再怎么训练，大脑也无法多任务处理

开篇

订阅者朋友，您好。这里是Oswarld的OZ Talking。

今天想聊聊心理学的话题。“多任务处理”这个词，对韩国上班族来说几乎是一项生存技能。一边确认Slack消息一边整理会议记录，一边写邮件一边浏览下一场会议的资料，这几乎是日常。很多人相信这之所以可能，是因为“熟练”。实际上，认知心理学¹​领域长期以来的主流研究结论也是“只要充分练习，就能几乎同时处理两项任务”。

但是，今年发表的一项研究正面推翻了这个持续30年的信念。先说结论：无论训练多久，大脑的“瓶颈”都不会消失。而且这一发现不仅仅是单纯的学术好奇心，在AI开始取代认知劳动²​的当下，它具有相当重要的意义。

12天的训练，以及崩塌的“完美时间分割”假说

这项研究由德国哈勒-维滕贝格马丁·路德大学的Torsten Schubert教授团队完成。这是与哈根远程大学、汉堡医学院的联合研究，发表在《实验心理学季刊》（Quarterly Journal of Experimental Psychology）上。

实验设计相当直观。研究人员让参与者同时执行一项视觉-手动任务（用右手标示屏幕上短暂出现的圆圈大小）和一项听觉-语音任务（说出同时听到的声音是高、中还是低）。这是使用不同感觉通道的两项任务。

关键在于训练周期。参与者最多重复进行这项双重任务³​达12天。结果反应速度加快，错误也减少了。到这里为止，模式与以往研究相同。以往的研究将这一现象称为“近乎完美的时间分割（virtually perfect time sharing）”，并将其解读为大脑能够真正并行处理⁴​两项任务的证据。

但Schubert教授团队在此基础上更进一步。训练结束后，他们人为改变了任务中反应选择阶段（response selection stage）⁵​所需的时间。简单来说，就是对已经训练得非常熟练的例行流程做了一个极其微小的改动。

结果是戏剧性的。当延长较短任务的瓶颈阶段时，较长任务的反应时间也随之延长；但反过来却不成立。这清楚地表明，两项任务仍然是依次通过同一个瓶颈的。练习并没有“消除”瓶颈，只是把瓶颈前后的处理速度提升得非常快，从而在表面上把它隐藏了起来。

Schubert教授这样解释：大脑非常擅长优化两个过程的顺序，精心安排使它们互不干扰。但这种优化是有极限的，一旦情况稍微变难，认知系统就会迅速疲惫，错误也随之增多。

“潜在瓶颈”模型——并非消失，而是被隐藏了

这项研究提出的理论框架被称为“潜在瓶颈（latent bottleneck）模型”。核心概念可以这样理解。

人类大脑中存在一个中央处理瓶颈，两项任务无法同时通过。这个阶段被称为“反应选择”，是决定“对这个刺激该做出什么反应”的过程。这个瓶颈是结构性的，也就是说，无论怎么改变策略或提高动机，都无法将其消除。

长期练习并不会消除瓶颈本身，而是极大地缩短了瓶颈前一阶段（刺激识别）和后一阶段（反应执行）的处理速度。结果，两项任务看起来像是几乎同时通过了瓶颈。但只要任务条件稍有变化——比如反应选择所需的时间略微延长——隐藏的瓶颈就会立刻重新显现。

打个比方，这就像高速公路收费站。无论车流如何优化，收费站的车道数量都不会改变。平时车少的时候感觉不到瓶颈，但只要车流量稍微增加，拥堵就会开始。大脑的中央处理也是同样的道理。

这一发现为认知心理学中长期存在的争论——“瓶颈究竟是结构性的，还是策略性的”⁶​——提供了偏向结构性限制一方的证据。同时，它也为将以往研究解读为“瓶颈消除”证据的现象，重新解读为瓶颈的“隐藏”提供了依据。

为什么这项研究在此刻很重要？——因为AI已经开始分担认知劳动

在这里让我稍微转换一下视角。这项研究发表的时间点，恰好是AI开始实质性分担上班族认知劳动的2025年。

麦肯锡估计，AI带来的长期生产率增长潜力约为4.4万亿美元（约6,400万亿韩元）。根据ActivTrak发布的《2025年职场现状报告》，58%的上班族已经在工作中使用AI工具，与2022年相比增长了107%。

然而，同一份报告中还给出了一个有趣的数据。自采用AI工具以来，协作时间增加了27%，多任务处理增加了5%，但集中效率（focus efficiency）⁷​却反而从65%下降到了62%。生产性时间增加了2%，但专注时段的平均时长却缩短了8%。

将这份数据与Schubert教授团队的研究相叠加，就会浮现出一幅令人不安的画面。AI通过自动化部分工作、把“腾出来的认知资源”投入到其他任务上——也就是AI辅助下的多任务处理——可能并没有想象中那么有效。

期待AI帮忙起草报告的同时自己去做别的事，就能让生产力翻倍——这种期待，在结构上与“练习之后就能实现并行处理”的假说建立在相同的前提之上。但如果潜在瓶颈模型是正确的，那么无论AI提供多少帮助，我们大脑的反应选择阶段依然只能一次处理一个决策。

汉堡医学院的Tilo Strobach教授强调了这项研究在安全领域的意义。他说：“我们的结果说明了为什么像开车时打电话这种被认为已经‘习惯化’的日常多任务处理可能是危险的。对于像航空管制员或同声传译员这样必须并行处理多项任务的职业群体，同样的原理也适用。”

Oswarld视角

我们一直以来犯下的最大错误，往往源自一种固定的判断模式——**“这个团队已经很熟练了，应该能同时推进两个项目”。熟练的团队实际上看起来确实能同时推进两个项目。报告照常产出，会议照常召开，里程碑照常达成。**但在某个瞬间——客户提出意料之外的要求，市场状况骤变，或是团队中有人离开——一个微小的变量就足以让整体表现崩溃。这与这项研究所说的“潜在瓶颈显现的瞬间”，结构上完全一致。

我特别关注的是AI时代工作设计的启示。现在许多组织都在以“AI处理重复性工作，所以人可以做更多事情”为前提设计工作流程。但正如这项研究所示，人类的认知瓶颈并非由任务难度激活，而是由任务数量激活。无论AI如何减轻认知负荷⁸​，同时做出两个决策依然是不可能的。

因此我这样看：AI时代真正的生产力提升，不是“让人做更多事情”，而是“让人能够在同一时间更深入地专注于一件事”。AI的价值不在于让多任务处理成为可能，而在于让人可以不必再进行多任务处理。

结语

总结一下：**第一，无论训练多久，大脑的中央处理瓶颈都不会消失。**它只会变快，不会消失。第二，多任务处理“看起来运转良好”的状态，并非瓶颈被消除，而是被隐藏了，一个微小的变量就会让它瞬间崩溃。第三，在AI分担认知劳动的时代，工作设计的核心不应是“更多的事”，而应是“更深的专注”。

下次当你发现自己一边确认Slack通知，一边写策划书时，不妨想一想：此刻，在你大脑的某个角落，正有两辆车排在收费站前等候通行。

参考资料与延伸阅读

• Schubert, T., Liepelt, R., & Strobach, T., “Evidence for a Latent Bottleneck After Extensive Dual-Task Practice of a Visual-Manual and an Auditory-Verbal Task”, Quarterly Journal of Experimental Psychology, 2025. ：这是今天这期通讯的核心论文，包含三项实验的结果以及潜在瓶颈模型的理论依据。
• Dux, P. E. et al., “A Unified Attentional Bottleneck in the Human Brain”, Proceedings of the National Academy of Sciences, 2011. ：通过fMRI确认大脑中统合注意瓶颈区域（下额顶联合区、上内侧前额皮质、双侧脑岛）的研究，有助于理解瓶颈的神经科学依据。
• Strobach, T. & Schubert, T., “A mechanism underlying improved dual-task performance after practice: Reviewing evidence for the memory hypothesis”, Psychonomic Bulletin & Review, 2024. ：从工作记忆的角度回顾了双重任务训练效果的机制。
• Pashler, H., “Dual-Task Interference in Simple Tasks: Data and Theory”, Psychological Bulletin, 1994. ：中央瓶颈理论的经典之作。如果想了解双重任务干扰研究的起点，可以从这篇论文读起。
• ActivTrak, “2025 State of the Workplace Report”, 2025. ：年度报告，以数据展示了AI引入后上班族在集中效率、协作时间、多任务处理方面的变化。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. 认知心理学（Cognitive Psychology）：科学地研究人类如何接收信息、记忆、判断和行动的心理学分支。可以理解为通过实验揭示“我们的大脑如何思考”的学科。 ↩

2. 认知劳动（Cognitive Labor）：主要依靠大脑而非身体完成的工作。数据分析、报告撰写、决策制定、战略规划等知识劳动是其代表。AI开始取代的领域，正是这类认知劳动中的一部分（摘要、初稿撰写、模式识别等）。 ↩

3. 双重任务（Dual-Task）：同时执行两项任务的实验方式。日常生活中，“边开车边打电话”就是典型的双重任务。在研究中，研究者会刻意让两项任务使用不同的感觉通道（视觉/听觉）或反应方式（手/声音），从而精确测量干扰发生的位置。 ↩

4. 并行处理（Parallel Processing）：同时处理多项任务的方式。在计算机中，多核CPU可以真正同时运行多个程序，但这项研究的核心发现是，人类大脑在特定认知阶段无法做到这一点。与之相对的概念是顺序处理（一次处理一项）。 ↩

5. 反应选择阶段（Response Selection Stage）：在识别刺激之后，决定“该做出什么反应”的认知过程。例如，眼睛看到红灯亮起（刺激识别）之后，判断“应该踩刹车”（反应选择），然后实际移动脚（反应执行），这是三个阶段中间的一环。这项研究认为，正是这个阶段是瓶颈的核心所在。 ↩

6. 结构性瓶颈 vs. 策略性瓶颈之争：认知心理学中一场持续了30多年的学术争论，探讨双重任务干扰究竟源自大脑的物理结构（结构性），还是源自人主动优先处理某一任务的策略（策略性）。这项研究的结果支持结构性限制一方。 ↩

7. 集中效率（Focus Efficiency）：ActivTrak使用的一项指标，指整体工作时间中不受打扰、专注于单一任务的时间所占比例。例如，8小时工作中若有5小时是专注时间，那么集中效率约为63%。这个数值越高，意味着深度工作（deep work）的时间越多。 ↩

8. 认知负荷（Cognitive Load）：执行某项任务时大脑承受的精神负担大小。简单任务（在熟悉的路上开车）认知负荷较低，困难任务（在陌生地方一边看导航一边开车）认知负荷较高。AI工具可以代为处理重复性工作从而减轻认知负荷，但根据这项研究，即便认知负荷降低，“同时决定两件事”这一瓶颈本身依然不会被消除。 ↩