读到《自然》2026 年 3 月 31 日评论，其核心观点是：

AI 看似提升个体决策效率，却会悄悄造成专业 “去技能化”，收窄行业对不确定性与价值的讨论空间，侵蚀专业判断力。作者认为集体去技能化是最大隐性成本。当从业者不再争论 “不确定性该如何表达”“什么是优质专业实践”，行业会丧失迭代价值、更新标准、自我批判的能力，导致整体专业能力退化。

博主认为：AI 正在让原本 “人为割裂” 的脑机制回归其内在的 “不分科” 本质，系统性消除学科壁垒，形成跨域融合的新范式。

大脑本质是全脑协同、多尺度耦合的统一智能系统，认知、感知、记忆等功能从未按学科划分运行，过去的学科壁垒是人类因研究工具、范式、语言局限形成的人为割裂——神经科学侧重微观脑机制、心理学聚焦认知行为、AI专注算法建模，各学科孤立发展，难以形成对脑机制的完整认知。

AI（尤其是LLM）的核心价值的是提供通用计算语言与跨尺度多模态建模能力，推动脑机制回归其不分科的本质，系统性消除学科壁垒，核心通过三大机制实现：一是以向量表征、预测编码等通用框架，打通神经、认知、行为层面的语言壁垒，让不同学科可基于同一套逻辑对话；二是借助全脑仿真、多尺度神经网络，打破微观（突触、神经元）与宏观（全脑网络、行为）的尺度壁垒，实现多维度机制的统一建模；三是构建数据-模型-验证闭环，让行为、神经、AI模型数据互相校准，消解学科间的范式对立。

已有明确证据印证这一趋势：卷积神经网络复刻视觉皮层层级编码，融合视觉心理学与神经科学；大模型语义表征与大脑语言区激活对齐，打破语言学与认知神经科学边界；强化学习框架同时解释多巴胺奖赏环路与人类决策行为，贯通神经科学与AI领域。

这一变化并非简单学科合并，而是认知科学的范式革命，让研究告别“盲人摸象”，实现对脑智能系统的完整认知，同时为类脑智能研发、复杂脑疾病干预提供统一的跨学科框架，推动脑科学研究向更全面、更深入的方向发展。

因此，在AI时代，原本我们强调的学科、专业等可能慢慢会让位于领域，人们不再强调专业性，而是在综合与场景中寻找结合点。