type
status
date
slug
summary
tags
category
icon
password
一项来自麻省理工学院（MIT）的研究揭示，使用大型语言模型（LLM）不仅减少了大脑在任务执行过程中的活跃度，还对之后的认知表现产生了持续的负面影响。
研究人员设计了一项实验，邀请少量参与者围绕多个主题撰写文章。这些参与者被分为三个小组：第一组可以使用AI工具，具体选用了ChatGPT（研究者认为其表现与其他同类产品相近）；第二组允许使用Google搜索；第三组则完全不借助任何技术手段，仅凭自身思考完成写作。
实验过程中，所有参与者都接受了脑电图（EEG）监测，用于衡量他们在执行任务时的大脑活动状况。结果显示，不同组别的神经连接模式存在差异，说明大脑在处理任务时采用了不同的策略。获得技术支持越少的小组，大脑活跃程度越高。其中，“仅用大脑”组的大脑灰质活动最为强烈，而使用AI辅助的小组大脑活跃度最低。
此外，研究还评估了一个称为“认知所有权”的概念——即作者能否准确回忆并总结自己创作的内容。结果发现，使用AI帮助越多，这种认知所有权越弱。依赖LLM的学生往往难以有效回想或引用他们所写的内容。同时，该组产出的文章在风格和结构上趋于相似，显示出较低的个体差异性。
不出意料的是，使用搜索引擎或AI工具的参与者在视觉皮层区域表现出更强的活跃性，这表明他们更多地关注外部工具提供的输出内容。
使用习惯对认知的持续影响
在多轮写作任务结束后，研究人员重新组合了参与者为两个新群体：“从大脑转向LLM” 和 “从LLM回到大脑”。前者指的是最初独立完成写作任务、后来开始使用AI的个体；后者则是早先依赖AI，之后改为独立完成任务的人。
分析指出，“从LLM回到大脑”的参与者显示出了较弱的神经连接性和较低频率的α、β波活动；相反，“从大脑转向LLM”的参与者则展现出更高的记忆激活水平，并显著调动了枕-顶叶及前额叶等与认知整合密切相关的大脑区域。这意味着后者的大脑仍在积极整合知识与经验，而前者似乎已逐渐失去主动思考的能力。
四个月的追踪结果显示，长期使用LLM的个体在多个维度的表现均不如始终依靠自身思维的对照组，包括神经反应、语言表达以及整体任务完成质量。
研究范围与挑战
虽然这项研究涉及的人数不多，但作者明确表示这是当前样本规模带来的限制之一。未来还需要更大规模且背景多元化的人群参与，才能得出更有统计学意义的成果。尽管如此，在AI应用日益广泛的教育和日常场景中，这一研究提出了一个紧迫话题：过度依赖AI可能削弱人类的学习与认知能力。
启示与建议
如果以AI取代原本需要大脑处理的关键环节——比如思考、整理和归纳信息——那么从长远看，人们独立解决问题的能力可能会衰退。但如果将AI作为补充工具，在人类已经进行充分思考的基础上引入其辅助功能，则可能带来更好的效果。
相较之下，使用搜索引擎处于一种中间状态：它没有完全替代大脑的工作，也不像AI那样直接生成内容，但随着像Google和Microsoft这样的平台越来越多地优先展示AI生成的信息，普通用户如果不加辨别地依赖这些结果，他们的认知参与也可能下降。
MIT的研究团队强调，需要进一步深入探索，才能全面理解AI技术对人类思维的长期影响。在证明LLM确实带来积极改变之前，这个问题仍充满不确定性。
- 作者:数字Baby
- 链接:myaigc.top/article/27fb7c2d-0e98-81a1-ad28-c11a20f64d50
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
