再怎麼訓練，大腦也無法多工處理
「練習就能同時做兩件事」的普遍認知，被新研究正面駁斥了
前言
各位訂閱者，大家好。我是奧斯瓦爾德的知識對談。
今天想來聊聊心理學的話題。「多工處理」這個詞，對韓國上班族來說幾乎就像一種生存技能。一邊查看 Slack 訊息一邊整理會議記錄，一邊寫電子郵件一邊瀏覽下次會議的資料——這就是日常。很多人相信這之所以可能，是因為「熟練」。事實上，在認知心理學1領域，長期以來「只要充分練習，就能幾乎同時處理兩項任務」的研究結果才是主流。
然而，今年發表的一項研究正面顛覆了這個存在了 30 年的信念。先說結論：無論訓練多久，大腦的「瓶頸」都不會消失。而且這個發現不僅僅是學術上的好奇，在 AI 開始取代認知勞動2的當下，它具有相當重要的意義。
12 天的訓練，以及「完美時間分割」假說的崩塌
這項研究由德國哈雷-維滕貝格馬丁路德大學的托斯滕·舒伯特（Torsten Schubert）教授團隊執行。與哈根遠距大學、漢堡醫學院共同研究，發表於 Quarterly Journal of Experimental Psychology。
實驗設計相當直覺。讓參與者同時完成視覺-手動任務（用右手表示螢幕上短暫出現的圓形大小）和聽覺-語音任務（同時判斷聽到的聲音是高、中、低）。這兩項任務使用了不同的感官通道。
關鍵在於訓練期間。參與者最多在 12 天內重複這個雙重任務3。結果反應速度變快了，錯誤也減少了。到目前為止，與既有研究的模式相同。過去的研究將這種現象稱為「幾乎完美的時間分割（virtually perfect time sharing）」，並解讀為大腦能夠真正平行處理4**兩項任務的證據。
但舒伯特教授團隊在此又往前邁了一步。在訓練後，他們人為地改變了任務的反應選擇階段（response selection stage）5 所需時間。簡單來說，就是在訓練良好的例行程序中加入了極小的變化。
結果極具戲劇性。當延長短任務的瓶頸階段時，長任務的反應時間也隨之增加，但反過來則不成立。這明確顯示兩項任務仍然在順次通過同一個瓶頸。練習並沒有「消除」瓶頸，只是將瓶頸前后的處理速度變得極快，以至於表面上看不出來而已。
舒伯特教授這樣解釋：大腦非常擅長優化兩個過程的順序，精細地排列它們以避免相互干擾。但這種優化有其極限，一旦情況稍微變難，認知系統就會迅速疲憊，錯誤也會增加。
「潛在瓶頸」模型——不是消失了，而是被隱藏了
這項研究提出的理論框架被稱為「潛在瓶頸（latent bottleneck）模型」。核心概念如下：
人腦中有一個中央處理瓶頸，兩項任務無法同時通過。這個階段被稱為「反應選擇」，是決定「對這個刺激做出什麼反應」的過程。這個瓶頸是結構性的。也就是說，改變策略或提高動機都無法消除它。
長期的練習並非消除瓶頸本身，而是極度縮短瓶頸前階段（刺激辨識）和後階段（反應執行）的處理速度。結果就是兩項任務看起來幾乎同時通過了瓶頸。但只要任務條件稍有變化——例如反應選擇所需的時間稍微增加——被隱藏的瓶頸就會立即重新顯現。
這就好比高速公路的收費站。無論車流如何優化，收費站的車道數都不會改變。平時車少，感覺不到瓶頸，但交通量稍微一增，塞車就開始了。大腦的中央處理也是如此。
這個發現為認知心理學長期爭論的「瓶頸是結構性的還是策略性的」6 之爭，向結構性極限一方傾斜。同時也為將先前研究解讀為「瓶頸消除」證據的現象，重新解讀為瓶頸的「隱蔽」提供了依據。
為什麼這項研究現在很重要？因為 AI 開始分擔認知勞動了
這裡稍微轉個視角。這項研究發表的時間點恰好是 AI 開始實質分擔上班族認知勞動的 2025 年。
麥肯錫估計 AI 的長期生產力提升潛力為 4.4 兆美元（約 6,400 兆韓元）。根據 ActivTrak 2025 年工作場所現況報告，58% 的上班族已經在業務中使用 AI 工具，這比 2022 年增長了 107%。
但同一份報告中有一個有趣的數據。AI 工具導入後，協作時間增加了 27%，多工處理增加了 5%，但專注效率（focus efficiency）7 卻從 65% 下降到 62%。生產性時間增加了 2%，但專注會話的平均長度卻縮短了 8%。
將這些數據與舒伯特教授團隊的研究對照，會勾勒出一幅令人不安的圖景。AI 自動化了部分工作，而將「空出的認知資源」投入其他任務——也就是 AI 輔助的多工處理——可能沒有想像中那麼有效。
期待 AI 在寫報告初稿的同時做其他工作就能讓生產力翻倍。這個假設與「練習就能平行處理」的假設在結構上基於同一個前提。但如果潛在瓶頸模型是正確的，無論 AI 如何協助，我們大腦的反應選擇階段仍然一次只能處理一個決定。
漢堡醫學院的蒂洛·施特羅巴赫（Tilo Strobach）教授強調了這項研究在安全研究方面的意義。「我們的結果顯示，就像開車時通話一樣，我們認為已經日常化的多工處理為什麼可能是危險的。在需要平行處理多項任務的職業中，如航空管制員或同傳譯員，同樣的原理也適用。」
奧茲的視角
我們最常犯的錯誤背後有一個模式。「這個團隊很熟練，所以應該能同時推進兩個專案」——就是這樣的判斷。熟練的團隊確實看起來在同時推進兩個專案。報告也產出了，會議也開了，里程碑也達成了。 但總在某个時刻——客戶提出預想不到的需求、市場環境急劇變化、或團隊成員缺席——一個小小的變數就讓整體表現崩潰。這與這項研究所述的「潛在瓶頸顯現的瞬間」結構完全相同。
我關注的是對 AI 時代工作設計的啟示。現在許多組織基於「AI 處理重複性工作，所以人可以做更多事」的前提來設計工作。但正如這項研究所示，人類的認知瓶頸不是由任務的難度觸發的，而是由任務的數量觸發的。無論 AI 如何降低認知負荷8，同時做兩個決定仍然是不可能的。
所以我是這樣看的。AI 時代真正的生產力提升，不是「讓人做更多事」，而是「讓人能更深度地專注於一件事」。AI 的價值不在於讓多工處理成為可能，而在於讓人不需要多工處理。
結語
總結如下。第一，無論如何訓練，大腦的中央處理瓶頸都不會消失。 它只會變快，不會消失。 第二，多工處理「看起來做得很好」的狀態，不是瓶頸被消除了，而是被隱藏了，一個小小的變數就能讓它立即崩潰。第三，在 AI 分擔認知勞動的時代，工作設計的核心不是「更多的事」，而是「更深的專注」。
下次當你發現自己一邊查看 Slack 通知一邊寫企劃書時，想一想吧。就在這一瞬間，你的大腦某處，有兩輛車正在收費站前排隊。
參考資料 & 延伸閱讀
- 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. : 本期電子報的核心論文。包含三項實驗的結果和潛在瓶頸模型的理論依據。
- Dux, P. E. et al., “A Unified Attentional Bottleneck in the Human Brain”, Proceedings of the National Academy of Sciences, 2011. : 透過 fMRI 確認大腦統合注意瓶頸區域（下前額葉結合部、上內側前額葉皮質、雙側腦島）的研究。有助於理解瓶頸的神經科學依據。
- Strobach, T. & Schubert, T., “A mechanism underlying improved dual-task performance after practice: Reviewing evidence for the memory hypothesis”, Psychonomic Bulletin & Review, 2024. : 從工作記憶角度回顧雙重任務訓練效果機制的論文。
- Pashler, H., “Dual-Task Interference in Simple Tasks: Data and Theory”, Psychological Bulletin, 1994. : 中央瓶頸理論的經典之作。想了解雙重任務干擾研究的起點，建議從這篇論文開始。
- ActivTrak, “2025 State of the Workplace Report”, 2025. : 以數據呈現 AI 導入後上班族專注效率、協作時間、多工處理變化的年度報告。
각주
-
認知心理學（Cognitive Psychology）：科學地研究人類接收、記憶、判斷和行動過程的心理學分支。可以理解为透過實驗揭示「我們的大腦如何思考」的學科。 ↩
-
認知勞動（Cognitive Labor）：指主要使用大腦而非身體的工作。數據分析、報告撰寫、決策、策略制定等知識型勞動是典型代表。AI 開始取代的領域正是認知勞動的一部分（摘要、初稿撰寫、模式辨識等）。 ↩
-
雙重任務（Dual-Task）：同時執行兩項任務的實驗方式。日常中「邊開車邊打電話」就是典型的雙重任務。研究中會刻意設計兩項任務的感官通道（視覺/聽覺）或反應方式（手/聲音）不同，以精確測量干擾發生在哪裡。 ↩
-
平行處理（Parallel Processing）：同時處理多項任務的方式。在電腦中，多核心 CPU 可以真正同時運行多個程序，但人腦在特定認知階段無法做到這一點，這就是本研究的核心。相反的概念是循序處理（一次處理一項）。 ↩
-
反應選擇階段（Response Selection Stage）：辨識刺激後決定「要做什麼反應」的認知過程。例如，眼睛辨識到紅綠燈變紅（刺激辨識）後，判斷「需要踩煞車」（反應選擇），然後實際移動腳（反應執行）——三個階段中的中間階段。本研究認為這個階段正是瓶頸的核心位置。 ↩
-
結構性瓶頸 vs. 策略性瓶頸之爭：認知心理學中關於雙重任務干擾是源於大腦的物理結構（結構性），還是源於人自發地想先處理一項任務的策略（策略性）的學術爭論，已持續超過 30 年。本研究支持結構性極限一方。 ↩
-
專注效率（Focus Efficiency）：ActivTrak 使用的指標，指整體工作時間中不受干擾地專注於單一任務的時間比例。例如 8 小時工作中有 5 小時是專注時間，則專注效率約為 63%。此數值越高，代表深度工作（deep work）時間越多。 ↩
-
認知負荷（Cognitive Load）：執行某項任務時大腦承受的認知負擔大小。簡單的任務（駕駛熟悉的路線）認知負荷低，困難的任務（在陌生地方看導航開車）認知負荷高。AI 工具可以代為處理重複性工作以降低認知負荷，但根據本研究，即使認知負荷降低，「同時做兩個決定」的瓶頸本身也不會消失。 ↩
