人类正处于一个前所未有的知识环境：信息获取几乎不再构成障碍。问题的答案可以即时生成，复杂的知识可以被压缩呈现，文本、图像与声音在同一界面不断流动与重组。就获取而言，人类似乎比以往任何时代都更接近“全知”。

　　然而，一个更为隐蔽且深刻的变化正在发生。当知识变得触手可及，人类的理解能力并未同步提升，反而呈现出某种程度的弱化趋势。这种结构性张力，在我看来，恰恰构成AI时代最值得警惕的认知问题——理解力危机。

　　长期以来，关于阅读危机的讨论大多集中于阅读时间减少、纸质媒介式微以及阅读习惯转变。这一判断在印刷时代具有充分的解释力。然而，进入人工智能时代，这一问题的性质已悄然发生改变：阅读并未消失，甚至在某种意义上更加普及——人们每天接触的信息量远超以往任何时期，但与此同时，一种更深层的认知问题正在浮现，即理解能力的相对退化。

　　我所谓的“理解力危机”，并非指人类不再接触知识，而是指在信息高度充裕甚至过剩的条件下，个体将信息等同于理解、将结论等同于认知，从而逐渐丧失对复杂世界进行深度把握与意义建构的能力。这是一种结构性危机，它不是能力的彻底消失，而是能力生成机制的弱化与替代。

　　在当下的知识环境中，大量“类阅读”形态正在迅速扩展——短视频解读、知识摘要、智能问答、多模态呈现等。这些方式极大提升了信息获取的效率，使人能够在很短时间内“了解”某一问题的基本结论。然而，这种“了解”往往绕过理解生成所必需的认知过程：没有充分的文本接触、没有持续的逻辑推演，也缺乏必要的怀疑与反思。

　　于是，一种新的认知错位逐渐形成了：人们越来越容易获得答案，却越来越难以形成判断；越来越接近信息，却越来越远离理解。

　　理解力危机的提出具有多重意义。一方面，它重新界定了AI时代阅读问题的性质，因为问题的核心不在于是否阅读，而在于阅读是否仍然承担理解生成的功能；另一方面，它揭示了信息社会内部的一种悖论：信息越丰富，理解反而可能越贫乏。

　　因此，理解力危机并非一种情绪性的判断，而是对当代认知结构转型的概念性把握。

　　要准确把握理解力危机的内涵，我们可以将认知过程划分为三个彼此关联却不可混同的层级：信息、知识与理解。

　　信息，是未经充分组织的事实、数据与符号，其基本特征在于碎片化、即时性与可复制性。在数字技术条件下，信息的生产与传播几乎没有边界，其数量呈指数级增长。知识，是在信息基础上经由筛选、分类与逻辑整合所形成的系统性内容，其特征在于结构化、稳定性与可传递性。知识意味着某种秩序的建立，是对信息的初步“加工”。理解，则是在知识基础上形成的意义建构与判断能力，它体现为个体对复杂关系的把握、对多重解释的辨析以及在不确定情境中作出选择的能力。理解的核心，在于“生成”，而非“占有”。

　　从信息到知识，再到理解，本质上是一个由外在输入走向内在建构的认知转化过程。在这一过程中，阅读长期扮演着关键中介：通过持续的文本接触、反复的意义比对与主动的思考参与，读者将外部信息转化为内部知识，并进一步上升为具有个体特征的理解结构。

　　然而，在AI主导的信息环境中，这一转化链条正在被显著压缩，甚至出现断裂。算法系统能够对海量信息进行快速整合，以“知识化”的形式直接输出结论，使个体无须经历原本复杂的认知加工过程，便可获得看似完整的“理解”。但这种被压缩的路径，往往缺失了理解生成所必需的关键环节：时间投入、逻辑推演与主体参与。

　　更为重要的是，信息、知识与理解之间的边界正在被模糊。经过加工的信息，往往被误认为是知识；而被高度概括的知识，又常常被等同于理解。由此形成一种典型的认知错觉：以为“知道”即“理解”，以为“掌握结论”即“掌握问题”。

　　正是在这一意义上，理解开始从一种普遍能力转变为一种需要刻意维系的高级能力。它不再随着信息与知识的增加而自然增长，而是需要通过特定的认知路径与阅读结构加以保障。

　　理解力的弱化，并非源于某一单一因素，而是多重认知机制在技术环境中发生重组的结果。从深层次来看，这一变化至少体现为四个相互交织的结构性过程。

　　首先，是时间结构的压缩。理解的生成，本质上依赖于时间——不仅是阅读所需的物理时间，更是思考所需的心理延展。在传统阅读中，理解往往通过反复阅读、停顿、回溯与联想逐步形成。但在高频更新的信息环境中，时间被切割为连续而短暂的片段，阅读被迫嵌入快速流动的注意力节奏之中。这导致个体越来越难以进入持续性的深度思考，理解所依赖的“慢时间”逐渐被侵蚀。其次，是注意力机制的重构。当信息供给高度充裕时，稀缺的不再是内容，而是注意力本身。平台通过算法不断优化内容呈现，使之更符合个体偏好，从而最大化停留时间。但这种“低阻力”的信息环境，减少了认知中的摩擦与张力。当阅读变得过于“顺滑”，理解反而失去了生长的空间。再次，是认知路径的简化与标准化。AI系统倾向于提供结构清晰、结论明确的答案，这在提升效率的同时，也在潜移默化中重塑认知习惯。个体逐渐习惯于直接获取“最佳解释”，而非在多种可能性中进行比较与选择。

　　更为关键的是认知功能的外包化。在AI环境中，检索、筛选、整合乃至初步解释等环节，越来越多地由技术系统承担。个体在认知过程中的参与度随之降低，从主动建构者转变为结果接收者。这种转变并不显性，却具有深远影响：当理解的关键环节被持续外包，个体自身的理解能力便难以得到锻炼与强化，甚至逐渐退化。

　　由此观之，理解力的弱化，并非个体努力不足的结果，而是技术环境重塑认知方式的结构性后果。这也意味着，任何试图重建理解力的路径，都必须回应这些机制性变化，而不能仅仅停留在对多读书的简单呼吁。

　　在理解力危机的背景下，仅从阅读媒介或阅读方式的变化来讨论问题，已难以触及核心，有必要将阅读从一种具体行为提升为一种认知范式。

　　所谓“认知型阅读”，并非对传统阅读的简单扩展，而是对其功能的重新界定：阅读不再以媒介形式为边界，而是以认知深度为核心标准；不再以信息获取为目标，而是以意义建构为根本任务。换言之，凡是能够引发个体参与、促成理解生成的认知活动，皆可纳入广义的阅读范畴；反之，即便形式上属于“读”，但若缺乏认知参与和意义生成，也难以称为真正的阅读。

　　这一概念重构，实质上完成了从“行为定义”向“功能定义”的转变。

　　我之所以提出认知型阅读，是期望为技术条件下的阅读实践提供一种新的评价标准：问题不在于是否使用AI工具，是否加速了信息获取，而在于是否促进了理解生成。因此，AI既构成了挑战，也提供了契机，让阅读的核心价值从获取知识转向生成理解，从接近信息转向把握世界。

　　作为人类的能力边界，理解不是对信息的占有，而是对意义的生成；不是对结论的接受，而是对复杂性的把握。它需要时间、需要过程，更需要个体不可替代的认知参与。正因如此，在一个“答案唾手可得”的时代，理解成为最为稀缺的能力。这也就意味着，阅读的价值需要发生根本性转移——它不再只是通向知识的路径，而是通向理解的机制；不再只是学习的工具，而是思考的能力训练。

　　AI时代，人类或许可以把越来越多的事情交给机器，但唯有理解仍需由人来完成。因为只有理解，才能将知识转化为判断，将经验转化为智慧，将世界转化为可被把握的意义。

　　当“知道”变得廉价，真正昂贵的将是理解本身，而阅读，恰恰是人类守住这一能力边界的最后方式！

　　（作者系中国人民大学全民阅读教育研究院院长、中国人民大学吴玉章特聘教授）