AI 时代的认知挑战：过度依赖人工智能对思维与记忆的影响
人工智能（AI）的快速发展正在深刻地改变着我们的生活和工作方式。然而，一项来自麻省理工学院媒体实验室的最新研究提醒我们，过度依赖 AI 工具可能会带来意想不到的认知成本。这项研究由 Nataliya Kosmyna 及其团队主导，深入探讨了在论文写作任务中使用大型语言模型（LLM），如 OpenAI 的 ChatGPT，对人类认知能力的影响。研究发现，尽管 LLM 产品为我们带来了诸多便利，但其广泛应用可能会导致大脑积累“认知负债”，长远来看甚至会削弱个体的学习技能。
这项研究招募了 54 名参与者，并将他们分为三组：LLM 组（仅使用 ChatGPT）、搜索引擎组（使用传统搜索引擎，禁用 LLM）和纯脑力组（不使用任何工具）。研究共进行了四次会话。在第四次会话中，LLM 组的参与者被要求不使用任何工具（被称为“LLM 转纯脑力组”），而纯脑力组的参与者则开始使用 LLM（被称为“纯脑力转 LLM 组”）。研究团队通过脑电图（EEG）记录了参与者的大脑活动，以评估其认知投入和负荷，并深入理解论文写作任务期间的神经激活模式。此外，研究还进行了自然语言处理（NLP）分析，并在每次会话后对参与者进行了访谈，同时邀请人类教师和 AI 评判员对论文进行打分。
研究的核心发现集中在大脑连接性、记忆和所有权感知三个方面。研究结果表明，LLM、搜索引擎和纯脑力组的神经网络连接模式存在显著差异，反映了不同的认知策略。大脑连接性与外部支持的程度呈系统性下降：纯脑力组表现出最强、范围最广的连接网络，搜索引擎组居中，而 LLM 辅助则引发了最弱的整体耦合。
尤其值得关注的是，在第四次会话中，“LLM 转纯脑力组”的参与者表现出较弱的神经连接性，以及阿尔法（alpha）和贝塔（beta）网络的投入不足。阿尔法波段连接性通常与内部注意力、语义处理和创造性构思相关，而贝塔波段则与主动认知处理、专注注意力和感觉运动整合相关。这些结果表明，过去依赖 LLM 的使用者，在脱离工具后，其大脑在内容规划和生成方面的神经活动有所减少，这与认知卸载的报告相符，即依赖 AI 系统可能导致被动方法和批判性思维能力的减弱。换句话说，过度依赖 AI 可能会使我们的大脑变得“懒惰”，降低其自主思考和解决问题的能力。
在记忆方面，LLM 组的参与者在引用自己刚写完的论文时表现出明显障碍，甚至无法正确引用。这直接映射到 LLM 组较低的低频连接性，特别是与情景记忆巩固和语义编码密切相关的西塔（theta）和阿尔法波段。这表明 LLM 用户可能绕过了深层记忆编码过程，被动地整合了工具生成的内容，而没有将其内化到记忆网络中。这意味着，我们可能会因为过于依赖 AI 而难以记住和理解我们所写的内容，从而影响学习效果和知识的积累。
此外，LLM 组对自己论文的所有权感知度普遍较低，而搜索引擎组拥有较强的所有权感，但仍低于纯脑力组。这种行为上的差异与神经连接性模式的变化相吻合，凸显了 LLM 使用对认知能动性的潜在影响。当我们不再完全依靠自己的能力完成任务时，我们可能会对自己的工作失去一种主人翁感，从而降低工作满意度和成就感。
这项研究还提出了“认知负债”的概念。研究指出，尽管 LLM 在初期提供了显著的效率优势并降低了即时认知负荷，但随着时间的推移，这种便利可能以牺牲深度学习成果为代价。报告强调，重复依赖外部系统（如 LLM）取代了独立思考所需的努力认知过程，短期内延迟了脑力投入，但长期却导致批判性探究能力下降、更容易被操纵以及创造力减退。
纯脑力组的参与者，尽管面临更高的认知负荷，却展现出更强的记忆力、更高的语义准确性和对其作品更坚定的主人翁意识。而“纯脑力转 LLM 组”在首次使用 AI 辅助重写论文时，大脑连接性显著增加，这可能反映了将 AI 建议与现有知识整合时的认知整合需求，暗示了 AI 工具引入的时机可能对神经整合产生积极影响。
这些发现对教育领域具有深远意义。过度依赖 AI 工具可能无意中阻碍深层认知处理、知识保留以及对书面材料的真实投入。如果用户过度依赖 AI 工具，他们可能会获得表面的流畅度，但却无法内化知识或对其产生所有权感。因此，如何在教育中合理地使用 AI 工具，是一个值得我们深入思考的问题。
研究团队建议，教育干预应考虑将 AI 工具辅助与“无工具”学习阶段相结合，以优化即时技能转移和长期神经发展。在学习的早期阶段，全面的神经参与对于发展强大的写作网络至关重要；而在后续练习阶段，有选择性的 AI 支持可以减少无关的认知负荷，从而提高效率，同时不损害已建立的网络。这意味着，我们应该在培养学生独立思考和解决问题的能力的基础上，适当地引入 AI 工具，而不是完全依赖它们。
研究人员强调，随着 AI 生成内容日益充斥数据集，以及人类思维与生成式 AI 之间的界限变得模糊，未来研究应优先收集不借助 LLM 协助的写作样本，以发展能够识别作者个人风格的“指纹”表示。这将有助于我们更好地理解 AI 对人类认知的影响，并找到应对这些影响的方法。
总而言之，这项研究呼吁我们在 LLM 整合到教育和信息情境中时，必须谨慎权衡其对认知发展、批判性思维和智力独立性的潜在影响。LLM 虽然能减少回答问题的摩擦，但这种便利性也带来了认知成本，削弱了用户批判性评估 LLM 输出的意愿。这预示着“回音室”效应正在演变，通过算法策划内容来塑造用户接触信息的方式。
案例分析：AI 写作工具在新闻行业的应用
为了更具体地说明 AI 对认知的影响，我们可以考虑 AI 写作工具在新闻行业的应用。许多新闻机构正在使用 AI 工具来生成新闻稿、撰写报告和编辑文章。这些工具可以帮助记者更快地完成工作，并提高新闻报道的效率。
然而，过度依赖 AI 写作工具也可能带来一些问题。例如，记者可能会变得不那么注重事实核查和独立思考，而是简单地复制粘贴 AI 生成的内容。这可能会导致新闻报道出现错误和偏见，从而损害新闻的公信力。
此外，AI 写作工具可能会减少记者进行深入调查和采访的机会，从而降低新闻报道的质量。记者可能会变得更加依赖 AI 工具提供的信息，而不是亲自去了解事实的真相。这可能会导致新闻报道缺乏深度和洞察力。
因此，新闻机构在使用 AI 写作工具时，应该采取一些措施来避免这些问题。例如，新闻机构可以要求记者对 AI 生成的内容进行仔细核查和编辑，并鼓励记者进行独立思考和调查。新闻机构还可以为记者提供培训，帮助他们更好地使用 AI 写作工具，并了解其局限性。
数据佐证：AI 对学生写作能力的影响
除了新闻行业，AI 写作工具也在教育领域得到广泛应用。许多学生正在使用 AI 工具来完成作业、撰写论文和准备考试。
一些研究表明，使用 AI 写作工具可以提高学生的写作效率和质量。例如，AI 工具可以帮助学生更快地找到相关资料、组织思路和修改语法错误。
然而，也有一些研究表明，过度依赖 AI 写作工具可能会对学生的写作能力产生负面影响。例如，学生可能会变得不那么注重写作技巧和语言表达，而是简单地依赖 AI 工具生成的内容。这可能会导致学生的写作水平下降，并影响其未来的学习和工作。
一项针对大学生的研究发现，经常使用 AI 写作工具的学生在写作测试中的表现明显低于不使用 AI 写作工具的学生。这项研究还发现，使用 AI 写作工具的学生在写作时更容易出现抄袭行为。
这些数据表明，过度依赖 AI 写作工具可能会对学生的写作能力产生负面影响。因此，教育机构应该采取一些措施来帮助学生合理地使用 AI 写作工具，并避免对其产生过度依赖。
应对策略：如何在 AI 时代保持认知活力
既然过度依赖 AI 可能会带来认知风险，那么我们应该如何应对呢？以下是一些建议：
- 保持批判性思维：在使用 AI 工具时，不要盲目相信其生成的内容，而是要对其进行批判性评估，并进行独立思考。
- 注重深度学习：不要满足于浅层的信息获取，而是要深入研究问题，并尝试理解其本质和内在联系。
- 培养自主学习能力：不要完全依赖 AI 工具提供的答案，而是要主动寻找学习资源，并培养自主解决问题的能力。
- 适度使用 AI 工具：不要过度依赖 AI 工具，而是要将其作为辅助工具，并在必要时进行人工干预。
- 保持好奇心和求知欲：不断学习新知识，并保持对世界的好奇心和求知欲，以激发大脑的活力。
总之，AI 时代的认知挑战 требует我们更加注重培养自身的认知能力，并合理地使用 AI 工具。只有这样，我们才能在享受 AI 带来的便利的同时，保持认知活力和创造力。
未来展望：AI 与人类智能的和谐共生
未来，AI 将会继续发展，并渗透到我们生活的方方面面。我们应该积极拥抱 AI，并将其作为提升自身能力和改善生活质量的工具。
同时，我们也应该警惕 AI 可能带来的认知风险，并采取相应的应对策略。只有这样，我们才能实现 AI 与人类智能的和谐共生，共同创造美好的未来。
未来的研究方向可以包括：
- 探索 AI 对不同年龄段人群认知能力的影响。
- 研究不同类型的 AI 工具对认知能力的影响。
- 开发能够评估和提升认知能力的 AI 工具。
- 制定关于 AI 使用的伦理规范和法律法规。
通过深入研究和有效应对，我们可以最大限度地发挥 AI 的潜力，并最大限度地减少其负面影响，从而实现人类与 AI 的共同进步。
