摘要：当学生们越来越习惯用 ChatGPT 辅助完成论文写作时，一项来自 MIT 的最新研究为我们敲响了警钟。这项长达 206 页的研究通过脑电图（EEG）监测和认知分析发现，使用大型语言模型（LLM）如 ChatGPT 进行写作任务，会导致用户认知负债的累积，长期
当学生们越来越习惯用 ChatGPT 辅助完成论文写作时，一项来自 MIT 的最新研究为我们敲响了警钟。这项长达 206 页的研究通过脑电图（EEG）监测和认知分析发现，使用大型语言模型（LLM）如 ChatGPT 进行写作任务，会导致用户认知负债的累积，长期可能引发认知能力下降。在 AI 工具日益普及的今天，这项研究揭示了人机协作背后被忽视的神经机制与教育影响。
MIT 领衔的研究团队设计了一套严谨的对照实验，将 54 名参与者分为三组：LLM 辅助组、搜索引擎组和仅大脑组，每组完成 3 次写作任务，随后 18 名参与者进行交叉实验 ——LLM 组转为无工具写作（LLM-to-Brain），仅大脑组尝试使用 LLM（Brain-to-LLM）。实验全程通过 EEG 记录大脑活动，结合自然语言处理（NLP）分析文本特征，并通过访谈评估参与者的认知体验。
这种设计旨在模拟真实的学习场景变迁：从完全依赖 AI 到突然脱离工具，以及从未使用 AI 到初次尝试的认知转换。EEG 设备捕捉到的脑电波信号（包括 α、β、θ、δ 波段）成为判断认知负荷和神经连接模式的关键指标，而 NLP 则从语言输出层面分析知识组织的深度与广度。
研究最具突破性的发现在于揭示了不同工具使用下的神经活动差异。EEG 数据显示，仅大脑组表现出最强且最广泛的神经连接网络，尤其是前额叶与顶叶区域的协同活动显著增强，这与深度思考和知识整合过程密切相关。搜索引擎组呈现中等程度的神经参与，而 LLM 辅助组的整体脑网络耦合度最弱，尤其在 α 和 β 波段（与注意力集中和逻辑推理相关）的激活水平明显降低。
更值得警惕的是交叉实验的结果：当 LLM 组参与者突然脱离 AI 工具写作时，其神经连接模式表现出明显紊乱，α 和 β 波段的协调性不足，反映出认知资源分配的困难。相反，从未使用过 LLM 的参与者在初次尝试 AI 辅助时，大脑枕顶区和前额叶出现广泛激活，类似搜索引擎使用时的视觉信息处理模式，显示出对新工具的适应性认知策略。
"这就像肌肉长期不使用会萎缩，大脑的深度思考网络在 AI 辅助下也会出现 ' 用进废退 ' 的现象。" 研究负责人指出，LLM 的即时反馈和内容生成功能，可能使使用者减少了自主知识检索和逻辑构建的认知投入，导致神经连接强度下降。
除了神经机制，研究还从语言输出和记忆编码层面揭示了 AI 使用的影响。NLP 分析显示，LLM 组的文章在命名实体识别（NER）和 n-gram 词频分布上呈现高度同质性，主题知识图谱的丰富度低于仅大脑组，反映出内容创造中的思维趋同现象。更关键的是，LLM 组参与者在访谈中普遍表示对文章的 "所有权感知" 较低，且在回忆几分钟前撰写的内容时表现出明显记忆衰退。
这种 "认知卸载" 现象在教育场景中尤为值得关注。当学生将写作任务中的素材收集、观点组织甚至遣词造句部分外包给 AI 时，他们可能无意识地减少了对知识的深度加工和内部编码。研究发现，LLM 组参与者在脱离工具后，不仅写作质量下降，更表现出知识检索效率和逻辑连贯性的衰退，印证了认知负债随使用次数累积的假设。
在 AI 教育应用方兴未艾的背景下，这项研究为教育者和学习者提供了重要警示。尽管 LLM 在提升写作效率和内容规范性方面具有明显优势，但 4 个月的追踪实验表明，长期依赖会导致神经、语言和认知层面的多重能力退化。研究团队特别强调交叉实验中的对比 —— 从未使用 AI 的参与者在接触工具时仍能保持较高的认知灵活性，而长期使用者在脱离工具后却难以恢复原有的思维模式。
"这不是反对 AI 工具，而是呼吁建立平衡的使用机制。" 研究人员建议教育机构在引入 AI 辅助学习时，应保留一定比例的无工具认知训练，如限时写作、闭卷思考等，以维持和强化学习者的深层认知能力。同时，针对 LLM 使用中的 "所有权感知" 低下问题，教育者需要引导学生正确处理 AI 生成内容与自主思考的关系，建立清晰的学术规范意识。
随着 GPT-5 等更先进模型的问世，人机协作的深度和广度将进一步拓展。MIT 的这项研究只是揭开了认知影响的冰山一角，后续研究需要关注更大样本量、多语言模型对比以及更长时间跨度的影响评估。尤其在企业知识管理领域，当员工普遍使用 AI 辅助报告撰写和决策分析时，是否会导致组织整体认知能力的弱化，仍是亟待探索的重要课题。
在技术乐观主义盛行的今天，这项研究提醒我们：每一次向 AI 外包认知任务，都可能在不知不觉中累积认知负债。如同健身者需要在器械辅助与自主训练间找到平衡，知识工作者也必须在 AI 工具与大脑潜能之间建立健康的协作模式。唯有如此，我们才能在享受技术红利的同时，守护人类最珍贵的认知特质 —— 深度思考、创新联想和知识创造的能力。
来源：人工智能学家
