AIGC时代——为何一心仍然不可二用

01

- ROMANCE WORLD -

题记：

1. 大脑实际上不适合多任务处理，因为其结构和功能更倾向于专注于单一任务。

2. 所谓的多任务处理其实是任务切换，这会导致效率降低和错误增加。

3. 多任务处理可能降低生产力，影响关键认知功能，如工作记忆和注意力。

下面是全文翻译：

在这个快节奏的世界中，多任务处理已经成为常态，并且经常出现在职位描述中。然而，尽管我们为自己的同时处理多个任务的能力感到自豪，我们可能过分夸大了自己的多任务处理能力。

所以，如果你认为自己擅长同时处理众多任务，你可能会感到惊讶地发现这是一种误解。实际上，我们的大脑缺乏有效同时管理两个或更多任务的能力；相反，大脑更适合一次专注于一个任务。

大脑不能同时执行多项任务，因为它缺乏这样做的结构。它已经进化到只能高效地执行单一任务。实际上，“多任务处理”这个术语是一个误称，因为你从未真正同时专注于两个任务。你所做的是不断地在它们之间切换。

这发生在两个阶段：目标转换和规则激活。

1. 在目标转换中，你的大脑有意识地将注意力从一个任务转移到另一个任务。

2. 随后，它吸收了新任务所需的规则，同时从与前一个任务相关的规则中脱离出来。

这种任务之间的来回切换是低效的。

你完成每个任务所需的时间会更长，并且可能会犯更多错误。

参与多任务处理的大脑区域是那些参与注意力和认知执行控制的区域。这些是前顶叶控制网络和腹侧及背侧注意力网络。这三个网络之间的交互定义了我们同时执行多个任务的能力。

主要参与多任务处理的三个神经网络扮演着不同的角色。

前顶叶网络识别手头的目标或任务，选择完成任务所需的相关信息，并过滤掉多余的信息。

背侧注意力网络（DAN）和腹侧注意力网络则集中你的注意力在任务上。

DAN允许你自愿地将注意力导向对完成前顶叶网络中代表的任务至关重要的信息。

相反，腹侧注意力网络（VAN）涉及到对外部刺激的非自愿性注意力转移，包括干扰或无关信息。

VAN和DAN共同平衡你在驾驶和打电话之间的注意力。

如果每个任务都需要高水平的认知努力，或者当有许多任务需要切换时，这种平衡可能会被打破。尤其是VAN，容易受到竞争信息流的干扰。

交互中的干扰和增加的认知需求是我们的大脑不能同时处理多项任务的主要原因。

任务切换的成本

当我们在多个任务之间转换时，我们必须支付一个特定的费用，称为任务切换成本。多任务处理对参与的大脑网络造成压力，导致性能准确性降低。

虽然练习可以提高你的多任务处理能力，但完全避免任务切换的成本是不可能的。

为了了解在多任务处理期间大脑中实际发生了什么，科学家们使用了功能性磁共振成像(fMRI)技术。他们发现，在任务切换期间，前顶叶控制网络和DAN的反应性都增强了。任务切换需求增加了神经元处理，因为大脑在两个目标之间振荡。fMRI的发现通过揭示在切换期间控制网络中任务表征的加强，支持了这种增加的神经认知需求。

因此，持续存在的认知需求的增加降低了提高我们多任务处理能力的可能性。一些研究甚至表明，过度的多任务处理可能会降低生产力，而不是提高它。

进行了一项研究，研究那些从事媒体多任务处理的个体，例如在看电视的同时使用Facebook，以评估多任务处理是否增强了特定任务的生产力。

研究结果揭示了当进行需要注意力控制和记忆的任务时，重度媒体多任务处理者处理两个独立任务的能力与轻度多任务处理者相当。

有趣的是，另一个发现揭示了当专注于单一任务时，重度媒体多任务处理者偶尔的表现比轻度多任务处理者更差。

这些研究提供了多任务处理，特别是媒体多任务处理，可能如何影响关键认知功能，如工作记忆和持续注意力的见解。

总之，虽然多任务处理在每种情况下都不一定是有利的，但在特定情境下它可以是有益的。

例如，边散步边思考问题可以带来洞察力和清晰度。

重要的是要为自己评估多任务处理的利弊，并在它们开始引起更多压力或错误时，避免同时处理多个任务。联系人类将普遍使用AIGC的新情境，试着分析在AI加持下的人脑多任务处理的未来有哪些可能性。

补充阅读1：

大脑在执行多任务时会出现效率降低和错误增加的情况，主要原因包括：

1. 任务切换成本：大脑在不同任务间切换时需要时间重新聚焦，造成时间和精力的损失。

2. 认知资源分散：多任务处理导致注意力和工作记忆等有限的认知资源被分散，影响任务表现。

3. 前额叶皮质过载：前额叶皮质负责决策和问题解决，多任务处理可能使其超负荷，降低效率。

4. 多巴胺奖励系统干扰：完成任务时的满足感导致多巴胺释放，多任务处理可能因追求这种满足感而分心。

5. 智商暂时下降：研究发现，多任务处理期间智商评分可能下降，类似于吸食大麻或熬夜的影响。

6. 记忆力和学习能力受损：多任务处理影响短期记忆或工作记忆，这是学习和思维活动的基础。

7. 压力和焦虑增加：多任务处理增加皮质醇分泌，导致压力和焦虑，影响情绪和心理健康。

8. 大脑结构变化：长期多任务处理可能影响大脑前扣带皮层，这是负责同情、认知和情绪控制的区域。

9. 决策能力受损：多任务处理影响大脑的决策机制，导致冲动行为和糟糕的决策。

10. 创造力受限：多任务处理减少了深度集中的机会，从而扼杀创新和创造性思维。

这些因素共同作用，导致多任务处理时大脑效率降低和错误率增加。

补充思考2：

大脑在执行多任务时会出现效率增加和创意增多的情况时，对多任务有和要求？

一边散步一边思考——bingo！

边聊天边思考自己的问题——获得灵感！

当大脑在执行多任务时出现效率增加和创意增多的情况，通常对多任务有以下要求：

1. 任务自动化：一些任务如果能够自动化或变成习惯，可以减少大脑的认知负荷，从而提高效率。（比如涂色神秘花园，能让人安静下来思考问题）

2. 任务相关性：多任务之间如果存在相关性或协同效应，可以更容易地在任务间切换，减少切换成本。（比如用视觉比较的方式思考问题，可视化深度参与思考，比如边听古筝边创作书法）

3. 任务简单性：简单的任务或不需要高度认知努力的任务更容易同时处理，减少对注意力的争夺。（比如散步时构思）

4. 任务兴趣：当任务本身具有吸引力或激发兴趣时，可以提高参与度和创造力，从而提高效率和创意。（做家务的时候获得灵感）

5. 任务控制：控制任务的数量和复杂性，避免同时处理过多任务，减少认知过载。（大脑的任务处理器要给主线任务足够内存）

6. 情绪管理：保持积极的情绪状态，减少压力和焦虑，有助于提高任务处理的效率和创意。（什么时候，人都要让自己开心，开心了工作效率才能提高，听音乐创作绘画）

7. 环境支持：提供一个支持多任务处理的环境，如减少干扰、提供必要的工具和资源。（这是AIGC时代给人类多线程任务最好的礼物，提供了高支持多线程的环境。）

8. 休息和恢复：在多任务处理中安排适当的休息时间，帮助大脑恢复和重新集中注意力。

9. 正念和专注：培养正念和专注力，提高在多任务处理中的注意力控制和任务执行能力。

10. 任务整合：将多个任务整合到一个更大的框架或项目中，使其成为相互关联的部分，而不是孤立的任务。

11. 反馈和调整：及时获取反馈并根据反馈调整任务处理策略，优化多任务处理的效果。（这也是AIGC擅长的，及时反馈，）

通过满足这些要求，可以在一定程度上提高多任务处理的效率和创意，但需要注意的是，多任务处理仍然存在其局限性，合理评估和调整任务处理策略是关键。

补充思考3：

在人工智能生成内容（AIGC）时代，AI技术为多线程任务处理带来了革命性的改变。例如，智能个人助理如苹果的Siri或谷歌助手，通过学习用户的日常习惯，自动安排日程和提醒重要会议，从而实现智能任务管理。在自动化和简化方面，AI可以自动完成数据录入和报告生成，如使用Excel宏或自动化脚本，减少手动操作，让用户有更多时间处理战略性任务。

个性化辅助在教育领域尤为突出，智能教育平台如Khan Academy根据学生的学习进度和理解能力，推荐个性化学习资源和练习，优化学习路径。在实时反馈和调整方面，企业如HubSpot利用AI分析客户互动数据，实时调整营销策略，提升客户满意度。

减少干扰的能力在日常工作管理软件如Asana中得到体现，它通过智能通知管理，确保用户只收到与其任务相关的更新，避免信息过载。

创意激发在设计和艺术创作中也有所体现，AI提供创意工具和思维导图，激发新想法，促进创新思维的发展。Adobe Sensei通过机器学习技术，为设计师提供创意灵感和设计建议。

情绪和压力管理则可以通过智能健康应用如Calm或Headspace实现，它们通过监测用户的情绪状态，提供定制化的冥想和放松练习。AI通过情绪识别技术监测用户情绪状态，提供调节建议，帮助用户维持最佳工作情绪。

整合多模态交互在智能家居设备如亚马逊Echo中得到体现，用户可以通过语音命令控制家中的智能设备，实现更自然和直观的交互体验。

AIGC时代的这些AI技术不仅提高了工作效率和创造力，还减少了多任务处理可能带来的压力和认知负担，成为人类在多线程任务处理中的得力助手。

补充思考5：关于大脑的多线程任务的研究对课堂教学设计的影响

1. 强调专注学习：文段指出大脑更适合一次专注于一个任务，在教学设计中，可以安排专门的时间段让学生专注于单一的学习任务，避免过多的干扰和多任务并行，以提高学习效果和准确性。

2. 讲解大脑认知原理：向学生介绍大脑处理任务的方式，如目标转换和规则激活等过程，帮助学生理解为何多任务处理存在困难和低效性，增加他们对自身学习过程的认知。

3. 合理安排任务：考虑到任务切换的成本，教师在设计课堂活动和作业时，应避免过于频繁的任务转换，使学生能够在一段时间内集中精力完成相关的学习活动。

4. 培养评估能力：引导学生像文中评估多任务处理的利弊一样，学会评估不同学习策略的优劣，培养他们的自主学习和决策能力。

5. 结合 AI 情境：联系到人类将普遍使用 AIGC 的新情境，教师可以设计讨论或研究课题，让学生思考在 AI 加持下，如何更好地发挥人脑的优势，如何优化多任务处理能力，以及如何避免可能出现的问题，培养学生的创新思维和对未来的适应能力。

结合 AIGC 技术，思考如何更好地优化人脑的多任务处理能力？例如，AIGC 可以如何协助我们更高效地完成多个任务？在借助 AIGC 进行多任务处理时，可能会出现哪些问题？如何避免？

如何更好地优化人脑的多任务处理能力：

1. 信息筛选与整合：AIGC 可以快速筛选大量信息，并将相关的内容进行整合分类，为人脑减轻信息处理的负担，使人脑能够更专注于对关键信息的分析和决策。

2. 任务规划与优先级排序：利用 AIGC 工具根据任务的重要性、紧急程度和所需时间等因素，为多任务制定合理的规划和优先级排序，帮助人脑更有条理地安排工作顺序。

3. 智能提醒与时间管理：AIGC 可以设置提醒，确保在处理多个任务时不会错过重要的时间节点，同时合理分配每个任务的时间，避免在某个任务上过度投入而忽视其他任务。

4. 语言处理辅助：在涉及到大量文字处理的多任务中，如写作、翻译、资料整理等，AIGC 能够提供语言生成、语法检查、词汇推荐等帮助，提高处理速度和质量。

AIGC 协助更高效完成多个任务的方式：

1. 自动生成初稿：在写作类任务中，AIGC 能迅速生成文章的初稿，让人脑专注于修改和完善，节省从头创作的时间。

2. 数据分析支持：对于需要处理多个数据集的任务，AIGC 能够快速进行数据分析和总结，提供关键的见解和趋势，使人脑能够更快地做出基于数据的决策。

3. 实时翻译服务：当同时处理涉及不同语言的任务时，AIGC 提供实时准确的翻译，消除语言障碍，提高处理效率。

4. 创意启发：在创意相关的多任务中，如设计、策划，AIGC 可以提供灵感和创意方向，激发人脑的创新思维。

借助 AIGC 进行多任务处理时可能出现的问题及避免方法：

1. 过度依赖：可能导致人脑自身的思考和处理能力退化。避免方法是明确 AIGC 是辅助工具，仍要保持独立思考和判断的能力，定期进行无 AIGC 辅助的任务训练。

2. 数据安全与隐私问题：使用 AIGC 处理任务时，可能存在数据泄露的风险。应选择可靠的 AIGC 服务提供商，遵循数据保护法规，并对敏感信息进行适当的加密和保护。

3. 结果准确性：AIGC 生成的结果并非 100%准确，可能存在错误或偏差。在使用其输出结果时，要进行仔细的核实和校对，必要时寻求人工专业的验证。

4. 适应性局限：某些复杂和特殊的任务情境可能超出 AIGC 的处理能力。在多任务规划中，充分考虑任务的特殊性，对于不适合 AIGC 处理的部分，依靠人脑的灵活性和适应性来解决。

5. 伦理和道德问题：例如抄袭、虚假信息生成等。通过加强伦理教育，明确使用规则和道德准则，确保合理、合法和负责任地使用 AIGC 技术。

我准备假期把课程内容梳理一遍，有读到这里的小伙伴想跟我一起再学一遍《教学系统设计》的记得评论区留言，如果人多，我就把视频版做出来放在cctalk

如果你喜欢我做的电子记录