纳塔利娅·科斯米娜、尤金·豪普特曼、袁业桐、杰西卡·司徒、廖显豪、阿什利·薇薇安·贝雷斯尼茨基、艾里斯·布劳恩斯坦和帕蒂·梅斯。"ChatGPT对大脑的影响：使用AI助手完成论文写作任务时的认知债务积累。" arXiv预印本arXiv:2506.08872 (2025)。
摘要
本研究探讨了大型语言模型辅助论文写作的神经和行为后果。参与者被分为三组：大型语言模型组、搜索引擎组和仅用大脑组（不使用工具）。每组在相同条件下完成了三个会话。在第四个会话中，大型语言模型用户被重新分配到仅用大脑组（LLM转大脑组），而仅用大脑组用户被重新分配到大型语言模型条件（大脑转LLM组）。共有54名参与者参加了第1-3会话，18名完成了第4会话。我们使用脑电图（EEG）评估论文写作过程中的认知负荷，并使用自然语言处理（NLP）分析论文，同时借助人类教师和AI裁判对论文进行评分。
在各组之间，命名实体识别（NERs）、n-gram模式和主题本体显示组内同质性。脑电图显示大脑连接存在显著差异：仅用大脑组参与者表现出最强、分布最广的神经网络；搜索引擎用户显示中等参与度；而大型语言模型用户显示最弱的连接。认知活动随着外部工具的使用而降低。在第4会话中，LLM转大脑组参与者显示α和β连接减少，表明参与度不足。大脑转LLM用户表现出更高的记忆回忆和枕顶叶及前额叶区域的激活，与搜索引擎用户相似。
论文所有权的自我报告在大型语言模型组最低，在仅用大脑组最高。大型语言模型用户还难以准确引用自己的作品。虽然大型语言模型提供了即时便利，但我们的发现突显了潜在的认知成本。在四个月内，LLM用户在神经、语言和行为层面上持续表现不佳。这些结果引发了对大型语言模型依赖的长期教育影响的担忧，并强调了深入研究人工智能在学习中作用的必要性。
【全文结束】