认知债务：AI作为智力杠杆与系统性脆弱性动态

# 作为智力杠杆的AI与系统性脆弱性的动态 来源：https://arxiv.org/html/2606.15078 \(2026年6月 初稿 — 欢迎评论\) 

###### 摘要  
我们建立了一个关于*认知债务*的形式理论：当个体将AI用作替代——而非补充——第一性原理认知时，所积累的未经验证的推理义务存量。该模型为每个代理人设置两个状态变量——*认知资本*（独立推理、验证和知识转移的能力）和*认知债务*（相应的未履行义务）——以及一个乘数型生产技术，其中认知资本作为抵押品决定AI采用收益。我们建立了六个命题。（1）理性代理人会产生正的认知债务，因为其成本是延迟的、部分外部化的，并被短期生产率提升所掩盖。（2）平静期会降低主观风险评估，提高AI替代强度并放大杠杆——产生一个*认知明斯基时刻*：主观风险下降而真实的系统性脆弱性上升。（3）预期危机损失在总杠杆率上是凸性的，因此高杠杆经济体尤其脆弱。（4）危机后，产出目标压力会产生一个*错误纠正循环*：代理人理性地用更多AI来修补AI失败，在竞争性产出压力下使杠杆棘轮式上升，并增加未来危机的严重性。（5）分散均衡过度采用替代型AI，偏离了社会最优水平，其原因在于三种未定价的外部性：系统性风险、认知公共品和军备竞赛外部性。最优的庇古工具是针对总杠杆率指数化的AI使用税。（6）在双类型异质性代理人经济中，高认知资本代理人更密集地采用AI，更快侵蚀其资本，并且——命运逆转——最终拥有的独立认知资本*少于*最初技能较低的代理人；异质性还通过危机损失的凸性放大了总体系统性风险。

**关键词**：认知债务；AI采用；智力杠杆；明斯基脆弱性；人力资本；系统性风险；外部性。  
**JEL分类号**：O33, E44, J24, D62, G01。

## 1 引言  
##### 生产率悖论。  
考虑同一实验计划中的两个发现。Noy和Zhang（2023）随机为职业中期专业人士提供大语言模型访问权限，发现受试工人完成写作任务的速度快37%，且独立评估者的质量评分更高。Dell’Acqua等人（2023）在对波士顿咨询集团分析师进行的现场实验中，复现了常规分布内任务的生产率提升——然后要求工人解决超出AI训练前沿的问题。对于这些*分布外*任务，高AI使用组的表现*差于*对照组，这与AI能力前沿的过度依赖和校准失误一致。我们将其解释为下文发展的长期认知资本机制的短期类比。  
这一模式并非异常。它是本文形式化的一种结构性机制的特征：短期生产率与长期认知能力相互矛盾，而理性最大化前者的代理人系统性地对后者投资不足。结果是一个隐藏的义务存量——代理人*借助*AI能产出的与*不借助*AI能产出的之间的差距。我们称这一存量为*认知债务*。

##### 本文。  
我们构建了一个带有总体认知外部性的AI采用动态均衡模型，研究认知债务累积、系统性脆弱性与福利。该框架有两个显著特征。  
首先，认知资本作为AI采用的*抵押品*：AI的边际产出严格与独立认知能力成正比，因此资本侵蚀会反馈到AI依赖的自我强化循环中。  
其次，AI失败是一种*共因*事件：当AI系统共享训练数据且用户共享工作流时，错误是相关的，而模型崩溃（Shumailov等人，2024）会按总体依赖程度降低AI质量。  
这两个特征共同在认知领域产生了明斯基式的不稳定性。我们的核心贡献在于证明三种单独看来良性的特征——每一种似乎都是合意的或最多是中性的——结合起来产生了系统性脆弱性。

1. **乘数互补性。** 认知资本不仅与AI互补；它是*基础资产*，其水平决定了AI使用的收益。高资本代理人从AI中提取更多收益；低资本代理人无法有效地提示、验证或转移AI输出。这会产生反馈：资本侵蚀降低了AI的边际产出，但这并不会减少AI依赖——反而增加了AI依赖，因为产出目标保持不变。  
2. **无形债务。** 认知债务在正常运作中不可观测。技能萎缩仅在AI不可用时、任务超出AI能力前沿时，或AI产生需要第一性原理纠正的自信幻觉时才会显现。在模型中，这对应于压力状态：债务暴露κz_bit_仅在冲击强度z>0时可见。  
3. **系统性相关。** AI错误并非特质性的。当代理人采用相同的AI系统时，他们的错误变得相关。当AI生成内容主导训练管线时，模型崩溃（Shumailov等人，2024）会随时间侵蚀AI质量。这两种力量意味着AI失败是一种共因事件，而非可多样化风险。

##### 主要结果。  
在一个包含连续代理人选择AI替代强度和有意识练习投资的模型中，我们建立了：

- **命题1**表明理性代理人最优地产生正的认知债务。均衡债务的决定因素是透明且可实证观察的：AI质量、产出压力、贴现因子、对AI失败的主观概率以及个人对失败成本的暴露程度。  
- **命题2**确立了认知明斯基时刻。每个平静期——一段没有观察到AI失败的时期——都会降低主观风险并提高均衡AI替代强度。认知杠杆Ωt = B̄t / K̄t单调上升，而真实的危机概率也随之上升。明斯基背离——π̂t ↓ 而 πt ↑ ——是理性贝叶斯更新在系统的真实风险过程内生于信念驱动杠杆循环时的必然结果。  
- **命题3**显示危机损失在杠杆上是凸性的。在脆弱性阈值附近，Ω的微小增加会产生不成比例的大预期损失，因为认知危机的概率和严重性都随Ω递增。  
- **命题4**描述了*错误修正循环*。当当前产出的影子价格超过未来认知资本恢复的影子价格时，个体对AI失败的最优反应是采用*更多*AI帮助——用AI修补AI错误。在竞争性产出压力下，该条件一般成立，从而产生杠杆的棘轮式动态。  
- **命题5**推导出社会计划者的最优解，并量化导致分散均衡差距的三种外部性：（i）系统性风险外部性，因为我的AI使用提高了总杠杆率和共因失败概率，而我并未承担全部损失；（ii）认知公共品外部性，因为社会验证能力取决于独立认知资本的总存量；（iii）军备竞赛外部性，因为平均AI使用率的上升提高了竞争性产出基准，迫使他人增加AI依赖。  
- **命题6**（异质性代理人）确立了*命运逆转*：高认知资本代理人更密集地采用AI（因为AI的收益与k成正比），其资本侵蚀更快，最终拥有的独立认知资本*少于*那些保守采用AI的低资本代理人。长期内，AI采用压缩了认知资本的分布，即使它最初扩大了产出不平等。

图1展示了明斯基背离和杠杆动态；图2显示了通过套利–投机–庞兹相空间的均衡轨迹；图3展示了异质性代理人的不平等逆转。

##### 相关文献。  
本文处于四个研究脉络的交汇处。

**技术与人力资本。** Acemoglu和Restrepo（2018）将自动化视为任务替代；Acemoglu和Restrepo（2019）引入了再安装任务。我们的不同之处在于关注资本存量的*跨期*侵蚀而非同期任务分配，并引入带有自身复合动态的债务状态变量。

**金融脆弱性。** 明斯基框架（Minsky, 1986）根据收入流与债务义务之间的关系对金融头寸进行分类。Kiyotaki和Moore（1997）形式化了信用周期中的抵押品约束。Bernanke等人（1999）发展了金融加速器。我们将明斯基分类引入认知领域，其中认知资本扮演抵押品角色，认知债务通过习惯形成和上升的转换成本而复合。

**AI与生产率。** Brynjolfsson等人（2025）和Noy与Zhang（2023）记录了AI访问带来的短期生产率提升。关键的是，Dell’Acqua等人（2023）识别出*锯齿前沿*：AI提高了分布内任务的表现，但*降低了*高AI依赖工人在分布外任务上的表现。这种不对称性是我们压力状态生产函数的实证锚点。

**系统性风险与外部性。** Allen和Gale（2000）以及Acemoglu等人（2015）研究了金融网络中的传染。模型崩溃（Shumailov等人，2024）是认知领域的模拟：AI生成内容在训练管线中会以与给定模型家族的所有用户相关的方式降低AI质量。

##### 结构。  
第2节介绍模型。第3节求解个体问题（命题1）。第4节描述总体动态（命题2和3）。第5节分析危机后动态（命题4）。第6节推导社会最优与最优政策（命题5）。第7节发展双类型异质性代理人经济（命题6）与命运逆转。第8节讨论扩展与局限。第9节总结。所有证明见附录。

## 2 模型  
### 2.1 环境  
时间是离散的，t = 0, 1, 2, ...。存在一个由代理人构成的连续统，索引为i ∈ [0, 1]。每个代理人由两个状态变量刻画：

- • k_it ≥ 0：*认知资本*——独立推理、验证、综合和知识转移的能力。这是无需AI支持的智力能力存量。
- • b_it ≥ 0：*认知债务*——当前任务需求与当前认知资本之间的差距，通过AI得以维持。形式上，b_it是未经验证的推理义务存量：借助AI生产的输出，代理人无法独立复现、验证或纠正。

每期，代理人i选择两个控制变量：

- • a_it ∈ [0, 1]：*AI替代强度*——外包给AI的认知密集型步骤的比例。我们保留“替代型AI”标签用于a_it > 0；纯粹作为导师、验证者或反馈设备使用AI（要求代理人进行第一性原理推理）对应于a_it = 0。
- • x_it ≥ 0：*有意识练习投资*——认知债务偿还：手工推导、独立测试、主动验证、第一性原理重构。

#### 竞争性产出基准  
代理人处于竞争性环境中，其产出根据内生总体基准进行评估。令ȳ_t表示对称均衡平均产出。代理人i在状态s下的每期收益为：

u_it^s = y_it^s - χ max{0, ȳ_t - y_it^s}, (1)

其中χ ≥ 0是竞争压力参数，捕捉因低于基准而产生的工资惩罚、劳动力市场替代或组织排名。每个代理人视ȳ_t为给定；社会计划者内生化其影响。在对称均衡中，y_it^s = ȳ_t，因此惩罚在实现中为零；但当他人保持高A_t时，低于基准的威胁创造了战略互补性，推动社会层面的过度采用（第6节）。危机后分析（第5节）中的产出约束y_it ≥ w是竞争压力加剧时该基准的实现形式。

### 2.2 生产技术  
每期自然抽取状态s_t ∈ {N, S}，其中N是正常状态，S是压力状态。压力状态的真实概率为π_t，由均衡内生决定（第4节）。代理人i持有关于压力状态概率的主观信念π̂_t，通过下文描述的贝叶斯规则更新。

#### 正常状态生产  
在状态N中，产出为：

y_it^N = k_it · G(a_it; q_t), (2)

其中q_t > 0表示当前AI系统的质量。

###### 假设1（正常状态技术）。G: [0,1] × ℝ_{++} → [1, ∞) 是二次连续可微的，且满足：
1. *(i)* G(0; q) = 1 对所有 q > 0。  
2. *(ii)* G_a(a; q) > 0