显著、高度互补的能力结构，为人机优势互补、协同共进奠定深层基础。
人机数字融合能够将人类质性把握能力和人工智能大模型量化把握能力有机结合，形成更高层次的整体观照机制。借助硅基智能的大数据处理能力，人类可在质性整体把握基础上实现量化整体把握，二者协同推动智能机制升级。人类认知与大模型由此可能形成更高层次的双向循环智能机制，依托大数据关联组合拓展思想资源边界，推动人类从知识性整体把握上升至逻辑性整体把握，以适应学科融通与知识体系拓展的发展趋势。这种融合不仅意味着信息处理效率的提升，更代表着智能机制本身的升级，人类进化因此展现出新的可能性。
人机数字融合与人工智能的“具身落地”。人类智能是目前所知发展到最高层次的真正“具身智能”，而现阶段人工智能尚未实现严格意义上的具身化，二者存在根本性的范式差异。人工智能大模型虽能高效解决规则清晰、条件完备的封闭场景问题，但面对真实世界中条件不完备的开放问题时，由于未通用化而缺乏具身经验，将遭遇难以突破的瓶颈。充分利用具身智能与离身智能的异质性实现优势互补，不仅能够形成单一智能无法实现的效能，还可能催生更高层次的融合智能。这一互补机制在实际上就是人工智能大模型的“具身落地”，碳基智能和硅基智能的人机数字融合，意味着人类智慧获得人工智能赋能，实现深度机制互补。
人机数字融合特指人类在使用大模型的过程中，人机之间不发生硬件直接连接，而是以信息数字编码的方式实现融合。对人机数字融合的理解，有赖于对“数字”及信息编码关系的深化把握。信息理论研究表明，“信息不是物质或能量”，[5]当代信息哲学进一步将信息界定为感受性关系。[6]信息编码则是这种感受性关系的物能化和观念化，其中，数字编码兼具符号编码与物理编码双重属性，构成信息编码的特殊形态。正是在信息观念编码的基础上，人类得以构建观念体系、发展知识系统。由此可见，信息世界存在三个依次递进的发展层次：作为感受性关系的信息、作为信息物能化和观念化的信息编码，以及基于信息观念编码形成的知识体系。相应地，人工智能发展可划分为三个层次：以专家系统为臻极的知识层次人工智能，以人工智能大模型为标志的信息编码层次人工智能，以及通用化的信息层次人工智能。[7]作为信息编码层次人工智能，大模型为人机融合提供了特殊实现方式——人机数字融合。
人机数字融合通过数字连接与自然语言交互实现信息互通，由此构成人类认知和进化的全新范式，并带来深层的认知革命。在这一过程中，尚不具备自主理解能力的人工智能大模型，正以硅基“数字脑区”的形式嵌入人类认知活动。基于计算与搜索机制的人工智能，仅能高效处理解题条件完备的问题；而人类智慧则能够在条件不完备的情况下，以整体性领悟提供超越性解决方案。由此可作出区分：智能表现为完备条件下高效解题的能力，智慧则体现为不完备条件下超越性解决问题的能力。人机数字融合使人类能够借助机器强大的计算、搜索与模型推演能力，显著提升在“可能性空间”中开展创造性实践的智慧水平，推动自身进化跃升至更高层次。
人类进化的数字升级。碳基智能向硅基智能的延展，构成人机数字融合进化的全新范式。延展心智理论表明，外部工具只要在认知过程中发挥与大脑内部过程等效的功能，便可被视为认知系统的一部分。[8]人工智能大模型凭借硅基智能速度优势，以“数字脑区”的形式在人类认知和进化中发挥日益关键的作用，驱动人类进化实现层次跃升。
人机数字融合为碳基智能与硅基智能的融合提供了可行路径。硅基智能所赋予的强大计算和搜索能力，不仅能够拓展个体认知边界，将人类认知从生物脑区扩展至硅基“数字脑区”，更能够依托后者实现人际数字连接，推动形成数字“人联网”与人类智能的集智升级，迈向数字“智联网”新形态。碳基智能和硅基智能的数字融合，不同于智能机器之间的简单联机，也不同于人类在碳基载体基础上的协同，而是建立在更高层次整合基础上的新型智能协同结构。通过大数据融入人类群体智能，人机数字融合能够涌现出超越个体智能的高阶认知功能。有学者指出，集体智能的兴起为人机智能深度融合提供重要可能，构成人工智能领域的重要发展方向。[9]
以“数字脑区”形式存在的人工智能大模型，可承担大量重复性脑力劳动，使人类从繁杂事务中解放出来，催生更高层次的思维功能，专注于创造性活动。与此同时，从人机协同走向系统整合，能够生成全新认知功能，解决传统模式下难以应对的复杂问题。传统进化主要依赖生物器官的自然演变，而人机数字融合通过非生物智能载体实现认知能力扩展，借助大模型强大的计算、搜索与关联推演能力，推动知识生产方式与文明演化机制发生深刻变革。也正因如此，人机数字融合并非简单的技术工具升级，而是可能重塑人类认知结构与文明形态的重要历史转折。
人机数字融合进化的内生风险
由于人工智能大模型可被视为硅基“数字脑区”，人机数字融合进化的风险归根结底源于“数字脑区”的不当使用，这种风险呈现相互关联、层层递进的演化结构，主要体现为“废退失控”“智能寄生”“消长失衡”风险。
人机数字融合进化的“废退失控”风险。人机数字融合意味着人机融合进化，人工智能的使用方式由此成为关乎人类认知演化的关键议题。自ChatGPT发布以来，大语言模型的快速普及，已产生广泛影响，其正面赋能效应得到普遍认可，潜在负面影响也日益受到学界与社会关注。
与物能工具不同，信息工具的使用会深入影响大脑神经活动机制。信息科技的深度融入，使人类认知情境变得更为复杂。一项针对大模型使用效应的脑科学实验显示，不同外部工具依赖程度可能对应不同的神经连接模式与认知策略。过度依赖外部智能工具，可能导致认知外包与主体性弱化问题。[10]在人机数字融合认知活动中，某些脑区活跃程度降低，意味着相关认知功能在“用进废退”机制作用下逐渐弱化；若长期废用，则可能引发不可逆退化，这正是“废退失控”风险的典型表现。
人机数字融合进化中的脑区功能重塑，遵循神经科学的“神经可塑性”规律，即大脑会依据使用频率与功能需求不断调整其神经连接结构，长期缺乏激活的神经功能可能逐渐弱化。[11]“用进废退”本是大脑对神经资源进行优化重构的正常机制，但由于人机数字融合进化涉及硅基“数字脑区”的介入，内含人类脑区不易察觉的“废退失控”风险。这种风险具有高度隐蔽性和累积性，往往在认知能力显著退化后才被察觉，长期积累可能造成严重后果。若人类过度依赖人工智能大模型承担原本由特定人类大脑脑区执行的任务，大脑相关神经回路的活跃度自然而然降低，长期将可能导致高阶认知能力的系统性萎缩。进化过程中，“用进废退”始终在重塑大脑结构，关键在于重塑速度、层次与合理性。将文献检索和数据录入等重复性劳动外包给机器，属于人类智能资源的优化配置；但若将批判性思维和原创性构思等创造性劳动过度外包，则可能导致认知能力的不可逆退化。生成式人工智能将以前所未有的方式改变人类大脑结构与认知模式，人类若缺乏对大模型运行机理与人机关系的深刻理解，盲目依赖与过度使用人工智能，将有很大可能加剧人类大脑的“废退失控”风险。
人机数字融合进化的“智能寄生”风险。人机数字融合进化将人类从重复性脑力劳动中解放出来，但硅基“数字脑区”的不当使用，可能引发“智能寄生”风险。所谓“智能寄生”，是指人类在长期使用人工智能大模型的过程中，逐渐形成对其结构性依赖，最终使自身智能寄生于人工智能系统的状态。“智能寄生”实质上是“废退失控”风险发展的进一步演化：当人类智能退化到一定程度，便可能对硅基“数字脑区”形成依赖，进而可能固化为寄生关系。
从生物学视角看，寄生意味着寄生物从宿主获取生存资源，并对宿主或寄主造成危害的现象。与生物寄生不同，人机数字融合中的“智能寄生”对机器宿主影响有限，却可能损害作为寄生方的人类自身，并带来认知层面的危机。在人机关系中，人类作为能动主体，越依赖机器、越放弃主动思考，就越受“用进废退”法则支配，认知退化的可能性越大且速度可能越快。当然，风险程度的决定因素仍在于人类使用大模型的方式，同一工具由不同主体使用会产生不同效果。
面对相同的人工智能大模型，不同使用方式会形成差异显著的人机关系，其依赖程度与风险水平也会不同。正如深度成瘾伴随着生理依赖，人工智能大模型的长期使用，会通过神经可塑性机制改变突触连接模式，形成神经生理层面的依赖。这种依赖会逐步降低认知活动的内在奖赏水平，将创造活动的内在满足异化为对外在输出的被动依赖，并逐步侵蚀认知自主性与创造性。当人类智能过度依赖硅基“数字脑区”时，其自身认知能力、判断能力与批判精神可能持续受损。一旦人类过度依赖人工智能，不仅会造成个体认知能力衰退，更会使人机关系从“共生”滑向“寄生”，从而危及人类在人机数字融合进化中的主导地位。
人机数字融合进化的“消长失衡”风险。人类对象性活动的演化历程，实质是借助对象化产物提升认知能力发展的过程。在这一过程中，人类进化和退化的此消彼长始终存在，关键在于维持二者之间的合理平衡。“消长失衡”风险是指人类进化中肢体、器官或功能的使用状态改变，导致进化增益与退化损耗出现不合理配比的系统性风险。从语言文字的发展减轻大脑记忆负担，到计算机解放复杂计算，再到人工智能大模型替代人类重复性脑力劳动，技术进步始终在重塑人类认知结构。而人机数字融合进化，更加凸显人类进化和退化“此消彼长”的深层性质。
“消长失衡”风险凸显的重要原因在于，人与环境的关系正在发生根本转换。在自然进化过程中，人类主要随环境的变化而演化，“消长失衡”更多体现为自然结果。而在人机数字融合进化中，智能环境由人类自主设计，进化方向不再完全由自然选择主导，而是涉及智能社会治理、技术规范与价值秩序重构问题。[12]若智能环境设计偏离人类长远福祉，盲目追随技术演进而缺乏价值引导，将涉及人类进化的价值导向与终极意义问题。
在人机数字融合过程中，若人类对哪些能力应强化、哪些功能可适度“外包”缺乏清晰判断，将导致进化路径偏离人类福祉，陷入盲目退化的困境。在人工智能大模型发展形势下，“认知卸载”概念获得更深刻的内涵，[13]这反映出人类进化的重要机制：个体以“认知外包”的方式实现智能升级。人工智能大模型将“认知卸载”与“认知外包”发展到极致，使人类必须高度警惕认知能力“消长失衡”带来的深层危机。
文字的发明和应用可视为“消长关系”演化的早期案例。文字书写能够拓展人类的抽象思维与历史意识，却弱化口传文化中的强记忆能力；计算器普及降低心算依赖，却释放更高层次的数学创造力。人工智能的突破性发展，使技术深入心智关键层面，人机数字融合进化使“消长关系”的风险性日益凸显。进化过程中，“此消彼长”是客观规律，关键在于维持“消长平衡”的合理性。在意识之谜和生命之谜破解之前，人机数字融合仍主要停留在数字层面，人类主体性依然具备较强可控性。“废退失控”“智能寄生”“消长失衡”三重风险深层隐蔽，但总体仍处于可防范、可调控范围之内，关键在于人类能否以理性与智慧规范“数字脑区”的使用方式。
人机数字融合进化的风险应对
人机数字融合进化的各类风险，均源于人机数字融合过程中人工智能大模型的使用，其风险应对的关键在于，科学合理地规范与引导大模型的使用方式。而大模型的使用，必须始终以人的自由全面发展为最终考量，以人类发展的长远利益为标准，自觉且合理地引导人机数字融合进化方向。
“废退失控”风险的“整体观照”应对。进化过程本身就蕴含着“用进废退”的基本规律，随着人类进化所涉及的整体性层次不断提升，进化与退化之间的选择愈发具有牵一发而动全身的深远影响，利弊得失的权衡与判断随之变得复杂，利弊构成的关系也会发生深刻变化。一般而言，在人类进化的较低层次，技术应用往往呈现利大于弊的基本格局；越是在进化的更高层次，利弊关系的具体走向就越取决于人类的应对方式与价值选择。从历史经验看，技术进步在增强人类某些能力的同时，会导致部分能力发生功能性弱化。例如，书面文字的发展使人类对口传内容的记忆能力相应退化；火的使用削弱人类的肠胃与消化能力；衣物和居住条件的改善降低人类对自然环境适应能力的要求；导航软件的发展在一定程度上弱化人类的空间记忆与方位判断能力；计算器的使用弱化人类的心算能力……所有这些技术演进带来的功能消长现象表明，只要自然和人造环境保持稳定，进化所强化的功能始终构成人类发展的重要基础，而被替代或弱化的功能通常不会影响人类的正常生活和发展。当退化的能力属于依托技术工具形成的非关键能力时，这种“退化”不仅不会阻碍人类发展，反而会转移或优化原有认知负担，推动人类迈向更高层次发展。
“认知卸载”是人类知识生产效率和层次提升的重要机制。人类认知发展层次越高，“认知卸载”的作用机制越复杂，效率提升与潜在风险的交织状态越突出。如果将人工智能大模型定位为对话式思想生产伙伴，不仅能够补充知识和提供新思路，而且能够激发问题意识和判断思维；而如果将其直接作为知识生产的替代者，则会形成进化和退化“此消彼长”的不利局势，陷入以人工智能替代、弱化人类大脑关键能力的危险境地，由此凸显出人机数字融合进化“废退失控”风险应对的严峻性与紧迫性。避免人工智能替代人类大脑关键能力，重点在于把握技术赋能与能力发展的关系。合理的退化应当是顺应人类整体进化方向，在正常条件下无需刻意恢复的辅助性功能；如果出现与此相悖的退化现象，就意味着在人工智能大模型的使用方式上存在明显偏差与深层问题，需要予以及时纠偏。
由于人类进化具有高度复杂性，应尽可能从更高的整体层次、更长远的战略视野出发理解“废退失控”风险，把握人机数字融合进化过程中“用进废退”的演化规律，明确人类智能作为通用智能的关键要素，尤其是批判性思维和创造性想象等高阶能力，从而清晰界定哪些属于可以合理交由人工智能承担的辅助性要素。
“智能寄生”风险的“智能健全”应对。人工智能大模型能够有效替代人类的重复性脑力劳动，但人类不能因此丢失作为高阶认知与创造性活动赖以存续的脑力劳动能力。人工智能大模型只是以数字方式连接、以自然语言交流的硅基“数字脑区”，并非人类自身生物意义上的真实脑区。因此，人类不能将承担重复性脑力劳动的责任全部委托于大模型，没有相应重复性脑力劳动的能力作为支撑，人类的创造性活动就会失去坚实依托，进而导致高阶认知能力发展失去持续的能力基础。
由于数字智能的专用人工智能性质，人工智能可以代替人类完成更多重复性脑力劳动，如文献检索、信息整理、数据校对等基础性工作，从而显著提升知识生产效率。然而，在替代部分基础性工作的同时，人工智能将催生模型监督、内容核验、结果纠错和质量评估等新的认知任务。因此，人机数字融合并不意味着人类可以完全退出基础认知活动。只有具备相应知识储备和基础认知能力，人类才能有效识别模型偏差、发现事实错误并作出合理判断。为避免过度依赖人工智能导致独立认知能力退化，应建立科学合理、循序渐进的人机数字融合使用机制，在充分发挥人工智能赋能作用的同时，保持和强化人类基础认知能力与自主思考能力，维护人类大脑的独立健全发展，夯实高阶认知活动赖以展开的能力基础。
人机数字融合是一种特殊的认知配置与进化形态，培养科学合理的人机数字融合思维方式至关重要。应充分发挥人工智能大模型在计算、搜索与信息处理方面的优势，以机器能力弥补人类认知短板，以维护人的整体认知功能健全为原则，制定科学适度、导向正确的人工智能大模型使用策略。人类智能系统具有高度复杂性，不同能力维度既相对分化，又深度整合为更高层次的有机整体。因此，在借助人工智能提升认知能力的同时，必需始终保持人的认知自主性、基础能力完整性与未来发展空间。
“智能健全”应对的关键，在于坚持人为主导、机器辅助的人机关系定位，防止认知活动对人工智能形成结构性依赖。在具体使用过程中，应坚持防微杜渐、主动调控，保留必要的独立思考时间，可将人工智能限定为辅助论证与拓展思路的工具，避免将创造性思维与价值判断完全外包给大模型。在保持人类主体性与认知健全的基础上，真正发挥人机数字融合的互补优势，推动其向可持续发展。
“消长失衡”风险的“消长智慧”应对。人机数字融合涉及人类智能结构的重塑，伴随进化与退化的此消彼长，由此形成“消长失衡”风险。然而，数字智能高速发展的当下，“消长”关系已不再局限于身体机能或一般大脑功能，而是愈发深入人类智能、认知与价值层面。如何科学、合理地使用人工智能大模型，已经成为关乎人类进化方向与未来命运的重要问题。
在这一背景下，哪些能力应当重点强化、哪些能力可以适度弱化，成为人机数字融合进化必须面对的关键问题。这实际上涉及如何把握“消什么、长什么”的演化规律，即形成引导人机协同进化的“消长智慧”。如果无法清晰回答“人脑应保留什么功能、强化什么能力”这一重要问题，人类就可能在不知不觉中削弱自身关键能力。特别是当本应强化的智能特质被削弱，而本应由人工智能承担的辅助性功能却被过度保留甚至强化时，人类未来发展将面临深层不确定性。
“消长智慧”不仅要求深刻理解人工智能大模型及其与人类进化的关系，还要求在人类进化历史规律的基础上，以长远眼光主动引导未来进化方向。具体而言，两个方面尤为重要：一是持续深化对人类自身及其认知规律的整体研究。唯有如此，才能真正把握人类进化的合理方向，理解什么能力该“消”、什么能力该“长”；二是建立以具体实验研究与实证探索为坚实基础的动态评估机制，以科学分析人工智能对认知结构与行为模式的长期影响。更为重要的是，应推动二者形成相互促进、协同提升的良性互动，在实验研究的基础上不断提升人类整体研究的层次，并在更高层次的人类整体理解基础上，深化对实验结果的科学解读与价值判断。
鉴于创造最能体现人类本性，人类进化的总体方向应当是将重复性脑力劳动逐步交由人工智能承担，使人类得以集中从事创造性活动。从原则上说，“消”主要应限于重复性劳动能力等辅助性认知功能，“长”则应当聚焦创造能力。但由于重复性劳动能力与创造性能力并非彼此割裂，前者往往构成后者的重要基础，因此，人机数字融合中的风险应对是一项具有高度系统性与整体性的工程。只有在坚守人类整体认知功能健全发展的基础上，不断提升“消长智慧”，才能真正推动人类进化层次实现整体性跃升。
结语
总体而言，人机数字融合进化机遇和风险深度交织，既为人类突破生物局限提供历史性机遇，也带来“废退失控”“智能寄生”“消长失衡”等内生风险。因此，相应的风险应对需构成相互衔接、有机统一的整体：以“整体观照”防范人类认知能力弱化，以“智能健全”维护人的认知自主性与主体性，并以植根于技术洞察与人文关怀一体化的“消长智慧”，在更高层次引导人类进化方向。归根结底，无论是风险识别还是治理实践工作，都必须建立在对人机关系及其演化规律的科学认识基础之上。只有深入揭示人机数字融合的内在机制，才能提高风险治理的针对性和有效性。随着人工智能持续发展，人机数字融合将不断重塑人类认知结构、能力体系与社会形态。如何在技术赋能与人的全面发展之间保持动态平衡，推动人机协同而非人机替代，实现智能技术发展与人类整体进化的统一，将成为智能社会研究亟需回应的重要议题。
（本文系国家社会科学基金重大项目“数字智能技术与哲学发展及知识生产范式变革研究”的阶段性成果，项目编号：24&ZD320）
注释
[1]《加强领导做好规划明确任务夯实基础 推动我国新一代人工智能健康发展》，《人民日报》，2018年11月1日，第1版。
[2]弗朗西斯·克里克：《惊人的假说：灵魂的科学探索》，汪云九译，长沙：湖南科学技术出版社，2004年。
[3]A. Sandberg, "The Physics of Information Processing Superobjects: Daily Life Among the Jupiter Brains," Journal of Evolution and Technology, 1999, 5(1).
[4]V. Vinge, "The Coming Technological Singularity: How to Survive in the Post-Human Era," Whole Earth Review, 1993, 81.
[5]诺伯特·维纳：《控制论——关于在动物和机器中控制和通信的科学》，郝季仁译，北京：科学出版社，1978年，第132页。
[6]王天恩：《信息及其基本特性的当代开显》，《中国社会科学》，2022年第1期。
[7]王天恩：《人工智能通用化及其实现途径》，《中国社会科学》，2024年第3期。
[8]A. Clark and D. Chalmers, "The Extended Mind," Analysis, 1998, 58(1).
[9]D. S. Weld et al., "Artificial Intelligence and Collective Intelligence," in Handbook of Collective Intelligence, ed. T. W. Malone and M. S. Bernstein, Cambridge, MA: MIT Press, 2015, p. 89.
[10]曾毅：《混合增强智能的发展趋势与风险反思》，《中国科学院院刊》，2024年第1期。
[11]诺曼·道伊奇：《大脑的可塑性》，北京：中信出版社，2015年，第59页。
[12]戴元初：《生成式人工智能驱动下的网络生态治理范式转型》，《国家治理》，2026年第4期。
[13]“认知卸载”（cognitive offloading）是指个体通过借助外部工具或技术系统，将部分认知任务转移至外部媒介或技术系统，以降低自身认知负荷的过程。参见E. F. Risko and S. J. Gilbert, "Cognitive Offloading," Trends in Cognitive Sciences, 2016, 20(9)。
责 编∕杨 柳 美 编∕梁丽琛
Evolution of Human-Machine Digital Integration:
Opportunities, Risks and Countermeasures
Wang Tianen
Abstract: The development and extensive adoption of large AI models fuel human-machine digital integration and its evolution, creating a new evolutionary paradigm grounded in silicon-based "digital brain regions". By combining the strengths of carbon-based and silicon-based intelligence, human-machine digital integration expands human cognitive boundaries and holistic thinking capabilities, and triggers profound transformations in knowledge production modes and intelligent structures. Nevertheless, its evolution also brings along risks such as functional degradation and loss of control, intelligence parasitism, and unbalanced growth and decline, which stem from the improper use of silicon-based "digital brain regions". Against this backdrop, we should adhere to the people-oriented principle and establish a response framework featuring holistic thinking, sound intelligence and balanced development wisdom. This will foster a mutually complementary and symbiotic human-machine relationship, and realize the unity of technological progress and the free and all-round development of human beings.
Keywords: human-machine digital integration, large artificial intelligence models, digital brain regions, intelligence evolution, cognitive risks
