MIT研究显示，使用ChatGPT等AI助手完成写作任务可能导致"认知负债"积累，影响人脑的独立思考能力。该研究发现，过度依赖AI辅助写作会削弱用户自身的认知处理过程，长期可能对大脑产生负面影响。

研究标题：使用AI助手写作时的大脑变化：认知债务的积累——MIT媒体实验室

研究概述

这项研究探讨了使用大型语言模型（LLM，如ChatGPT）辅助写作对大脑活动和行为的影响。研究由MIT媒体实验室的Nataliya Kosmyna等学者开展，成果已发布于arXiv预印本平台。

实验设计

• 参与者分组：
  54名参与者被分为三组：

  • LLM组：使用AI助手写作
  • 搜索引擎组：使用传统搜索引擎辅助
  • 纯大脑组：不借助任何工具

• 实验流程：
  前三阶段各组保持相同条件；第四阶段中，部分LLM组转为纯大脑组（LLM→大脑），部分纯大脑组转为LLM组（大脑→LLM），共18人完成最终阶段。

研究方法

1. 脑电图（EEG）：监测写作时的认知负荷。
2. 文本分析：通过自然语言处理（NLP）评估文章，并邀请人类教师和AI评委评分。
3. 行为数据：记录参与者对文章归属感的自我评价及引用准确性。

主要发现

1. 大脑连接性差异：

   • 纯大脑组：表现出最强且分布最广的神经网络活动。
   • 搜索引擎组：中等程度的大脑参与。
   • LLM组：大脑连接性最弱，认知活动显著降低。

2. 第四阶段结果：

   • LLM→大脑组：α和β波段连接性下降，显示认知投入不足。
   • 大脑→LLM组：记忆召回能力增强，枕顶叶和前额叶区域激活，模式类似搜索引擎组。

3. 主观体验：

   • LLM组对文章的归属感最低，且难以准确引用自己的内容。
   • 纯大脑组的自我认同感最高。

4. 长期影响：
   四个月内，LLM使用者在神经、语言和行为层面持续表现不佳，提示长期依赖可能导致认知能力退化。

研究意义

尽管AI工具提供即时便利，但过度依赖可能带来“认知债务”——即短期效率提升以长期认知能力下降为代价。这一发现对教育领域具有警示意义，呼吁进一步探讨AI在学习中的合理角色。

后续影响

研究发布后引发广泛关注，被CNN、《时代》周刊等国际媒体报道，聚焦AI对批判性思维和大脑功能的潜在风险。

精简说明：
- 删减了原文中重复的导航栏、登录界面等无关内容。
- 保留了实验设计、方法、核心发现及社会影响等关键信息。
- 采用分点式结构提升可读性，突出“认知债务”这一核心概念。

以下是评论内容的总结，按不同观点分类呈现：

1. 对LLM依赖的担忧

• 主要观点：长期使用LLM可能导致认知能力下降，影响学习和工作表现。
  • "Over four months, LLM users consistently underperformed at neural, linguistic, and behavioral levels." (评论7)
  • "A door has been opened that cant be closed and will trap those who stay too long." (评论4)

2. 对研究方法的质疑

• 主要观点：研究设计存在缺陷，样本量小，结论可能不具代表性。
  • "This is a non-study. We had one group not do some things, and later found out that they did not learn anything by not doing the things." (评论8)
  • "The sample size seems quite small." (评论14)

3. LLM的积极影响

• 主要观点：LLM可以提高效率，帮助完成复杂任务，甚至改善ADHD患者的功能。
  • "I’m so much higher functioning it’s surreal... like pair programming with a somewhat mentally ill junior colleague." (评论26)
  • "Using less brain power for a better result doesn’t seem like a clear problem." (评论23)

4. 类比与历史视角

• 主要观点：技术变革（如文字、计算器）也曾引发类似担忧，但最终被接受。
  • "Druids used to decry that literacy caused people to lose their ability to memorize sacred teachings." (评论16)
  • "Calculator users experience the same effects vs mental mathematics." (评论23)

5. 使用方式的差异

• 主要观点：主动与LLM互动和被动依赖的结果不同。
  • "I still feel engaged when I’m more actively 'working with' the AI." (评论10)
  • "This study proves AI rots your brain by measuring people using it the dumbest way possible." (评论20)

6. 社会与职场影响

• 主要观点：LLM的普及可能导致认知能力分层，甚至引发“AI精神病”。
  • "Cognitive atrophy of people using these systems is very good as it makes it easier to beat them in the market." (评论15)
  • "I have heard people at work talk about how they are using chatGPT to quick health advice." (评论11)

7. 对未来的思考

• 主要观点：需要更多研究探讨LLM的长期影响和潜在改进方向。
  • "We probably need more studies like this, across more topics with more sample size." (评论14)
  • "I wonder what would happen if we used RL to minimize the user’s cognitive debt." (评论21)

总结：评论中既有对LLM依赖的担忧，也有对其效率提升的肯定，同时包含对研究方法的批评和对技术变革的历史反思。观点多样，反映了对AI技术影响的复杂态度。