生成式人工智能作为人类的“知识新媒介”，正在深刻重塑“人类的获知与求知模式”^[1]。ChatGPT、文心一言等大型语言模型的广泛应用，使AI辅助阅读成为数字时代不可忽视的认知现象。这些工具不仅能够解释概念、总结内容、提供多角度分析，更直接介入读者的认知过程，从根本上改变着人类理解文本的方式。

然而，这一变革也引发了对深度阅读能力的忧虑。认知神经科学家玛丽安娜·沃尔夫（Maryanne Wolf）指出，深度阅读的特征包括推理、类比思维、批判性分析、深思熟虑和沉思，在其最高形式中还包括洞察和顿悟^[2]。这些高阶认知能力需要读者投入持续的认知努力和主动的意义建构。近年来的研究显示，数字技术的过度使用已经导致人们倾向于浅层信息处理模式，减少了深度思考和信息保留^[3]。AI辅助阅读工具的出现可能进一步加剧这一趋势。当AI能够即时提供看似完整的理解和分析时，读者可能不再愿意投入必要的认知努力。更值得追问的是，当理解的过程可以被“外包”给机器时，人类的深度思考能力将面临怎样的挑战？

当前，学术界关于AI辅助阅读的研究主要集中在三个维度。技术层面的研究致力于探讨AI辅助阅读的技术与方法，如通过整合外部数据库知识来解决大语言模型的幻觉、知识过时和推理不透明等问题^[4]。应用层面的研究主要关注AI辅助阅读在教育与研究中的具体运用，如使用大语言模型生成教育材料、进行同伴评估等实践探索^[5]。影响层面的研究更多关注生成式AI带来的阅读实践变化^[6]，如有研究者指出AI阅读“通过符号解析与改立重组消解语境关联，将阅读转化为算法主导的信息筛选……使人类从阅读意义主动生成者退化为认知追随者^[7]”。

尽管现有研究为理解AI辅助阅读提供了多维视角，但仍存在值得进一步讨论的空间。首先，现有研究多从技术功能或应用场景出发，较少从认知机制层面系统分析AI如何改变读者的信息加工过程。其次，多数研究聚焦于AI的潜在风险或优势的单向分析，缺乏对影响复杂性的深入探讨。最后，对于读者如何在利用AI便利的同时保持深度思考能力，现有研究鲜有实证性考察。

为了弥补这些不足，本研究从认知路径重构的理论视角出发，系统探讨AI辅助阅读对深度阅读能力的影响机制。所谓认知路径，是指个体在处理信息、建构意义和形成理解过程中所遵循的认知加工序列和策略模式。认知过程研究强调，理解认知现象不仅需要关注输入和输出，更需要揭示信息转换的中间阶段和心理加工的动态过程^[8]。传统深度阅读的认知路径具有渐进性、探索性和建构性的特征，读者需要经历从基础解码到深度理解的多层次认知历程^[9]。然而，AI工具的介入正在改变这一路径^[10]。它提供即时答案，可能削弱探索过程；它呈现完整分析，可能减少建构努力；它降低认知成本，可能影响深度思考的动机。但配合适当的策略训练，AI也可能通过提供多元视角、处理冗余信息、支持复杂推理等方式，为深度阅读创造新的可能性^[11]。

为深入理解这种认知路径的重构及其影响，本研究采用理论分析与实证调查相结合的方法。理论层面，基于认知心理学和数字阅读领域相关理论成果，构建AI辅助阅读认知路径重构的分析框架。实证层面，于2025年4月通过“见数”平台收集了1025名AI辅助阅读用户的问卷数据，涵盖AI工具使用情况、阅读行为变化、认知能力感知等维度。从样本构成来看，男性受访者占61.3%，女性受访者占38.3%；年龄分布呈现年轻化特征，18至34岁受访者合计占64.4%，35至44岁占25.5%；教育水平普遍较高，本科及以上学历占87.7%；在职业分布上，在校学生占32.5%，企业职员占22.1%，专业技术人员占15.1%；地理分布以城市为主，一线城市受访者占55.0%。样本呈现年轻化、高学历、城市化的特征，分布特征与第55次《中国互联网网络发展状况统计报告》对生成式AI用户群体的调查基本吻合，能够反映AI影响下阅读行为转型的主要特征。

基于以上背景，本研究试图回答两个核心问题。第一，AI工具如何重构深度阅读的认知路径？这种重构表现为哪些具体的变化？第二，认知路径的重构对深度阅读能力产生了怎样的影响？这种影响的复杂性如何体现？这些问题的探讨不仅有助于理解当下的阅读变迁，更关系到数字时代人类认知能力的可持续发展。

传统深度阅读中，当读者遇到理解障碍时，通常需要经历一个完整的认知加工过程，包括问题识别、策略选择、认知努力投入以及理解形成等多个环节。读者需要识别文本元素并建立它们之间的有意义关系，当被动的加工过程不能满足读者的连贯性标准时，会触发额外的、主动的认知努力^[12]。读者可能需要反复研读文本、调动已有知识进行联想推理、查阅相关资料，而阅读理解本身则涉及解码、词汇、工作记忆、抑制控制等多个认知过程的协同作用^[13]。这一过程虽然耗时较长，但正是通过这种主动的认知努力，深层理解得以形成，认知能力得以发展。

AI工具的普及正在改变这一认知加工模式。调查数据显示，77.9%的用户使用AI解释专业术语或难懂概念，67.6%的用户借助AI获取文章或书籍的内容概述，54.2%的用户利用AI辅助理解复杂文本或理论。这些数据表明，当面临理解困难时，向AI寻求帮助已成为多数用户的首选策略。传统阅读中那种渐进式的探索过程正在被压缩甚至省略，理解呈现出即时获取的特征。

从认知负荷理论的角度审视这一变化，可以发现其对深度阅读能力的影响具有双重性。认知负荷理论区分了外在认知负荷和相关认知负荷。外在认知负荷是指那些本身不利于学习的认知过程所导致的负荷，而相关认知负荷则涉及学习者有意识地参与有益于学习的认知过程，包括提出正确的问题、进行适当的自我解释等主动认知活动^[14]。将这一理论框架应用于AI辅助阅读场景，可以发现AI工具对这两种认知负荷产生了相反的作用。一方面，AI工具能够有效降低外在认知负荷，使读者无须在查找资料、理解术语等辅助性任务上消耗过多认知资源，从而将更多工作记忆资源投入到核心内容的深层理解上。另一方面，当AI使理解过程变得过于便捷时，读者可能不再主动投入那些产生相关认知负荷的深层加工活动。而正是这些主动的认知努力，如自我提问、批判性思考、主动建构意义，构成了深度学习得以发生的关键。换言之，AI在降低外在认知负荷的同时，也可能削弱了激发相关认知负荷的动力，使阅读效率的提升伴随着认知深度的潜在损失。

在理解路径转变的过程中，一个值得关注的现象是“认知外包”倾向的形成。AI辅助工具在不同认知任务中的使用呈现出显著的分层特征。理解支持类功能的使用率远高于判断决策类功能，二者之间存在约13至44个百分点的显著差距。具体而言，解释专业术语的使用率为77.9%，获取文章/书籍内容概述为67.6%，辅助理解复杂文本或理论为54.2%，而验证事实/信息仅为34.0%，推荐阅读材料为33.3%，跟踪特定领域最新发展为27.1%。

这种使用模式的分化揭示了两个层面的问题。一方面，用户在理解支持类任务上对AI的高度依赖已经形成。超过半数（54.2%）的用户依赖AI辅助理解复杂内容，近八成（77.9%）用户使用AI解释专业术语。另一方面，用户在涉及独立判断的任务上仍保持相对审慎，这种审慎态度可能源于对AI可靠性的质疑，也可能反映了用户对认知自主性的某种保护意识。

认知外包倾向的形成具有深层的心理机制基础。人类具有认知努力最小化的天然倾向，这是进化过程中形成的适应性特征。然而，在学习和深度理解的情境中，适度的认知努力恰恰是不可或缺的。当AI提供了一条更为省力的认知路径时，“认知吝啬者会通过偏好启发式捷径而非分析性推理来优化心理努力”^[15]，这种节约认知资源的本能倾向可能被过度强化，导致独立探索的内在动机逐渐减弱。正如有研究者所观察到的，用户会产生“反正有ChatGPT，我为什么还要费力思考”的惰性心理，在获得短期效率的同时逐渐失去对知识和问题本质的认知渴求^[16]。

值得警惕的是，这种选择性依赖可能预示着一种渐进式的认知能力分化。当理解环节被大规模外包给AI时，用户虽然在判断决策环节保持了表面上的自主性，但这种判断往往建立在AI提供的理解基础之上。如果用户习惯于接受AI对复杂概念的解释和对文本的预处理概述，却不经历独立的认知加工过程，那么即使在验证事实或推荐阅读等环节保持审慎，这种审慎也可能因缺乏深层理解而流于形式。

认知加工方式的转变不仅体现在问题解决策略的改变上，还对阅读的整体节奏产生了深刻影响。在传统深度阅读中，理解的节奏由读者内在的认知过程决定，包含停顿思考、反复研读、联想整合等多个环节。学习科学研究表明，“使表现快速提升的学习条件往往无法支持长期保持和迁移，而那些制造挑战、减缓表观学习速度的条件，实际上能优化长期保持和迁移”。^[17]这是因为学习的深度取决于存储强度而非提取强度，适度的困难能够触发支持深度编码的认知过程。阅读过程中遇到的理解障碍和认知挑战，恰恰能够激发这种深层加工，对知识的长期保持具有重要作用。

AI辅助正在改变这种认知节奏。当读者可以即时获得术语解释、内容概述和多角度分析时，传统深度阅读中那些“有益的困难”正在被消解。阅读过程变得更加流畅和高效，但这种流畅性可能是以牺牲认知深度为代价的。当阅读越来越多地转变为获取经AI处理后的信息时，文本的完整性、作者的原意表达、语言的审美价值都可能在简化过程中有所损失。而当AI消除了阅读过程中的认知障碍时，那些原本能够触发深度编码的认知挑战也随之消失，理解的深度和记忆的持久性可能因此受到影响。

这种变化对不同类型阅读的影响程度存在差异。对于以信息获取为主要目的的功能性阅读，AI辅助带来的效率提升具有明显的积极意义。但对于以思维训练和认知发展为目的的深度阅读，认知节奏的改变可能削弱其核心价值。如何在不同阅读目的之间做出恰当的区分和选择，成为AI时代读者需要面对的重要课题。

建构主义学习理论强调，知识并非简单传递的产物，而是学习者主动建构的结果^[18]。在传统深度阅读中，读者通过与文本的持续对话，将新信息整合到已有的知识结构中，形成个人化的理解。这一过程具有高度的主体性特征，每位读者都基于自身独特的背景知识、认知风格和价值取向，建构出具有个人特色的意义理解。这种“个性化理解”的意义建构过程正是深度阅读核心价值的重要体现，也是人类知识创新的重要源泉^[19]。

AI的介入使知识建构过程呈现出新的特征。调查显示，84.2%的用户认为AI提升了其整合知识的能力，80.8%认为信息筛选整理能力得到提高。这些数据表面上呈现积极态势，但需要审慎分析其背后的实质。用户所感知到的能力提升，究竟源于个体认知能力的实质性增长，还是人机系统协同效应的体现？当用户借助AI能够处理更多信息、建立更广泛的知识联系时，这种能力感的增强可能主要来自系统层面的提升，而非个体认知结构的深层发展。

从调查数据的具体分布来看，在多个能力维度上，选择“显著提升”的用户比例均处于较低水平，如整合知识能力中仅34.3%表示显著提升，信息筛选整理能力中这一比例为32.8%。这种“略有提升”占主导的分布模式或许正反映出用户对能力提升来源的潜在认知。多数用户可能意识到自己的能力提升更多依赖于外部工具的辅助，而非内在认知结构的根本性变化。

这一区分具有重要的理论和实践意义。如果能力提升主要体现在系统层面，那么一旦脱离AI工具的支持，用户的独立认知能力可能并未得到相应发展，甚至可能因长期依赖而有所退化。有学者指出，在人机认知系统中，当某些认知功能长期由AI承担时，人类相应能力可能会因缺乏持续锻炼而逐渐弱化^[20]。

知识建构主体性面临的更直接挑战，体现在理解形成过程本身的变化上。调查数据显示，用户在遇到理解困难时对AI的依赖呈现多种形式。26.0%的用户遇到不理解的概念时首先询问AI而非自己思考，18.3%在做决定前先咨询AI内容价值，17.3%依赖AI提供的解释而非形成独立理解。综合来看，这些不同形式的依赖行为共同指向一个趋势，即相当比例的用户在理解形成过程中让渡了认知主动性。

这种接受与传统阅读中的理解存在本质差异。在传统阅读情境中，即使读者参考了他人的解读，这种参考也需要经过自身的认知加工才能被整合进个人的知识框架。而在AI辅助阅读中，由于AI能够针对用户的具体问题给出看似量身定制的回答，用户可能更容易将其直接纳入自身的认知体系，缺乏充分的批判性审视。认知心理学研究表明，主动控制学习过程能够使学习者协调注意力资源与新信息的呈现，从而形成更丰富的情景表征；而当信息流独立于学习者状态时，往往会产生较差的情景记忆^[21]。换言之，经过主动加工的信息在大脑中形成的神经联结更为稳固，更易于后续的提取和应用，而被动接收的信息则往往停留于表层加工水平，难以真正内化为个人知识体系的有机组成部分。

此外，47.1%的用户使用AI获取多角度解读这一数据也需辩证审视。接触多元视角本应有助于批判性思维的发展，然而，当这些视角是现成提供而非自主发现时，思维训练的效果可能有所减损。批判性思维的培养不仅需要接触不同观点，更需要经历自主发现问题、探索替代解释、比较评价不同观点的完整认知过程。当AI替代了这一发现和探索过程时，用户获得的是多元思考的结果，而非多元思考能力的实质训练。

在知识建构的宏观层面，AI辅助阅读对用户知识结构的影响呈现出复杂的方面。调查显示，65.3%的用户认为AI丰富了其知识结构，这一高比例反映了用户对AI工具知识拓展价值的普遍认可。有研究者指出，生成式AI通过语义压缩与知识图谱重构等技术手段，在信息过载环境中维持价值内容的动态有序，从而帮助用户在有限时间内显著扩展认知边界^[22]。

然而，用户对深度阅读特征的认知呈现出显著的结构性差异。78.3%的用户认为理解复杂概念和深层含义是深度阅读的核心特征，75.7%认为对文本进行批判性思考和分析是重要的，72.7%重视与文本深度互动。这三项高认同率的特征都指向对阅读结果和认知质量的关注。相比之下，仅有22.7%的用户认为长时间专注于同一文本是深度阅读的必要条件。这种认知分布表明，用户更倾向于从结果维度而非过程维度来界定深度阅读。

这种从过程到结果的价值取向转变，可能遮蔽了深度阅读过程本身所具有的独立认知发展价值。有研究发现，生成式AI的使用深度对学业表现具有显著促进作用，而使用频率的影响则相对有限^[23]。这一发现表明，长时间的专注投入和深度交互所带来的认知锻炼，是通过AI工具快速获取答案所无法替代的。虽然AI确实能够帮助用户接触到更广泛的信息资源，有效拓展知识边界，但这种扩展更多呈现为横向的累积性增长，而非纵向的深化发展。碎片化的知识虽然在数量上较为可观，但难以形成系统性的认知框架，而正是这种框架为深度理解和创造性思维提供了必要的认知基础。

专注力是深度阅读的基础性认知条件。研究表明，深度阅读需要读者具备认知耐心，即持续而专注地投入注意力，延迟即时满足的能力^[24]。在这种状态下，读者能够沉浸于文本构建的意义世界中，暂时失去对周围环境、时间流逝乃至自我的意识。然而，这种沉浸式专注并非一蹴而就。实证研究发现，即使是经验丰富的读者，在长时间阅读过程中也需要经历“安顿期”，通过调整身体姿态、整理阅读环境等方式逐步进入专注状态^[25]。文本理解本身也受限于工作记忆和注意资源的容量，读者必须策略性地分配注意力，对文本信息进行筛选和压缩^[24]。

AI辅助阅读对专注形态的影响呈现出显著的分化特征。关于长时间专注能力的变化，48.9%的用户认为有所提升（其中显著提升仅占5.7%），25.7%认为有所下降，25.4%认为基本没有变化。三类感知群体的比例相对均衡，这种分化格局在所有认知维度中最为显著。相比之下，其他维度如信息筛选整理能力（80.8% vs 9.2%）、整合知识能力（84.2% vs 7.2%）都呈现出明显的一边倒趋势。这难以简单归因于个体差异，而可能反映了AI辅助阅读情境下认知参与模式的复杂性。已有研究发现，学生使用AI进行学术阅读时，其认知层次会在理解、分析、评估等不同层级间波动，且随着使用时间的延长，逐渐向表层理解收敛，呈现出趋向被动阅读参与的倾向^[26]。

认为专注力有所提升的用户，其体验主要指向任务完成的流畅性。当AI帮助消除理解障碍时，阅读过程确实变得更加顺畅，读者无须因查找资料、理解术语等问题而中断思路，得以保持阅读的连续性。然而深入分析可以发现，这种任务导向的流畅性专注与传统深度阅读所需的沉浸式深度专注存在本质差异。前者以任务完成为目标，主要依赖快速理解和总结等低阶认知过程；后者以深度体验为目标，需要持续的分析、评估等高阶认知投入。研究表明，在缺乏针对性引导的情况下，学生倾向于将AI作为快速理解的工具而非深度探究的支架，这可能导致对总结功能的过度依赖，进而强化表层阅读行为^[26]。

认知心理学中的注意理论为理解专注形态的变化提供了更为精细的分析框架。研究者区分了几种不同类型的注意，包括持续性注意、选择性注意，以及分配性注意^[27]。AI辅助阅读对这些不同类型注意的影响并不一致。

从选择性注意的角度分析，AI发挥了显著的积极作用。调查显示，80.8%的用户认为信息筛选整理能力有所提升，仅9.2%认为下降，呈现出所有认知维度中最显著的正向效应之一。通过帮助用户快速定位关键信息、过滤无关内容，AI显著提高了信息筛选的效率，用户得以更快地找到所需内容，减少了在无关信息上的注意资源消耗。整合知识的能力也展现出明显的提升趋势，84.2%的用户认为有所提升，仅7.2%认为下降，表明AI在支持分配性注意方面同样发挥了积极作用。

然而，对于持续性注意的影响则更为复杂。如前所述，相当比例的用户报告长时间专注能力有所下降。这种下降不仅表现为注意焦点的游离，而且更深层地反映了认知投入程度的变化。当理解困难可以通过AI轻易解决时，维持深度专注的内在动机可能随之减弱。从某种意义上说，深度专注正是为克服理解困难而调动的认知资源，当困难本身被消解后，这种资源调动的必要性也相应降低。

心流理论为理解专注形态变化的深层机制提供了重要的理论视角。元分析研究证实，心流体验的产生需要个体技能水平与任务挑战程度之间达成微妙的平衡。根据心流理论的“四通道模型”，当任务过于简单时，个体容易陷入厌倦或放松状态；当任务过于困难时，则可能引发焦虑情绪；只有在技能与挑战相匹配的适度挑战情境下，个体才能进入那种全神贯注、忘我投入的心流状态。值得注意的是，除了挑战与技能平衡这一核心条件外，清晰的目标和对活动的控制感同样是诱发心流的重要前因^[28]。深度阅读中的沉浸体验，在很大程度上正是这种心流状态的具体表现。

AI辅助可能从根本上改变了阅读任务中挑战与技能平衡的达成条件。通过降低理解门槛、消除阅读障碍，AI实质上降低了阅读任务的整体挑战性。这种变化对不同能力水平的读者产生了分化的影响。对于在传统阅读中经常遭遇困难的读者而言，挑战性的降低可能使阅读变得更加可及和愉悦，有助于其进入适度挑战的心流区域。然而，对于已具备较强阅读能力的读者而言，挑战性的过度降低可能打破原有的最优平衡，使任务落入技能高而挑战低的厌倦区域。相关研究表明，当个体从AI辅助任务转向独立工作时，尽管控制感有所恢复，但内在动力显著下降，厌倦感明显上升，这说明AI介入可能通过降低任务挑战性而削弱深度投入的内在动力^[29]。

记忆效果的变化从另一侧面印证了专注形态变化的影响。调查显示，62.2%的用户认为记忆和保留信息的能力有所提升，但16.6%认为有所下降。这种分化可能反映了不同类型记忆的差异化变化。AI可能有助于语义记忆的形成，通过提供结构化信息促进概念和知识的识记。但对情景记忆的影响则可能呈现不同，当阅读过程缺乏深度投入、缺少困惑与突破的鲜明认知体验时，与阅读相关的情景细节便难以得到有效编码。值得注意的是，记忆能力下降的比例（16.6%）高于其他大多数认知维度的下降比例，这种现象可能与研究者发现的“Google效应”存在相似机制。斯派洛（Sparrow）等人的研究表明，当人们预期可以持续获取外部存储的信息时，他们对信息获取路径的记忆会增强，而对信息内容本身的记忆则会减弱。在实验条件下，预期信息可保存的被试对信息的回忆率（22%）显著低于预期信息被删除的被试（31%），且被试对信息存储位置的记忆（49%）显著优于对信息内容的记忆（23%）^[30]。在AI辅助阅读情境下，当AI可以即时提供更精准的信息和解释时，这种外部记忆依赖可能得到进一步强化，大脑倾向于记忆信息的获取路径而非信息内容本身。

本研究基于认知心理学和学习科学的理论框架，结合问卷调查数据，系统分析了AI辅助阅读对深度阅读能力的影响机制。研究发现，AI工具从根本上重构了深度阅读的认知路径。在理解方式层面，传统的渐进式探索正在向即时获取转变；在知识建构层面，独立自主的意义建构正在向人机协同模式转变；在专注形态层面，用户体验呈现出明显的分化特征。这种重构在不同用户群体和使用情境下呈现出差异化的模式，既带来了信息处理效率的提升，也可能对认知自主性产生深远影响。

需要指出的是，本研究基于问卷调查的横断面设计，难以揭示AI辅助阅读对认知能力的长期影响轨迹，且依赖用户自我报告可能存在主观性偏差。未来研究可以采用追踪研究设计，观察认知能力的动态变化过程，更准确地评估AI辅助阅读的实际认知影响。如何在AI时代保持和发展深度阅读能力，不仅关乎个体的认知发展，更关乎人类文明的延续与创新，这一课题值得学术界持续深入探索。