麻省理工學院（MIT）的一項實驗性研究以 EEG 技術量測[1]使用者在 AI 協助下的寫作活動，提出「認知債（cognitive debt）」概念[2]，引發學界與公眾對「大腦外包」風險的關注[3]。此現象不僅涉及教育、創造力與神經可塑性的問題，也直指媒介理論與人機共構的根本性議題。本文試圖對 MIT 研究進行評析，並透過 McLuhan 與「分散智能」（distributed cognition）的觀點，擴展對「大腦外包」的理解。

MIT研究的發現與貢獻

根據今年六月MIT Media Lab 的Nataliya Kosmyna等人於《你的大腦與 ChatGPT：使用 AI 助理撰寫文章時認知債務的累積》（‘Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task“）一文指出，該研究將參與者分為三組：ChatGPT 組、Google搜尋組與純大腦組，發現使用 AI 的群體在腦神經連結性、記憶能力與創作擁有感上均出現下降趨勢。尤其在第四階段轉換任務時，長期依賴 AI 的參與者呈現類似寫作新手的腦波圖譜。研究以「認知債」描述這種將思考過程外包換取短期便利、卻造成大腦認知能力長期損傷的現象。

研究侷限與理論延伸

儘管 MIT 研究提供了可貴的實證材料，但仍有至少以下幾點侷限：

1、將創作過程簡化為神經訊號的變化，未能捕捉寫作的文化與意義層面；

2、對使用者主體性與策略選擇缺乏細緻探討，容易落入技術決定論的框架；

3、忽略了學習歷程的階段性與可逆性——是否所有 AI 使用都會導致認知退化？

4、何時、那些人使用AI反而增強其創作過程？換言之，專家和生手使用AI的結果是一樣的嗎?

程世嘉[4]與 Hermes Huang[5] 的文化與哲學補充

兩位來自台灣的專家、學者分別在他們的臉書上貼文針對「大腦外包」與「認知債」提出不同但互補的觀點，估計也是看了上述MIT的研究結果有感而發。

程世嘉以「守破離」與職人精神回應，主張學習應先歷經基礎鍛鍊再引入 AI 作為潤飾工具，否則將失去內化與創造的能力。他說：「直接使用 AI 生成內容，就如同一個連『守』的階段都沒經歷過的學徒，卻想直接進入『破』與『離』的境界。其成果看似華麗，實則根基不穩。...所以整個結論就很清楚了：先用自己的大腦完成認知上的重擔（守），再將 AI 作為強化工具，以求突破（破、離）。」[6]

Hermes Huang 則從 McLuhan 與 Stiegler 的技術現象學出發，認為人機關係本身即為共構結構，重點不在是否外包，而在外包後是否保留了倫理判斷與主體鍛鍊的位置。人是否不再需經歷困難就能抵達答案。這使得McLuhan的「延伸」變質為 Stiegler的「釋負」，甚至成為「剝奪」。[7]

AI是延伸還是替代？回到 McLuhan 的問題

McLuhan 在《Understanding Media》中指出：「所有媒介都是人類感官與器官的延伸」。從McLuhan的立論出發，AI 是否仍屬延伸？或已成為替代？還是可以有另外的詮釋？

作為延伸，AI 協助我們搜尋、翻譯、計算，放大認知效能；

作為替代，AI 取代了論證、記憶、生成等核心心智活動，人不再需經歷困難才能抵達答案。這使得「延伸」可能變質為黃厚銘提及的「釋負」，甚至成為「剝奪」。

然而，除了延伸與替代，還有沒有其他詮釋與實踐的可能性？

從分散智能的視角重新理解「大腦外包」

本文主張我們可以從當代重要的分散智能（distributed cognition）理論出發，體認認知活動並非侷限於個體大腦內部，而是散布於人與人造物、語言、環境與社會互動之中。在這個觀點下，AI 並非單純的「外包物接收者」，而是成為「認知系統」的一部分——人與 AI 的協作不一定導致退化，反而可能構成一種新型態的擴展性智能。

這要求我們重新思考什麼是「有效的學習」：不是死守孤立大腦（brain bound）的自我訓練，而是在共構環境中建立能動性與判斷力。在教育過程中，我們若能設計出讓使用者參與其中、保有反思與責任的 AI 協作模式，所謂「外包」反而可以是「再內化」的過程。

從「認知債」到「認知資本」：建立人機共學的倫理框架

AI 使用不該一味被禁止，而應區分「做事」與「學習」的不同使用脈絡。特別在教育場域，應鼓勵學生先以自身理解進行初步創作，再利用 AI 作為潤飾與對話的協作對象。如此，不但可以避免陷入「認知債」，反而可以翻轉為積累「認知資本」的機緣，讓 AI 成為思考的助力而非思考的替代物。

在教育與實務場域中積累認知資本的具體作法

為了回應AI時代的「大腦外包」與「認知債」風險，我們可以在傳播教育與傳播產業實務中，嘗試如下實作路徑，讓AI成為學習與創作的助力，而非替代。

（一）在傳播教育現場：強調「先思考，再協作」

建立三階段式學習流程：以「守－破－離」的職人式學習結構導入AI應用，要求學生先完成基礎寫作或報導練習，再以AI作為潤飾或對話協作者，避免「一開始就放棄思考」。

區分「學習」與「做事」場景：在課堂作業或能力養成上，教師應明確標示哪些步驟須由學生獨立完成（如報導初稿、論點設計），哪些可使用AI協作（如文字修飾、資料查核）。

導入「認知資本」概念評量表：評估學生如何運用AI提升自身的理解、分析與判斷，而非僅作為生成工具，例如從AI輸出中找出錯誤並提出修正。

跨學科合作練習「人機共構」：例如新聞寫作課程與資料科學課程合開模擬AI共創作業流程，培養學生的使用倫理與協作思維。

（二）在傳播產業現場：從內容生產轉向價值設計

重新定義編輯與策展角色：AI可大量生成內容，專業人員需強化「策展判斷」、「脈絡理解」與「倫理把關」等核心能力，發揮不可取代的人類價值。

培養AI提示設計與檢驗能力：讓從業者具備「設計 prompt → 驗證內容 → 加值再製」的流程能力，使AI成為創意流程的一部分，而非內容主體。

設計「可溯源內容」制度：建構AI生成內容的透明紀錄與標示機制，使媒體工作者在使用AI時能對其產出負責，建立信任。

導入「分散智能」協作平台：在大型新聞室或製作單位內，結合人員專業與AI系統，讓內容評估、事實查核與敘事創造共構一個協作式智能系統。

這樣的教育與產業實踐不僅有助於避免「認知債」的積累，更能引導新世代的傳播工作者走向「認知資本」的積累，發展出一種與AI共學、共創、共責的專業倫理與操作文化。

AI 並非天使也非魔鬼，其角色取決於我們如何設計、使用與理解它。與其說我們正陷入一場技術災難，不如說我們正面臨一場教育與倫理的考驗。唯有重新理解人類在媒介環境中的位置，我們才能在 AI 時代維持思考的主體性，避免淪為自我放棄的被操控者。

[1] EEG（Electroencephalography，腦電圖）是一種用來量測人類大腦活動的非侵入式技術。簡單來說，它是：透過貼在頭皮上的電極，偵測大腦神經細胞活動時產生的微弱電訊號，並將其轉換為波形來分析大腦在不同狀態下的反應。

[2] https://arxiv.org/pdf/2506.08872

[3] 程世嘉臉書貼文https://www.facebook.com/share/p/16LhuJXyjx/

Hermes Huang 黃厚銘臉書貼文https://www.facebook.com/share/p/1BxvE7shcL/

[4] 程世嘉是愛卡拉公司的創辦人, 他是Google台灣簡立峰當年找的第一位工程師。是一位科技創業家與知識工作者，擁有工程與科技背景，也積極參與公共討論。iKala 愛卡拉這家公司專注於人工智慧與數據科技的應用，尤其在行銷科技（MarTech）領域表現突出。

[5] Hermes Huang是政大社會系的黃厚銘教授。研究興趣橫跨科技、知識與社會的交織關係，尤其關注人工智慧、技術哲學與STS（科技與社會研究）。

[6] 程世嘉臉書貼文https://www.facebook.com/share/p/16LhuJXyjx/ 程文的核心論點是借用日本傳統武道與藝術的學習過程「守破離」，說明人應該先打好基本功（守），再進一步應用 AI 作為工具（破、離），否則將喪失「內化」與「創造」的能力。程世嘉也進一步強調「職人精神」和「刻意練習」對神經連結的強化作用，並引用 MIT 的研究證實：過早或過度依賴 AI，會削弱大腦的連結性與記憶能力，形成「認知債務」（cognitive debt）。

[7] Hermes Huang 黃厚銘系列臉書貼文的第一篇連結https://www.facebook.com/share/p/1BxvE7shcL/

「賞析、對焦、角色轉換⋯」搞懂AI生成4法則，讓ChatGPT從代工升級設計師！