现在是凌晨两点。这个错误已经困扰了你三个小时。你知道自己应该去睡觉，但你的双手已经重新放回键盘上，向坐在终端里的人工智能编程助手输入另一条指令。对于一个只是坐在办公桌前的人来说，你的心跳速度有点过快了。你对自己说着和一小时前同样的话：再试一次提示词，我就能解决这个问题。
对于许多编写代码、创作内容或日常与生成式人工智能工具协同工作的人来说，这种场景已变得司空见惯。它看起来不同于以往的职业倦怠。没有恐惧感，也没有对着闪烁的光标茫然凝视二十分钟的情况。如果说有什么不同的话，那就是工作让人感到一种强迫性的投入，甚至投入得让人难以停下。而这正是值得仔细审视的原因。
在过去的一年里，开发人员、作家和研究人员开始描述一种在长时间人工智能辅助工作后出现的特定疲惫感：发作迅速、难以中断，并且与传统过度工作产生的缓慢燃烧般的疲劳有着奇怪的不同。这就是一些开发人员开始称之为“人工智能大脑过载”的现象。编程界的一位知名人物史蒂夫·耶格（Steve Yegge）直白地描述了代理式编程工具的吸引力：每一次成功都会带来少量的多巴胺刺激，每一次失败都会带来一阵肾上腺素激增，而这种交替模式使得人们“几乎无法将自己从中抽离”。
2026年的行业调查证实了这些轶事。一份大规模的工程领导力报告发现，越来越多的开发人员工作时间比前一年更长，尽管人工智能工具本应为他们节省时间。承担最多额外工作时间的人并不是那些仍在学习如何依赖工具的新手。他们是资深工程师，即那些最了解该技术并能最流利使用它的人。
本文利用早在生成式人工智能出现几十年前就存在的关于奖励学习、强化时间表和压力生理学的研究，探讨了在这些工作期间大脑和身体实际发生的变化。工具是新的。但潜在的生物学机制并非如此，而理解它是迈向与这些系统协同工作而非被其支配的第一步。
为什么人工智能工具的感觉与普通工作不同
要理解为什么人工智能辅助工作会让人感到如此独特的吸引力，有助于回想一下在这些工具存在之前，正常的工作日是什么感觉。传统的编码、写作或研究涉及长期的努力，而回报则是延迟的。你会编写一个函数，而回报——看到它真正运行起来——可能在几分钟或几小时后才会到来，需要经过测试、调试和迭代。反馈缓慢，往往模棱两可，且很少即时出现。
生成式人工智能缩小了这一差距。你描述一个问题，几秒钟内就会得到一个建议的修复方案、一段代码、一段文字或一个答案。有时它完全正确。有时它接近但有缺陷。有时它以令人惊讶甚至惊人的方式失败。关键在于，你事先不知道会得到哪种结果，而且你几乎能立即得知。这种组合——快速反馈加上对结果真正的不确定性——并非微不足道的用户体验细节。它恰好与行为心理学中研究最深入的模式之一几乎完全吻合。
大脑的预测机制
神经科学为当结果与预期不符时发生的现象赋予了一个名称：奖励预测误差。这一概念源于对多巴胺神经元的研究，其中最著名的是神经科学家沃尔夫拉姆·舒尔茨（Wolfram Schultz）的工作，他花费多年时间记录动物在学习预期奖励时这些神经元的活动。舒尔茨及后来的研究人员发现
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
