type
status
date
slug
summary
tags
category
icon
password
麻省理工学院（MIT）的一项最新研究揭示，频繁依赖大语言模型（LLM）完成认知任务时，人脑的神经活动强度明显减弱，并且这种变化具有持续性，甚至可能削弱后续独立思考的能力。
在这项实验中，研究人员邀请了少量志愿者参与写作任务，涵盖多个不同主题。参与者被随机分成三组：第一组可以使用人工智能工具（如 ChatGPT），第二组则允许使用 Google 搜索获取信息，而第三组被称为“仅大脑”组，完全依靠自身知识和思维完成任务。
为了监测大脑在执行任务时的状态，所有参与者都接受了脑电图（EEG）检测，用于分析其认知负荷与参与程度。结果显示，三组之间的神经连通性存在显著差异，反映出大脑应对挑战时采用了不同的策略。获得技术支持越充分的组别，大脑活跃度越低。其中，“仅大脑”组展现出最强烈的灰质活动；利用搜索引擎的组次之；而使用 AI 工具的组活跃度最低。
此外，研究者还评估了参与者对自己所写内容的掌握程度——也就是所谓的“认知所有权”。结果表明，越依赖技术辅助，个体对自己创作内容的记忆与理解能力越弱。使用 LLM 的参与者往往难以准确回忆或总结自己写下的内容。同时，他们产出的文章结构和表达风格趋于一致，表现出较低的个性化差异。
值得注意的是，使用搜索引擎或 AI 的受试者，视觉皮层区域表现得更活跃，这说明他们的注意力更多集中在屏幕上工具输出的信息，而非内在构思过程。
使用顺序决定大脑适应能力
研究进一步延伸到多轮任务之后，将参与者重新分配为两个新组：“从脑到AI”（Brain-to-LLM）和“从AI到脑”（LLM-to-Brain）。前者是指最初未借助技术、后来开始使用 LLM 的人，后者则是指一开始依赖 AI、随后被要求凭自己完成任务的人。
观察发现，LLM-to-Brain 组在脱离 AI 后，大脑的神经连接性和 α、β 频段的网络参与度均下降；而 Brain-to-LLM 组则展现出更高的记忆提取效率，并激活了广泛的枕顶叶和前额叶区域。“这说明当人们先通过自身努力构建认知框架，再结合 AI 支持时，能够引发更深层次的信息整合、记忆唤醒及目标导向的思维控制。”论文指出。
换句话说，如果一开始就依赖像 ChatGPT 这样的工具，随着时间推移，大脑对认知任务的处理能力会逐渐衰退。即使之后尝试独立完成工作，神经层面的表现也不如那些最初完全依靠自身思维的人。
当前局限与未来方向
尽管该研究提供了有价值的洞察，但样本数量有限，仅涵盖几十名参与者。研究团队也坦承，要得出更具统计意义的结论，必须扩大测试人群，并提高背景多样性。
不过，在 AI 日益渗透学校、职场乃至个人生活的大背景下，这项研究提出了一种值得关注的趋势：如果长期以 AI 替代主动思考，人类的学习与综合能力或许会悄然退化。
关键启示
根据研究结论，将 LLM 作为最后阶段的辅助手段，比如用于润色、校对或补充上下文，比起一开始就依赖它进行构思和撰写，效果显然更好。这种方法有助于保持认知过程的完整性，同时仍能利用技术提升效率。
相比之下，搜索引擎的使用仍然处于中间地带——它需要主动筛选信息，促使人脑进行判断与整合。但如果像某些平台那样，直接把 AI 生成的内容优先置于搜索结果顶部，用户就可能减少自主思考的环节，从而弱化认知参与。
研究团队呼吁社会各界继续深入追踪 AI 对人类大脑功能的长期影响，并强调：“在我们确认 LLM 对整体人类认知具有积极价值之前，尚需更多的验证与探索。”
- 作者:数字Baby
- 链接:myaigc.top/article/280b7c2d-0e98-81e0-b528-ee1d2d77d6bb
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
