鷺羽 發自 凹非寺
量子位 | 公眾號 QbitAI

大學生過度用ChatGPT，大腦會變傻！

MIT最新腦科學研究發現：這類AI工具將會顯著降低大腦活動水平，削弱記憶，甚至造成“認知慣性”。

長期依賴，還會影響你的深度思考與創造力。

該實驗結合了腦電圖神經成像、NLP分析和行為科學，也是首次用數據證實了這一結論。

網友們也隨即發現，類似的影響也出現在使用谷歌地圖這類導航工具時，借助工具，反而越來越笨。

他們認為，AI再智能，也只是工具，保持平衡才是用好AI的關鍵。

正如作者在論文中的描述：

用AI寫作就像給孩子計算器——關鍵不是禁止使用，而是教會他們何時該心算。

那LLM具體是怎么影響到大腦工作的呢？我們接著看實驗細節。

LLM vs 搜索引擎 vs 純大腦

團隊共招募54名大學生參與，并隨機平均分配為三組，總計參與四輪實驗：

1. LLM組：僅能使用OpenAI GPT-4o作為唯一信息來源。
2. 搜索引擎組：可使用谷歌瀏覽器輔助，但明確禁止使用LLM增強答案。
3. 純大腦組：禁用LLM及任何在線網站，僅憑自身知識和思考寫作。

參與者需全部參加前三輪實驗，并使用指定工具完成論文攥寫。每輪將提供3個SAT議論文題目以供選擇，參與者可自行選擇其一，并在規定時間（20分鐘）內完成書寫。

期間，團隊會使用腦電圖（EEG）實時記錄參與者的大腦活動，以評估他們的認知參與度和認知負荷，并深入了解論文撰寫任務期間的神經激活情況。

同時利用自然語言處理（NLP）分析語言特征（如命名實體、詞匯搭配），并對每位參與者進行訪談，然后在人類教師和一個專門構建的AI評委的協助下完成論文質量的評分。

實驗結果表明，在大腦活動差異上，純靠自己時大腦各頻段段神經連接最強，說明需要調動更多記憶、規劃和創造性思維，認知負荷最高，深度思考更充分。

而使用LLM時神經連接則最弱，自主思考大幅度減少，使用搜索引擎時介于二者之間，因為需要自行整合外部信息，視覺皮層活動更多。

在論文質量與記憶上，LLM組的論文結構更緊密規范，但內容同質化高，純大腦組則體現出更獨特的論文風格，反映了個人經驗的參與，使用谷歌搜索時更容易受搜索排名的偏見影響，質量保持中等水平。

值得一提的是，過度依賴LLM的參與者很難準確記住自己的論文，83.3%的參與者都沒能提供正確引用，他們的記憶編碼較淺。

而純靠自己寫的參與者對內容記憶更深刻，只有11.1%的參與者遇到相同困難，但相應的寫作耗時更長。

到第四輪實驗，團隊只選取了其中18名參與者，并按照他們原來的組別被重新分配到相反組別，即讓LLM組改用純大腦寫作，純大腦組改用LLM寫作，并要求他們從自己之前寫過的主題中挑選一個進行重寫。

實驗發現，原本使用LLM的參與者在不使用工具的情況下，大腦神經連接仍然弱于原大腦組，且引用能力較差，顯示出對工具的依賴，在一定程度上會造成認知慣性。

而原本依靠自己完成的參與者在第四輪使用LLM時，大腦活動反而增強，表現出更高的記憶召回能力，并重新激活了大腦神經網絡中的核心節點（枕頂葉和前額葉節點），因為他們同時整合工具建議和自主思考，沒有完全依賴LLM。

AI寫作下的“認知萎縮”

研究團隊發現，從神經認知層面、語言層面再到行為層面，都指向同一個結論：

使用AI寫作工具，會降低大腦的認知參與度，長此以往大腦甚至會因為得不到充分鍛煉而退化。

具體來說，LLM就像是提供了一個便利陷阱，是以降低神經連接、損傷即時記憶編碼置換出的高效率，從而導致記憶衰退、創造力降低，并在切換回無輔助寫作時表現出持續性的認知缺陷。

長期依賴LLM，會改變大腦信息處理模式，使大腦從“主動生成信息”轉變為“被動篩選信息”，削弱獨立思考和問題解決能力。

相比之下，純大腦寫作需要并強化了廣泛的神經協調，搜索引擎使用則展現出一種中間狀態，涉及更強的視覺執行整合。

舉個例子，用LLM寫論文就像 “抄答案”，雖然快，但沒真正理解解題過程，下次自己做還是不會；純靠自己就像 “自己推導”，雖然慢但記得牢；搜索引擎類似 “查資料輔助推導”，介于兩者之間。

于是研究團隊提醒：在學習中要避免過度使用LLM，平衡好工具輔助與自主思考。

盡量將AI用于語法檢查、潤色或初步資料搜集，而不是直接生成核心內容和結構；在產出文章后，也要務必花時間理解消化，融入自己的見解。

不要把AI當作思考的“替代品”，而應視為“輔助工具”。

論文鏈接：https://arxiv.org/abs/2506.08872

參考鏈接：
[1]https://x.com/rohanpaul_ai/status/1934770112483217645
[2]https://www.brainonllm.com/
[3]https://www.linkedin.com/pulse/critical-reading-your-brain-chatgpt-accumulation-cognitive-debt-llqhe/