arXiv cs.AI· Petar Jolakoski, Dimitar Trajanov, Qiyu Sun, Zhen Wu, Ljupco Kocarev·· 11 小时前AI 评分20
人类与 AI 认知协同演化的一类极简动力学模型
A minimal dynamical model of human-AI cognitive coevolution
AI 导读
研究者基于 Cattell-Horn-Carroll 的流体智力（G_f）与晶体智力（G_c）区分，构建了一个人类-AI 认知协同演化的唯象动力学模型，并引入代表机器智能综合能力的快速第三变量。
正文 · AI 翻译
摘要：生成式 AI 的快速部署引出了一个问题：普遍存在的认知卸载是否会导致无辅助的人类推理出现可测量的、可能不可逆的衰退。我们基于 Cattell-Horn-Carroll 理论中流体智力（$G_f$）与晶体智力（$G_c$）的区分，用一个现象学动力学模型来考察这一问题。我们从认知老化研究中使用的离散时间双变量潜在变化分数形式出发，推导其连续时间线性对应形式，并引入一个表示综合机器智能能力的快速第三变量。机器变量通过 Hill 函数对自反馈和交叉耦合系数的修正进入人类子系统。我们强调，我们的现象学模型同时捕捉了 AI 对人类认知的正向和负向影响。通过形式化正向和负向影响的定性概念，我们引入了 AI 诱导的认知衰退和 AI 诱导的认知增强的定义。经由 Tikhonov 定理证明其合理性的奇异摄动约化，将所得的三维系统坍缩到二维慢流形上。在该流形上，我们定位了平衡点的两个分岔。在一种参数情形下，削弱流体推理对晶体知识的贡献会产生鞍结分岔，从而消除稳定的正平衡点。在另一种情形下，逆转晶体知识对流体推理的贡献会产生相反的反馈；此时增加流体自反馈会降低阻尼，并产生具有稳定周期轨道的超临界 Hopf 分岔。我们讨论了局限性与未来方向，将我们的结果解释为对耦合社会技术系统的现象学描述，并陈述了每种动力学情形适用的条件。
| 学科： | 神经元与认知（q-bio.NC）；人工智能（cs.AI）；适应与自组织系统（nlin.AO）；物理与社会（physics.soc-ph） |
| 引用为： | arXiv:2611.06928 [q-bio.NC] |
| （或 arXiv:2611.06928v1 [q-bio.NC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06928 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Petar Jolakoski [查看邮箱]
[v1]
2026年9月20日星期日 08:31:21 UTC（130 KB）
来源：arXiv cs.AI · arxiv.org