在这篇论文中，我们提出了认知债务的正式理论：当个人将人工智能作为替代而非补充第一性认知时，未验证的推理义务会积累。模型包含每个代理的两个状态变量：认知资本和认知债务，以及一种乘法生产技术，其中认知资本作为抵押品，决定了人工智能采用的回报。
我们建立了六个命题：理性代理因成本延迟、部分外部化以及短期生产力提升掩盖而产生正向的认知债务。平静期降低了主观风险评估，增加了人工智能替代强度，复合杠杆效应导致认知“敏斯基时刻”，在此时主观风险下降而真实的系统脆弱性上升。预期危机损失在整体杠杆中是凸的。
危机后，产出目标压力可能导致虚假修正循环，代理用更多的人工智能来修补人工智能的失败。去中心化的均衡导致相对社会最优的过度采用替代性人工智能，这源于系统风险、认知公共产品和军备竞赛外部性。在一个两类异质代理的经济中，高认知资本代理更为密集地采用人工智能，最终可能将其未辅助的认知资本侵蚀到低技能代理之下。
博主点评： 这篇论文深入探讨了人工智能在认知过程中的复杂角色，揭示了其潜在的风险与收益。认知债务的概念为理解AI替代传统思维方式的影响提供了新的视角，特别是在系统脆弱性方面的动态变化。