随着生成式人工智能在教育、法律、政治、媒体和其他领域的应用日益普及，许多人担心对这项技术的依赖可能会降低认知独立性。麻省理工学院最近的一项研究有力地证实了这种担忧，该研究表明，使用数字工具会显著改变大脑活动。
这篇新发表的论文解释道，在一项实验中，参与者在撰写一系列文章时，电子脑监测显示，使用大型语言模型 (LLM) 的参与者大脑各区域之间的连接明显较弱。这与记忆力较差和衍生性输出较多相关。
三组参与者每人撰写三篇文章：一组依靠大语言模型学位，另一组使用搜索引擎，第三组不使用任何外部工具。之后，大语言模型学位组和“纯脑力”组交换成员，撰写第四篇文章。虽然纯脑力组的文章并非总是最准确的，但该组的参与者表现出明显更强的神经连接性，表明他们的精神参与度更高。
虽然大语言模型（LLM）组的论文获得了人类评分员和人工智能评委的高分，但写作风格趋于同质化，并且更贴近原文提示。使用大语言模型（LLM）的参与者更有可能复制粘贴，较少修改作品，并且难以引用自己的作品。
在最后的环节中，LLM 学员也难以回忆起实验早期的信息。他们的大脑活动在论文主题方面重置到了新手水平。
虽然纯脑组的连接性随着时间的推移有所下降，但仍保持在中等水平，参与者可以轻松记住早期的内容。有趣的是，从大语言模型组转到纯脑组的参与者的神经连接性有所增强。
使用搜索引擎的那组表现出了低到中等的大脑连通性。他们的写作风格也高度同质化，但他们能够更好地引用自己的作品，这表明他们比大语言模型（LLM）用户拥有更强的记忆力。
总体而言，结果表明，任何数字工具的使用都会影响大脑活动，但搜索引擎比生成性人工智能需要更多的脑力参与。
这些发现可能对教育领域产生重大影响，因为人工智能在教育领域的应用正日益广泛。在许多学校，大多数学生在完成作业时都会不同程度地使用ChatGPT之类的工具。有些学生只生成提纲或主题想法，而有些学生则将作业作为提示，甚至不阅读作业内容就直接提交。
教师和教授也开始使用人工智能批改作业，并尝试检测人工智能的使用情况，但结果各不相同。麻省理工学院的研究结果表明，无论对大语言模型的依赖程度如何，这两类人群的认知能力都可能受到影响。
