当AI成为“外部大脑”：MIT研究揭示ChatGPT对人类认知的深层影响与“认知惯性”

麻省理工学院一项突破性脑科学研究揭示，过度依赖大型语言模型（LLM）如ChatGPT，可能导致大脑活动水平显著降低，削弱记忆编码，并引发一种“认知惯性”。这不仅影响个体的深度思考与创造力，更提出了AI时代人类认知退化的潜在风险，呼吁我们在智能工具与自主思考之间寻求微妙的平衡。

随着生成式人工智能（AI）工具，特别是大型语言模型（LLM）如OpenAI的ChatGPT，日益融入我们的日常生活和专业工作，它们所带来的效率提升是显而易见的。然而，这种效率的另一面可能隐藏着对人类认知能力潜移默化的影响。近期，麻省理工学院（MIT）的一项开创性脑科学研究，首次通过严谨的数据分析，为这种担忧提供了神经科学层面的证据，引发了关于“AI时代认知退化”的深刻讨论¹²。

实验设计：量化工具辅助下的认知负荷

这项由MIT研究团队主导的实验，旨在系统性地评估LLM、传统搜索引擎与纯粹人脑思考在解决复杂任务时的认知差异。研究人员招募了54名大学生，并将其随机分为三个实验组，每组进行四轮任务：

• LLM组：仅允许使用OpenAI的GPT-4o作为唯一信息来源来撰写论文。
• 搜索引擎组：可使用谷歌浏览器辅助，但明确禁止使用LLM生成内容。
• 纯大脑组：完全禁用任何在线工具，仅凭自身知识和思考完成写作。

在实验的前三轮，所有参与者都需在规定时间内（20分钟）完成SAT议论文的撰写。关键之处在于，研究团队在整个过程中运用了多模态数据收集技术：脑电图（EEG）实时记录大脑活动，以监测认知参与度和负荷；自然语言处理（NLP）分析产出文本的语言特征；同时，通过访谈深入了解参与者的主观体验，并结合人类教师与AI评委对论文质量进行评分。这种综合性的方法，使得研究能够从神经认知、语言和行为多个维度捕捉到AI辅助下的认知变化。

认知负荷与记忆编码的真相

实验结果揭示了显著的认知差异。在大脑活动方面：

• 纯大脑组的参与者表现出最强的脑电图神经连接，这表明他们在进行深度思考、记忆检索、规划和创造性思维时，需要调动更多的大脑资源，认知负荷也最高。
• LLM组的神经连接则最为微弱，反映出自主思考的显著减少，大脑更多地处于一种被动的“筛选信息”状态。
• 搜索引擎组介于两者之间，由于需要自行整合外部信息，视觉皮层活动相对更多。

在论文质量与记忆方面，结果同样引人深思：

• LLM组产出的论文结构更紧密规范，但内容同质化程度高，缺乏个性和原创性。
• 纯大脑组的论文则展现出更独特的个人风格，深度融入了个人经验和见解。
• 更令人担忧的是，研究发现过度依赖LLM的参与者，其对所写论文内容的记忆编码较浅。高达83.3%的LLM组参与者无法准确回忆或引用自己的论文内容，而纯大脑组只有11.1%出现类似问题。这暗示了使用AI生成内容可能损害即时记忆的编码深度。

实验的第四轮更进一步揭示了“认知惯性”的存在。研究团队将18名参与者进行分组互换，让原LLM组尝试纯大脑写作，原纯大脑组改用LLM。结果显示，原LLM组在不使用工具的情况下，其大脑神经连接依然弱于原纯大脑组，并持续表现出较差的引用能力，这表明对工具的依赖可能形成一种持久的认知习惯。相反，原纯大脑组在使用LLM时，大脑活动反而增强，他们能够更好地整合工具建议与自主思考，激活核心脑区，展现出更高的记忆召回能力。

AI时代的“认知萎缩”风险与平衡之道

这项研究从神经认知、语言到行为层面，都指向了一个核心结论：使用AI写作工具，会显著降低大脑的认知参与度。长此以往，大脑可能因得不到充分锻炼而“退化”，陷入一种潜在的“认知萎缩”状态。

LLM提供了一种“便利陷阱”，它以降低神经连接和损伤即时记忆编码为代价，换取了表面上的高效率。这种模式导致了记忆衰退、创造力降低，并在脱离辅助后表现出持续性的认知缺陷。大脑的信息处理模式从**“主动生成信息”转变为“被动筛选信息”**，削弱了独立思考和问题解决能力。用论文作者的精辟比喻来说：

用AI写作就像给孩子计算器——关键不是禁止使用，而是教会他们何时该心算。

这意味着，AI并非思考的替代品，而是辅助工具。在学习和工作中，我们必须警惕过度依赖LLM的风险。研究团队建议，将AI主要用于语法检查、润色、初步资料搜集等辅助性任务，而非直接生成核心内容和结构。更重要的是，在AI辅助生成内容后，务必投入时间去理解、消化并融入自己的见解。

在AI智能飞速发展的今天，这项研究为我们敲响了警钟。它提醒我们，在享受技术便利的同时，更应审视其对人类心智可能产生的深层影响。如何智慧地驾驭AI，确保它赋能而非削弱人类的核心认知能力，将是未来教育、科技伦理乃至社会发展的关键议题。平衡好工具辅助与自主思考的关系，是我们在数字时代保持认知活力的核心挑战。

引用

• ChatGPT
• 大脑认知
• 认知惯性
• 人工智能影响
• MIT研究
• 脑电图
• 神经科学
• AI伦理
• 认知退化
• 深度思考