麻省理工学院媒体实验室进行的一项为期四个月的综合研究揭示了令人担忧的神经变化：经常使用ChatGPT等大型语言模型完成写作任务的个体，其大脑连接模式发生改变，可能削弱核心认知功能。由娜塔莉亚·科斯米娜博士及其团队领导的研究追踪了波士顿地区多所大学的54名参与者，发现人工智能辅助会以特定方式改变大脑连接模式。
研究人员通过脑电图监测大脑活动，发现使用ChatGPT的参与者比无数字辅助写作者表现出显著更弱的神经连接。大型语言模型使用组在关键脑区（与记忆编码、语义处理和执行功能相关）的连接度减弱幅度高达55%。研究将参与者分为三组：一组使用ChatGPT，一组使用谷歌等传统搜索引擎，第三组仅依赖个人知识。脑部扫描显示神经参与度存在明显层级：无辅助写作者展现出最强且最广泛的网络激活。
“仅靠大脑写作的组别表现出最强大、覆盖范围最广的神经网络。搜索引擎组显示中等程度参与，而大型语言模型辅助引发的神经耦合整体最弱。”
行为测试进一步证实了这些发现。当要求参与者复述刚完成的论文内容时，首场测试中83%的ChatGPT使用者未能提供任何引述，无人能正确引用。这种模式在后续测试中持续存在，表明记忆召回能力持续受损。无AI辅助的参与者在第二次测试时即达到近乎完美的引用准确率，并在整个研究期间保持稳定。脑电图数据揭示了这一差异的神经基础：ChatGPT使用者在θ波和α波频段活动减弱，这些频段对情景记忆巩固和语义编码至关重要。
“连接度降低可能反映了对深度记忆编码过程的绕过。参与者阅读、选择并转录工具生成的建议，却未将其整合到情景记忆网络中。”
研究还发现AI使用者存在心理归属感缺失现象。无辅助写作者几乎全部声称对论文拥有完全著作权，而ChatGPT使用者则给出零散回应：部分完全否认所有权，其他仅赋予自身50%至90%的归属权。这种疏离感与前额叶区域神经汇聚减弱相关，该区域涉及自我评估和错误监测。将内容生成委托给外部系统破坏了元认知反馈回路，导致与书面作品的心理距离。
不知情的人类教育者在评分时始终能识别AI辅助提交的论文。尽管技术层面合格，但这些论文结构高度统一，缺乏个人风格和创造性变化。自然语言处理分析证实了这种同质化现象：同一主题下，ChatGPT使用者产出的论文统计偏差远小于其他组别。命名实体识别显示AI使用者更依赖特定参考（如人名、地点和日期），表明其依赖训练数据而非生活经验。
研究还观察到偏见传播现象。短语概率分析与历史出版模式高度吻合：在某主题中，搜索引擎使用者因广告投放机制过度聚焦“无家可归者”一词，而ChatGPT使用者则倾向于使用以“给予”为中心的语言，反映算法优先级而非独立框架构建。
最具启示性的阶段出现在第四场测试——各组切换工具时。先前依赖ChatGPT但被要求独立写作的参与者，其神经连接既未恢复新手模式，也未达到熟练无辅助写作者水平。他们的大脑模式持续弱化，表明先前依赖产生持久认知影响。
“第四场测试的脑连接未重置为新手模式，也未达到熟练无辅助写作水平，而是呈现网络参与的中间状态。”
相反，先接受无AI训练再使用ChatGPT的参与者，其神经连接显著强于原始AI组。先前的认知参与使其能主动整合AI工具，而非被动接受生成内容。
研究人员提出“认知债务”概念，描述反复依赖外部系统如何替代努力驱动的思考：短期内推迟脑力劳动，却产生长期代价，包括批判性探究能力下降、创造力减弱及更易受信息塑造影响。访谈数据支持这一模型：初始使用ChatGPT的参与者聚焦更狭窄的创意集，对生成内容审查有限。多人表达伦理不适，有人称“感觉像作弊”；其他人则指出需耗费精力精心设计提示词并设置字数限制以维持控制。
教育影响尤为显著。尽管AI工具降低了即时认知负荷并提升效率，却削弱了构建持久心理框架所需的关联认知负荷。在科学推理任务中，使用大型语言模型的学生产出的论证质量低于采用传统研究方法的同龄人。
“早期依赖AI可能导致浅层编码。在学习初期阶段避免使用大型语言模型似乎更利于强化记忆形成。”
脑电图频段分析（α、β、θ和δ波）显示一致模式：所有指标中，无辅助写作者均表现出更强的内源性注意力、持续的工作记忆参与及更广泛的皮层整合能力。搜索引擎使用呈现中间状态：相比无辅助写作者连接度降低，但神经网络强度远超ChatGPT使用者。视觉皮层激活增强反映了主动扫描和评估行为，与AI辅助写作中的被动转录模式形成鲜明对比。
研究还涉及物质成本：2023年数据显示，大型语言模型查询能耗约为传统搜索的十倍。在20分钟会话（约600次查询）中，ChatGPT使用耗能约180瓦时，而搜索引擎仅需18瓦时。
研究人员承认研究局限性，包括样本局限于波士顿五所大学及仅聚焦ChatGPT。建议开展更大规模多样化的研究，整合功能性磁共振成像，并对不同职业和年龄群体的认知效应进行长期追踪。
研究结果提示机构与个人应审慎考量AI工具的整合方式与时机。尽管这些系统提供便利与速度，神经学证据表明其可能侵蚀本应支持的认知能力。
“站在这一技术十字路口，全面理解认知后果的完整谱系变得至关重要。”
研究最终推荐平衡策略：AI可辅助常规任务，但创意生成、内容组织及批判性修订应保持人类主导。学习初期需要充分的神经参与，以构建强健的认知网络——这种网络既能整合AI工具又不会形成依赖。
【全文结束】
