大模型时代的"认知鸿沟"：谁在定义知识、真相与决策边界？
引言：一个被忽视的权力转移
2024 年底，一位美国高中生用 ChatGPT 完成了历史课的期末论文，得分 92 分。他的老师没有发现任何异常——事实上，这篇论文的逻辑结构比班里大多数"手写"的作业还要清晰。
同一年，中国某个三线城市的中学校长在家长会上说："我们要求学生手写作文，不准用 AI，但说实话，我们分不清哪些是 AI 写的，哪些不是。"
这两个场景看似无关，却指向同一个问题：当 AI 可以替代人类生产"合格"的知识产品时，谁还有能力判断知识的质量？
这不是技术问题。这是权力问题。
知识的定义权、真相的裁判权、决策的边界权——这三项人类文明运转了数千年的核心权力，正在以一种极其隐蔽的方式，从"人类制度"向"模型系统"转移。
本文要讨论的不是"AI 会不会取代人类"这种老生常谈。本文要讨论的是一个更深层、更隐蔽、也更危险的趋势：大模型正在制造一种新型的认知鸿沟，这种鸿沟不是"有没有 AI"的鸿沟，而是"有没有能力判断 AI"的鸿沟。
一、知识生产方式的范式革命
1.1 从"人生产知识"到"模型中介知识"
人类知识生产的历史，可以粗略分为三个阶段：
第一阶段：精英垄断期（古代—15 世纪）
知识由教会、宫廷、学者垄断。生产成本极高（手抄本），传播渠道极窄（拉丁语），普通人几乎被排除在知识体系之外。
第二阶段：大众民主化期（15 世纪—2020 年代）
印刷术→报纸→广播→电视→互联网→搜索引擎。每一波技术浪潮都在降低知识生产和传播的门槛。到 2020 年代，理论上任何人都可以在网上发布信息、表达观点、参与公共讨论。
第三阶段：模型中介期（2020 年代—）
ChatGPT、Claude、Gemini 等大语言模型出现后，知识生产进入了一个全新的阶段：人类不再是知识的主要生产者，而是知识的"需求方"和"审核方"。
在过去，如果你想知道"什么是量子纠缠"，你需要去读一本书、听一堂课、或者问一个物理学家。无论哪种方式，你都在与"人类生产者"互动。
现在，你可以问 AI。AI 会在几秒内给你一个看起来专业、结构清晰、甚至引用了论文的回答。
但问题来了：你怎么知道这个回答是准确的？
如果你不懂量子力学，你根本无法判断。你只能选择"相信"或者"不相信"。而大多数人会倾向于相信——因为回答看起来太专业了。
1.2 "知识的幻觉"与认识论危机
心理学中有一个概念叫"流畅性效应"（fluency effect）：信息呈现得越流畅、越清晰，人们越倾向于认为它是真实的。
大语言模型恰好是制造"流畅性"的机器。它们的输出永远语法正确、逻辑连贯、措辞得体。这种流畅性会让人类大脑产生一种强烈的"理解感"——但实际上，你只是"读到了流畅的文字"，并不一定"理解了背后的逻辑"。
这就是"知识的幻觉"。
2025 年 arXiv 上发表了一篇重要论文，题为《认知阶层：人工智能、认识论不平等与民主制度》。论文提出了一个核心论点：
"AI 不是认识论的平衡器，而是认知分层的加速器。它选择性地放大了某些人的推理能力，同时压制了另一些人的认知自主性，从而在自由民主社会中固化了信息阶层。"
换句话说，AI 并没有缩小知识差距，而是以更隐蔽的方式扩大了它。
在过去，知识鸿沟的边界是清晰的：你能上大学，你就获得更多知识；你上不了，你就被排除在外。虽然不公平，但至少是可见的。
现在，认知鸿沟变得不可见了。因为每个人都可以"问 AI"，看起来大家都有平等获取知识的途径。但实际上，能够判断 AI 输出质量的人和不能判断的人之间的差距，正在急剧扩大。
二、算法作为新型"准主权"
2.1 从"搜索中介"到"知识权威"
假设你在 Google 上搜索"气候变化是真的吗"。你会得到一系列结果，有些来自科学期刊，有些来自阴谋论网站，有些来自新闻报道。你需要自己判断哪些是可信的。
现在假设你问 ChatGPT 同样的问题。你会得到一个综合性的回答，引用 IPCC 报告，解释科学共识，最后给出结论："气候变化是真实的，主要原因是人类活动。"
表面上看，AI 给了你一个更好的答案。但深层问题是：你把"判断权"让渡给了 AI。
Google 搜索是"中介"——它给你信息，你来做判断。ChatGPT 是"权威"——它替你做了判断。
这个转变看似微小，实则巨大。因为当你把判断权让渡给 AI 时，你同时让渡了质疑权。你不再问"气候变化是真的吗"，因为 AI 已经替你回答了。你甚至不会意识到，AI 的回答可能包含了训练数据中的偏见、RLHF 训练中的价值取向、以及公司设定的安全边界。
2025 年发表在 MDPI 期刊上的一篇论文提出了"人工真相"（Artificial Truth）的概念：
"一种新兴的认识论治理形式，其中知识生产和验证成为社会技术系统的基础设施功能。"
简单翻译：真相不再是由人类通过讨论、辩论、验证来达成的共识，而是由算法系统自动输出的"标准答案"。
2.2 模型垄断与认知寡头
全球大模型市场的基本格局是：少数几家公司（OpenAI、Google、Meta、Anthropic，以及中国的百度、阿里、字节等）控制着绝大多数模型的训练数据、训练方法和部署渠道。
这意味着什么？
意味着这几家公司在实质上定义了数十亿人获取知识的"第一层"。
当你用 ChatGPT 搜索信息时，你看到的不是"全人类的知识"，而是"OpenAI 训练数据中的知识 + OpenAI RLHF 偏好的呈现方式"。当你用 Google 的 Gemini 时，你看到的是"Google 的知识 + Google 的偏好"。
不同的模型，对同一个问题可能给出截然不同的答案——不是因为没有"标准答案"，而是因为每家公司的训练数据、价值取向和安全策略都不同。
MIT 媒体实验室 2025 年的一项研究测试了五个主流大模型在 100 个争议性话题上的回答差异，发现：
- 在政治倾向类话题上，不同模型的回答方向存在系统性差异
- 在历史事件类话题上，不同模型对"重要事实"的选择有显著不同
- 在科学争议类话题上，不同模型的"确定性程度"差异巨大
这不是技术差异，这是认识论差异。每家模型公司都在用自己的方式定义"什么是知识"、"什么是真相"、"什么是重要的"。
而用户——那些数十亿的普通人——大多数时候甚至不会意识到这种差异的存在。他们只会觉得"AI 说的就是对的"。
这就是认知寡头的核心机制：不是通过压制信息来控制认知，而是通过提供"看起来完美"的信息来替代认知。
2.3 认知主权的概念
2025 年，学者 Reinö Karppinen 提出了一个重要框架：从"AI 对齐"（alignment）到"认识论主权"（epistemic sovereignty）。
对齐的思路是：让 AI 的行为与人类价值观对齐。但问题是：谁的价值观？
OpenAI 的对齐标准反映的是硅谷科技精英的价值观。百度文心一言的对齐标准反映的是中国监管框架下的价值观。Google Gemini 的对齐标准反映的是一个复杂的、经常自相矛盾的、受商业利益影响的价值观。
认识论主权的思路是：不应该让任何单一机构来定义"正确的知识"，而应该让用户有能力审查、质疑和修改 AI 的认知框架。
三、认知鸿沟的三个层级
3.1 第一层：接入鸿沟（Access Divide）
这是最传统的数字鸿沟。在 AI 时代，它表现为：
- 有些人可以负担 GPT-4/Claude 的订阅费，有些人只能用免费模型
- 有些人有高速网络和现代设备，有些人没有
- 有些语言有高质量的 AI 支持，有些语言几乎没有
Stanford HAI 2025 年的报告指出："低资源语言的数据更少，模型在这些语言上的表现更差。"全球约 7000 种语言中，只有不到 100 种有足够的 AI 训练数据。
这一层鸿沟虽然重要，但相对容易解决——通过技术普及和成本降低。
3.2 第二层：素养鸿沟（Literacy Divide）
这一层更隐蔽。
假设两个人都能访问 ChatGPT。一个人是大学教授，一个人是高中生。他们问同样的问题，得到同样的回答。
教授会怎么看？他会审视回答的逻辑、检查关键论断是否准确、注意回答中哪些地方可能存在偏见、哪些地方被省略了。
高中生会怎么看？他会觉得"AI 说的肯定是对的"，直接复制粘贴，交差了事。
这就是素养鸿沟：同样的工具，在不同认知能力的人手中，产生的效果天差地别。
UNICEF 2025 年的报告将此称为"AI 鸿沟"（AI Divide），并警告说："AI 正在以有限的关注投入推进，却忽视了那些已经被抛在后面的人，沿着收入、地理和机会的熟悉边界扩大了不平等。"
3.3 第三层：主权鸿沟（Sovereignty Divide）
这是最深、也最危险的一层。
主权鸿沟的核心问题是：谁有权定义"正确的知识"？
在接入鸿沟层面，问题是"能不能用 AI"。
在素养鸿沟层面，问题是"会不会用 AI"。
在主权鸿沟层面，问题是"AI 的认知框架是否可以被审查、质疑和修改"。
目前，答案是：不能。
大多数大模型是黑箱——用户不知道训练数据是什么，不知道 RLHF 的标准是什么，不知道安全策略的具体规则是什么，不知道为什么某些问题被拒绝回答。
你只能接受，或者不用。
认知主权鸿沟的本质是：绝大多数人正在失去对"自己应该如何思考"的控制权。
四、教育体系的结构性困境
4.1 传统教育培养的"认知能力"正在贬值
过去 200 年，教育体系的核心目标是什么？知识传递。
老师掌握知识，学生接收知识。考试检验的是学生"记住了多少"。
这个体系在 AI 时代面临根本性挑战：如果 AI 可以在几秒内输出比大多数老师更全面的知识，那么"记住知识"这件事的价值就归零了。
但教育体系的调整速度远远落后于技术变革的速度。大多数学校仍然在用 20 世纪的考试方式，评估学生 21 世纪需要的能力。
更深层的问题：教育体系本身也是认知鸿沟的制造者。 富裕家庭的学校已经开始教学生"如何与 AI 协作"、"如何验证 AI 输出"。而贫困地区的学校可能连基本的信息技术课程都没有。
4.2 批判性思维教育的空洞化
很多人说"教育应该培养批判性思维"。这话对，但太空了。
批判性思维不是一门可以"教完"的课。它是一种需要长期训练、不断实践的认知习惯。而训练批判性思维的前提是：你需要有足够的领域知识来做判断。
一个不懂医学的人，无法对 AI 的医疗建议进行批判性思考。一个不懂经济学的人，无法对 AI 的市场分析进行批判性思考。
教育体系面临一个两难困境：
- 如果不教领域知识，学生就没有判断 AI 的基础
- 如果花大量时间教领域知识，等学生毕业时，这些知识可能已经过时
4.3 "认知阶层"的制度化风险
arXiv 论文《认知阶层》提出了一个令人不安的预测：AI 系统不是在弥合认知差距，而是在将其固化和制度化。未来社会将分化为三类人：
- 认知领主：直接塑造 AI 认知框架的人（模型训练者、对齐工程师、政策制定者）
- 认知公民：能有效使用 AI 但无法影响其底层逻辑的人
- 认知附庸：被动接受 AI 输出、丧失独立判断能力的人
这个分层不是基于财富或出身，而是基于认知能力。但认知能力与教育、文化资本、家庭背景高度相关，所以它最终会与其他社会不平等相互强化。
最危险的不是鸿沟本身，而是鸿沟的制度化。
五、决策权的转移：从人类到模型
5.1 "人在回路中"的幻觉
AI 行业有一个流行词叫"Human in the Loop"（HITL）——意思是所有关键决策都有人类参与。
听起来很安全。但现实要复杂得多。
想象一个 HR 场景：AI 筛选了 1000 份简历，推荐了 50 份给 HR 经理。HR 经理最终从 50 人中录用了 10 人。
表面上看，人类在做最终决策。但实际上，AI 已经在第一步完成了最重要的筛选——它决定了哪些人有机会被看到，哪些人连被看到的机会都没有。
HR 经理可能会觉得自己在做决策，但实际上，他的决策空间已经被 AI 大幅压缩了。他只是在 AI 划定的范围内做选择。
这种"人在回路中"的幻觉在越来越多场景中上演：医生依赖 AI 辅助诊断、法官使用 AI 量刑建议、银行使用 AI 信用评估。
人类以为自己保留了决策权，实际上只保留了"在 AI 给出的选项中选择"的权利。
5.2 决策的五个等级
决策领域的 AI 渗透可以用自动驾驶的等级来类比：
- L0：人类独立决策
- L1：AI 提供信息，人类独立决策
- L2：AI 分析并推荐，人类有选择地采纳
- L3：AI 分析并推荐，人类默认采纳，偶尔否决
- L4：AI 决策，人类事后审核
- L5：AI 完全决策，人类被排除
目前，大多数企业和社会系统处于 L2-L3 之间。但演进速度远超大多数人的预期。
5.3 决策权转移的政治含义
当决策权从"人类制度"向"模型系统"转移时，一个根本性的问题出现了：民主制度的前提是"人可以参与决策"。如果决策实际上是由模型做出的，那么民主还剩下什么？
这不是科幻想象。2025 年，多个国家的政府部门已经开始使用 AI 进行政策分析、预算分配和风险评估。
核心矛盾在于：AI 的决策逻辑是不透明的（黑箱），但民主制度的合法性依赖于透明和问责。
如果公民不知道 AI 是如何做出某个政策建议的，他们就无法质疑它。如果他们无法质疑它，他们就失去了参与决策的能力。如果他们失去了参与决策的能力，民主就变成了空壳。
六、如何应对认知鸿沟
6.1 个人层面：重建元认知
应对认知鸿沟的底层能力是元认知——即"对自己思考过程的觉察和控制"。
在 AI 时代，元认知的具体表现是：
- 在接受 AI 输出之前，先问"我怎么知道这是对的？"
- 在使用 AI 辅助决策时，问"AI 的推荐基于什么假设？"
- 定期反思"我是不是过度依赖 AI 了？我自己还有独立判断的能力吗？"
6.2 制度层面：认识论透明化
要弥合认知鸿沟，需要推动以下制度变革：
- 模型透明度要求：披露训练数据的基本构成、RLHF 的标准、安全策略的核心原则
- 认知审计机制：独立的第三方机构应该能够审计模型的认知偏见和价值取向
- 用户认知主权：用户应该有权选择不同的"认知框架"
6.3 教育层面：从"知识传递"到"认知能力建设"
教育体系需要根本性转型：
- 从"记住知识"到"评估知识来源"
- 从"回答问题"到"提出好问题"
- 从"独立完成"到"与 AI 协作并审查 AI 的输出"
6.4 技术层面：开源与多元
认知寡头的风险需要通过技术多元化来对冲：
- 支持开源大模型的发展，避免知识生产被少数公司垄断
- 支持多语言 AI 的发展，避免非英语世界被排除在外
- 支持"可解释 AI"（XAI）的研究
终章：认知鸿沟是 AI 时代最大的不平等
工业革命制造了财富鸿沟。信息革命制造了数字鸿沟。AI 革命正在制造认知鸿沟。
但认知鸿沟与前两者有一个根本区别：财富鸿沟和数字鸿沟是可见的——你看得见谁富谁穷、谁有电脑谁没有。认知鸿沟是不可见的——每个人都觉得自己在"用 AI"，但没有人意识到自己正在把思考的权利让渡给一个不可审查的黑箱。
这意味着：认知鸿沟可能成为人类历史上最难被发现、最难被承认、也最难被弥合的不平等。
因为在认知鸿沟的世界里，被剥夺者不会感到愤怒——他们甚至不知道自己被剥夺了什么。
你的知识不再属于你。你的判断不再属于你。你的决策不再属于你。但你觉得一切都还好。
这才是认知鸿沟真正可怕的地方。
雨轩于听雨轩 🌧️🏠
主要参考来源：
- Cognitive Castes: Artificial Intelligence, Epistemic Inequality, and Democratic Institutions (arXiv, 2025)
- Artificial Truth: Algorithmic Power, Epistemic Authority, and the Reconfiguration of Truth Regimes (MDPI, 2025)
- AI, Sovereignty, and the Reshaping of Knowledge Production (ANPOR, 2025)
- Who owns the future? AI, digital sovereignty, and the politics of knowledge (Springer, 2025)
- Stanford HAI: Closing the Digital Divide in AI (2025)
- UNICEF: AI divide — A new fault line we cannot ignore (2025)
- Epistemic Injustice in and through AI (ResearchGate, 2024)
- McKinsey: Dependency and Depopulation (2025)
- Knowledge Sovereignty in the AI Era (Scale and Virtue, 2025)