Hacker News 中文摘要

RSS订阅

MIT研究揭示AI使用重塑大脑，导致认知衰退 -- MIT Study Finds AI Use Reprograms the Brain, Leading to Cognitive Decline

原文链接 | HN讨论 | 2025-09-03 21:56:54

文章摘要

麻省理工学院研究发现，人工智能的使用会重新编程大脑，导致认知能力下降。

文章总结

麻省理工学院研究发现人工智能使用会重塑大脑，导致认知能力下降

麻省理工学院（MIT）的一项最新研究表明，使用ChatGPT等人工智能助手撰写文章会导致长期的认知损害。这项研究通过脑电图（EEG）扫描发现，频繁依赖ChatGPT的学生表现出神经连接减弱、记忆力下降以及对自身写作的归属感降低。尽管AI生成的内容通常得分较高，但使用者的认知能力却在逐渐退化。

主要发现：

  1. 大脑连接性下降：

    • 随着对外部工具的依赖增加，EEG扫描显示大脑的神经连接性系统性下降。使用大型语言模型（LLM）如ChatGPT的组别在所有频段（α、β、δ、θ）中表现出最弱的连接性。
    • 使用LLM的参与者在尝试独立写作时，关键注意力和视觉处理网络的活跃度显著降低。

  2. 记忆力受损：

    • 83.3%的LLM使用者在任务后无法准确引用自己刚刚写下的句子，而使用搜索引擎或完全依赖大脑的组别中，88.9%的人能够准确引用。
    • LLM使用者的记忆力明显低于其他组别。

  3. 学习路径被破坏：

    • 之前使用LLM的参与者在尝试独立写作时，表现出较弱的记忆召回能力，神经活跃度（α和β频段）也较低。
    • 研究还发现，LLM使用者的大脑逐渐适应了“认知卸载”，即大脑减少了合成和记忆所需的努力，导致被动性和低效学习。

  4. 对工作的归属感降低：

    • LLM使用者对自己的作品归属感较低，许多人表示“50/50”或“70%是我的”，甚至有人完全不认为自己拥有作品。相比之下，完全依赖大脑的组别几乎所有人都表示对作品拥有完全归属感。

  5. 从LLM切换到大脑使用无法完全恢复功能：

    • 即使停止使用AI，LLM使用者的神经活跃度仍低于基线水平，表明他们的认知功能未能完全恢复。

  6. 搜索引擎使用者表现更健康：

    • 使用搜索引擎的组别在执行功能、记忆激活和引用准确性方面表现更好，EEG数据显示他们的视觉处理和认知努力更为活跃。

  7. AI依赖导致“认知卸载”：

    • 研究发现，LLM使用者的大脑逐渐适应了“神经效率”，即大脑减少了合成和记忆所需的努力，导致被动性和低效学习。

  8. 短期收益，长期认知债务：

    • 尽管LLM生成的内容在评分上表现不错，但随着时间的推移，使用者的参与度、表现和自我满意度持续下降。

结论：

随着全球越来越多的人依赖人工智能完成复杂任务，我们的认知能力和创造力可能会急剧下降。研究建议，使用AI时应定期休息，让大脑有机会独立工作，以避免严重的认知损害和依赖。

这项研究提醒我们，人工智能不仅接管了我们的工作，还可能正在接管我们的思维。

评论总结

主要观点总结：

  1. LLM可能导致认知能力下降：

    • 评论者认为，过度依赖LLM（如ChatGPT）进行写作或决策，可能导致认知能力的下降，尤其是深度思考和理解能力的减弱。
    • 关键引用：
      • "Anybody who has tried to shortcut themselves into a report using an LLM knows that writing is thinking. If you outsource the writing, you do less thinking." (评论5)
      • "83.3% of LLM users were unable to quote even one sentence from the essay they had just written." (评论7)

  2. LLM作为工具的使用方式决定其影响：

    • 一些评论者认为，LLM的影响取决于如何使用它。如果将其作为辅助工具，而不是完全依赖，它可以提高效率，甚至促进学习。
    • 关键引用：
      • "I find that AI reduces task noise that prevents me from getting in the flow of high level creative/strategic thinking." (评论21)
      • "Active use of AI as a thought partner, and learning as you go yourself seem to feel different." (评论22)

  3. 对研究的质疑：

    • 部分评论者对研究的样本量、实验设计和结论的普遍性提出质疑，认为研究结果可能不具备广泛的适用性。
    • 关键引用：
      • "Given the low N and the likelihood that this is drawn from 18-22 year olds attending MIT, one should expect an uphill battle for replication." (评论13)
      • "No, vibe science is not as powerful as to be able to determine 'long-term cognitive harm'." (评论16)

  4. LLM的潜在积极影响：

    • 一些评论者分享了他们使用LLM进行学习和探索的积极经验，认为LLM可以帮助他们更快地掌握新知识和技能。
    • 关键引用：
      • "I’m doing things with my brain that I couldn’t do before, and it’s great." (评论29)
      • "AI enhances who you are. Dummies get dummer. Smarties get smarter." (评论30)

  5. 对未来的担忧：

    • 部分评论者表达了对未来人类智力发展的担忧，认为过度依赖LLM可能导致认知能力的退化。
    • 关键引用：
      • "The future for humans worries me a lot. What evolutionary pressures will exist to keep us intelligent?" (评论17)
      • "There’s going to be an avalanche of dementia for the generations that outsource all their thinking to LLMs." (评论18)

总结：

评论中对LLM的影响存在分歧，一方面认为过度依赖LLM可能导致认知能力下降，另一方面则认为合理使用LLM可以提高效率和促进学习。同时，部分评论者对相关研究的科学性和普遍性提出质疑。总体而言，LLM的影响取决于使用方式，合理使用可能带来积极效果，而过度依赖则可能产生负面影响。