新智元報道

編輯：KingHZ

【新智元導讀】AI上癮堪比「吸毒」！MIT最新研究驚人發現：長期依賴大模型，學習能力下降、大腦受損，神經連接減少47%。AI提高效率的說法，或許根本就是誤解！

ChatGPT正在「吸干」你的大腦！

剛剛，麻省理工學院完成了針對ChatGPT用戶的首次大腦掃描研究，結果讓人驚掉下巴。

針對日常寫作中使用ChatGPT帶來的影響，這次用數據揭示了AI版「魔鬼的交易」：

依賴AI寫作，等于用長期思維能力，換取短暫效率。

簡直堪稱「出賣靈魂」！

來自麻省理工學院媒體實驗室的研究人員，歷時3個月深入研究了LLM的認知成本，揭示了一個緊迫問題：

學習能力可能因LLM的使用而下降。

盡管使用LLM在初期帶來明顯效率優勢，但長達4個月的實驗發現：LLM組在神經活動、語言質量和評分等方面，全面落后于「僅用大腦寫作」的對照組。

論文鏈接：https://arxiv.org/abs/2506.08872

簡而言之，過去關于AI提高生產力的說法，可能全錯了！

圖4: 實驗過程中的參與者，佩戴Enobio腦電頭戴設備和AttentivU專注力監測頭戴設備，使用BioSignal Recorder軟件進行數據記錄

與魔鬼的交易

AI「吸干大腦」

用ChatGPT，只要花幾分鐘就能完成日常寫作，方便快捷，但代價是什么？

83.3%的ChatGP用戶無法引用自己寫的內容，哪怕只是幾分鐘前完成的論文。

好好想一下：

你寫完、保存，然后就忘了——因為從頭到尾，思考的是ChatGPT，不是你。

圖6：各組別中無法回憶Session 1論文任何引文的參與者比例

腦部掃描揭示了使用AI的損害：大腦的神經連接從79個驟降至僅42個。

也就是說降低了47%。

如果電腦失去了一半的處理能力，大家都會會認為它壞了。而ChatGPT用戶的大腦，正在發生同樣的情況！

無輔助寫作（純大腦組）在所有測量頻段均表現出更強的神經連接強度，其中theta頻段和高alpha頻段的增幅尤為顯著。

看過學生利用AI寫的論文，老師們不知道哪些文章使用了AI，但能感覺到有些不對勁：

·沒有靈魂。

·空洞無物。

·語言接近完美，但沒有真知灼見。

人類的大腦即使無法明確說出認知債務的存在，也能夠察覺到它的影響。

可怕的是：在沒有人工智能輔助的情況下，當研究人員讓ChatGPT用戶寫作時，他們的表現比從未使用過人工智能的人還要差。

這不僅僅是依賴，而是認知能力的萎縮。就像一塊忘記了如何運作的肌肉。

麻省理工學院的團隊對54名參與者進行了為期四個月的腦電圖（EEG）大腦掃描。

他們追蹤了α波（創意處理）、β波（主動思考）以及神經連接模式，發現了因過度使用AI而導致的大腦損傷。

這不是觀點，而是可測量的實驗。

事實證明：AI并沒有讓人變得更高效，反而讓人變得懶于思考、在認知上破產！

這次研究人員還發現了AI生產力悖論：

毫無疑問，ChatGPT讓人完成任務的速度提升60%。

但它同時降低了真正學習所需的「有效認知負荷」（Germane Cognitive Load）——高達 32%。

這是用長期的大腦能力，換取短期的效率。

那些慶祝AI提升工作效率的企業，正在無意間打造出認知能力更弱的團隊。

員工變得依賴于他們無法離開的工具，而獨立思考能力則有所下降。

最近的許多研究都強調了同樣的問題。

今年年初，微軟進行了類似的項研究，相關結論已引起媒體廣泛報道：

MIT研究人員把這種現象叫做「認知債」——技術債的大腦版：

每次用AI走捷徑，你都在用未來的思考能力支付「利息」。就像金融債務一樣，這筆賬遲早要還。

研究中最值得關注的發現或許是：LLM輔助組（LLM-to-Brain）參與者表現出明顯的思維窄化傾向。

但也有好消息——

研究第4階段的驚人發現：「高基線認知者」（原本思維能力強的人）使用AI時，大腦神經連接度反而提升——AI成了他們的「認知增強器」。

但「長期依賴者」被迫脫離AI工作時，表現甚至比「從未用過AI的人」更差——他們的基礎認知能力出現了「用進廢退」式的退化。

用AI的代價

全是「認知債務」

我們正處于一個技術發展的關鍵轉折點，必須認真全面地理解將大語言模型（LLM）引入教育和信息環境可能帶來的認知影響。

這類工具確實為學習和獲取信息提供了前所未有的便利，但它們對人的認知發展、批判性思維和獨立思考能力所帶來的潛在影響，值得我們高度關注并持續深入研究。

研究表明，與使用搜索引擎相比，LLM顯著降低了參與者在回答問題時所需要的思考成本。

但這種「省力」的背后卻帶來了代價：參與者更不傾向于去質疑或深思LLM所提供的答案——

這些所謂的「觀點」，其實只是基于訓練數據生成的概率性結果。

這種情況令人擔憂，因為原本在社交媒體中普遍存在的「回音室效應」，如今在AI工具中延續下來——

用戶所接觸到的內容，越來越受到算法推薦機制的影響，而這些機制的背后，是模型背后所代表的公司和股東的優先考量。

在訪談中，只有極少數參與者表示他們沒有跟隨LLM的「思路」進行寫作，而是堅持了自己的想法和思考路徑。

從倫理角度來看，僅用大腦進行寫作的參與者不僅滿意度更高，其腦電圖也顯示出更強的大腦連接性。

相較之下，使用 LLM 輔助寫作的參與者，在回憶或引用自己寫作內容時也存在明顯困難（第1次實驗，見圖6和圖7），對自己所寫文章的歸屬感較低（見圖8），花費時間更少（見圖33）。

在真正廣泛接受LLM并視其為一種正面工具之前，有必要進行長期的跟蹤研究，以全面評估它對人類思維能力和大腦發展的深層影響。

圖1：α波段動態直接傳遞函數（dDTF）腦電圖分析結果對比（LLM組、搜索引擎Search組、純大腦brain組），并標注顯著性水平（*表示中等顯著，**表示高度顯著）

解決方法

解決方案不是禁止人工智能，而是戰略性地使用它。

選擇權在你手中：

產生認知債務并成為人工智能依賴者。 或者提升認知能力，成為人工智能的倍增器。

首批針對AI用戶的大腦掃描研究剛剛向我們揭示了其中的利害關系。

謹慎選擇。

參考資料：

https://x.com/itsalexvacca/status/1935343874421178762

https://arxiv.org/abs/2506.08872