信息可“变速” 思考无捷径——青年人面对倍速播放、切片与“一键总结”的反思

　　这个有些夸张的念头，成了她和搭档做一期播客的由头。她们盘点自己的日常：视频习惯倍速，播客越听越快，通勤、吃饭甚至洗澡，都恨不得同时“顺便”完成另一件事。评论区里，一位听友说，自己常常倍速听播客。囡囡回复：“原速效率低，于是倍速咻咻地听。”

　　很多年轻人亦如此：长视频先找时间轴，几十页报告先让人工智能提炼要点，看书先搜“三分钟读懂”切片视频……近期媒体面向173所高校3271名大学生开展的调查显示，62.98%的受访大学生平时看剧、综艺、短视频会开2倍速。

　　速度的确提上来了，可一些年轻人开始反思：“直接看重点”越来越顺手，省下了时间，是不是也失去了什么？当结论越来越多地由切片、摘要和人工智能提前送到眼前，我们对一件事完整而具体的理解，又能有多少？

　　“先看重点”，成了下意识

　　00后人工智能内容运营从业者“侃少2077”，很早便把人工智能摘要纳入自己的信息处理流程，它如同一张简略地图，帮助他判断一段内容是否值得继续投入时间。

　　每天出现的信息，远超一个人能够读完的数量。侃少希望借助人工智能先“试读”：感兴趣，再回到原始内容；价值不大，便及时退出。在他看来，人需要分清楚，究竟是自己在选择信息，还是被信息牵着走。

　　这种“快”也源自生活节奏的提速。

　　采访中，大学生杨紫琳将2倍速称为自己的“基本操作”。考研期间，她把零碎时间塞得满满当当：买完早饭走向自习室，耳机里还播放着英语听力；娱乐视频一再提速，很少完整看完电影和电视剧，更多时候用别人剪辑好的短视频了解剧情。

　　她甚至一度同时维系5份实习和社团活动。每完成一件事，日程表上便多一个勾。忙碌最初带来的是充实感——在同样的时间里多做一点，似乎就能离目标更近一点。

　　福州大学人文社会科学学院副教授王杰将这种“倍速生活”背后的处境概括为“时间荒”：年轻人既想学习和工作，也想读书、旅行、社交和独处，能够分配给每件事的时间变少了。

　　到了生成式人工智能时代，“划重点”甚至不必亲自动手。

　　西安工业大学汉语言文学专业学生周雨枝，会把课程课件交给人工智能，让它拆分章节、比较易混淆的概念，再按照考试题型整理复习材料。预习陌生理论时，她先让人工智能解释，再回到课本查漏补缺。

　　2026年中青校媒的一项调查显示，98.55%的受访大学生使用过人工智能辅助学习，62.02%会用它整理课堂笔记、拆解重点难点，50.68%会用它做文献检索、论文框架搭建和数据分析。

　　对周雨枝来说，人工智能节省的是整理时间。对侃少来说，它承担的则是初步筛选。先知道“讲了什么”，再决定是否继续走进去，正在成为越来越多年轻人的信息处理方式。

　　只是，“走进去”这一步，并非每次都会发生。

　　人工智能的总结，不是你的思考

　　内容创作者“墨玩”看一期采访某软件创业者的播客时，没有先找摘要，而是一边看，一边记下触动自己的内容。这份笔记，与人工智能总结的笔记在内容轮廓上基本一致，但后者“血肉和感情不太真实”。

　　人工智能的内容没有列出令“墨玩”印象最深的事件，但在亲手写下的笔记里，这些内容与人的真实经历发生了联系，也勾连着人现实的处境、复杂的思绪。他由此深感：“人工智能的总结始终只是‘人工智能的总结’，不是你的思考。”

　　同一段内容，不同的人会因为知识积累、生活处境和正在面对的问题，留下不同的部分。模型可以提取反复出现的概念，却很难判断哪句话会与一个人的具体经验相遇。

　　类似的落差，也出现在西安航空职业技术学院学生刘佳豪身上。

　　飞行器制图、飞机装配、机身结构力学等课程中，有大量专业术语和复杂计算。刘佳豪逐渐习惯用人工智能拆解知识难点、整理课堂笔记、寻找参考代码。一次编程作业中，他直接采用了人工智能生成的代码，最终结果却与实测数据完全不符。

　　复盘时，他发现，需要警惕的不只是答案有误。长期依赖完整答案后，遇到力学计算和程序报错，他的第一反应开始从自主推导变成向人工智能求助。但在真实的装配现场，偏差发生在哪一步，仍要靠操作者自己排查。

　　调查中，49.03%的受访大学生承认，遇到问题时会习惯性依赖人工智能、不愿自主钻研；47.38%的受访大学生感到自己对知识点的理解变得肤浅、记忆不够深刻。

　　切片传播中被省去的，则常常是语境。

　　一场几小时的访谈，进入社交平台后可能只剩几十秒。一句话被保留下来，与它有关的提问、前提和适用范围，却未必一起留下。清华大学新闻与传播学院助理研究员孙晶茹指出，新的受众只能依据各自经验补充被切掉的部分，看似围绕同一句话讨论，面对的可能已经不是同一个问题。

　　在中国教育科学研究院教师发展研究所助理研究员易凯谕看来，理解一个问题，通常要经历信息感知、提出假设、比较方案、试错修正和组织表达。人工智能可以压缩任务完成的时间，却不意味着这些过程已经在学习者头脑中发生。

　　他提出“认知摩擦”的概念：理解一件事，往往需要经历困惑、比较、试错和修正。如果所有“费劲”都被技术消除，原本应由学习者完成的思维加工也可能随之消失。

　　什么可以交给工具，什么必须自己完成

　　喜欢倍速与失去耐心，未必是一对因果关系。复旦大学信息与传播研究中心与某播客平台联合开展的研究显示，播客单集平均时长达到59分钟，仍有61.5%的用户会完整收听，用户日均收听时长为79分钟。研究者认为，这些数据在一定程度上挑战了“短视频时代用户只愿意快速消费信息”的判断。

　　华中师范大学心理学院王福兴等学者对教学微视频播放速度的研究显示，在控制总学习时间后，1.5倍速观看并未表现出明显劣势。播放速度是否影响学习，还与材料难度、观看时间和学习方式有关。由此看来，问题的关键也许并不在于快慢，而在于人在使用工具之后，是否仍然完成了必要的理解、判断和验证。

　　华东师范大学吴雯、任飞霏的研究，则尝试让人工智能换一种方式介入学习。

　　研究没有把大语言模型简单设置成“答题机器”，而是建立了一套依据错误原因分类的启发式问题库。学生出现错误后，模型先判断可能错在哪里，再沿着相应方向提问，推动学习者重新检查自己的思路。

　　研究者比较了几种不同方式：一种让模型完全自由提问，一种要求模型严格按照固定模板提问，一种先依据错因确定方向，再让模型结合具体对话灵活追问。同时，研究引入人工评价和大模型评分，考察不同对话能否促使学习者察觉、反思和调整自己的思维。

　　结果显示，效果较好的是第三种“半自由提问”。完全自由提问容易空泛、跳跃，固定模板又可能显得机械；依据错因确定方向后再灵活追问，既能抓住问题，也为对话留下空间。人工智能由“问题百科”转向“提问导师”，不再急于交付答案，而是继续问：为什么这样判断？问题可能出在哪一步？还有没有其他解释？

　　经历代码“翻车”后，刘佳豪调整了自己的使用方式：“人工智能只作为思路参考。”装配图纸可以让它辅助拆解，具体的建模、演算、数据验证和程序调试仍由自己完成。

　　00后自由职业者阿靖用人工智能创业、做培训，也研究各种效率工具，却把自己的播客取名为“0.5倍速”。在节目介绍中，他称这里是自己的一条“思维减速带”，自己想做一个“在加速时代慢思考的少数派”。

　　针对不同的信息，年轻人开始分配不同的速度。

　　他们没有简单地回到“一切都倍速”或“一切都慢慢来”，而是开始分辨：哪些内容，知道结论已经足够；哪些问题，必须亲自经历寻找、比较和推敲。