在使用生成式AI完成任务时,你的大脑工作方式与单独使用大脑时有所不同。具体来说,你不太可能记住自己所做的事情。这是MIT一项研究得出的结论,该研究观察了人们在写作文时的思维过程——这是关于使用生成式AI如何影响我们的最早期科学研究之一。
这项研究是一个预印本,尚未经过同行评议,规模较小(54名参与者)且仍处于初步阶段,但它表明需要对使用OpenAI的ChatGPT等工具如何影响我们大脑功能进行更多研究。OpenAI没有立即回应对这项研究的评论请求。
研究结果显示,使用AI工具完成任务与仅用大脑完成任务时,大脑和记忆的表现存在显著差异。但不要过度解读这些差异——这只是对大脑瞬时活动的一瞥,而不是大脑长期运作方式变化的证据,研究人员表示。
"我们想在这个方向上迈出第一步,同时鼓励其他人提出问题,"MIT研究科学家、该研究的首席作者Nataliya Kosmyna告诉我。
AI工具如聊天机器人的发展正在迅速改变我们的工作方式、信息搜索和写作方式。这一切发生如此之快,以至于我们很容易忘记ChatGPT作为一个受欢迎的工具才在2022年底刚刚出现。这意味着我们现在才开始看到关于AI使用如何影响我们的研究。
以下是MIT研究关于ChatGPT用户大脑中发生什么的发现,以及未来研究可能告诉我们什么。
**ChatGPT对大脑的影响**
MIT研究人员将54名研究参与者分为三组,要求他们在几周内的单独会话中写作文。一组可以使用ChatGPT,另一组可以使用标准搜索引擎(Google),第三组没有这些工具,只能使用自己的大脑。研究人员分析了他们产生的文本,在写作文后立即采访了受试者,并使用脑电图(EEG)记录了参与者的大脑活动。
对文章中使用语言的分析发现,"仅用大脑"组的写作方式更加独特,而使用大语言模型的组产生了相当相似的文章。更有趣的发现来自写作后的采访。那些仅使用大脑的人表现出更好的回忆能力,比使用搜索引擎或大语言模型的人更能引用自己的写作内容。
那些更多依赖大语言模型的人,可能从聊天机器人的回复中复制粘贴,不太能够引用他们"写的"内容,这可能并不令人意外。Kosmyna说这些采访是在写作发生后立即进行的,缺乏回忆能力是值得注意的。"你写的,不是吗?"她说。"你不应该知道它是什么吗?"
EEG结果也显示三组之间存在显著差异。仅用大脑的参与者比搜索引擎组有更多的神经连接——大脑组件之间的相互作用,而大语言模型组的活动最少。这同样不是一个完全令人意外的结论。使用工具意味着你使用较少的大脑来完成任务。但Kosmyna说这项研究帮助显示了差异是什么:"这个想法是更仔细地观察,了解它是不同的,但它是如何不同的?"她说。
大语言模型组显示"更弱的记忆痕迹、减少的自我监控和分散的作者身份,"研究作者写道。这在学习环境中可能是一个问题:"如果用户严重依赖AI工具,他们可能获得表面的流利性,但无法内化知识或对其产生拥有感。"
在前三篇文章之后,研究人员邀请参与者回来进行第四次会话,在这次会话中他们被分配到不同的组。来自显著较小的受试者群体(仅18人)的发现表明,最初在仅用大脑组的人即使在使用大语言模型时也显示出更多活动,而仅用大语言模型组的人在没有大语言模型时显示出比最初仅用大脑组更少的神经连接。
**这不是"大脑腐烂"**
当MIT研究发布时,许多标题声称它显示ChatGPT的使用正在"腐蚀"大脑或造成严重的长期问题。Kosmyna说,这并不是研究人员发现的确切内容。该研究专注于参与者工作时发生的大脑活动——他们大脑在那一刻的内部回路。它还检查了他们对那一刻工作的记忆。
了解AI使用的长期影响需要更长期的研究和不同的方法。Kosmyna说未来的研究可以查看其他生成式AI使用案例,如编程,或使用检查大脑不同部分的技术,如功能性磁共振成像(fMRI)。"整个想法是鼓励更多实验、更多科学数据收集,"她说。
虽然大语言模型的使用仍在被研究中,但对我们大脑的影响可能没有你想象的那么重大,约翰霍普金斯大学神经科学助理教授Genevieve Stein-O'Brien说,她没有参与MIT研究。她研究遗传学和生物学如何帮助发展和构建大脑——这发生在生命早期。她说,这些关键时期往往在童年或青少年时期结束。
"所有这些都发生在你与ChatGPT或类似东西互动之前,"Stein-O'Brien告诉我。"有很多基础设施已经建立,而且非常稳固。"
对于越来越多接触AI技术的儿童,情况可能有所不同,尽管Stein-O'Brien说,研究儿童对想要研究人类行为的科学家来说引发了伦理担忧。
为什么关心文章写作?
研究AI使用对文章写作影响的想法对一些人来说可能听起来毫无意义。毕竟,在学校写文章的目的不是为了得到分数吗?为什么不把这项工作外包给一台机器,如果不是做得更好,至少更容易?
MIT研究指出了任务的要点:写文章是为了发展你的思维,了解你周围的世界。
"我们从开始写作时所知道的开始,但在写作过程中,我们最终构建了下一个问题,思考新想法或新内容来探索,"密西西比大学写作和修辞学教授Robert Cummings说。
Cummings对计算机技术如何影响我们写作的方式进行了类似研究。一项研究涉及句子完成技术——你可能非正式地称之为自动完成。他找了119名作家,要求他们写一篇文章。大约一半人的计算机启用了Google智能撰写,而其余的没有。它让作家写得更快了吗,还是他们花费更多时间写得更少,因为他们必须导航提议的选择?结果是他们在同样的时间内写了大约同样的数量。"他们没有写不同的句子长度,没有不同复杂性的想法水平,"他告诉我。"这是完全平等的。"
ChatGPT及其同类是不同的野兽。使用句子完成技术,你仍然控制单词,你仍然必须做出写作选择。在MIT研究中,一些参与者只是复制粘贴ChatGPT所说的内容。他们甚至可能没有读过他们作为自己作品提交的工作。
"我个人的观点是,当学生使用生成式AI来替代他们的写作时,他们有点在投降,他们不再积极参与他们的项目,"Cummings说。
MIT研究人员在第四次会话中发现了一些有趣的东西,当时他们注意到写了三篇没有工具的文章的组在最终获得工具时有更高的参与水平。
"综合来看,这些发现支持一种教育模式,即延迟AI整合,直到学习者参与了足够的自驱动认知努力,"他们写道。"这种方法可能促进即时工具效率和持久的认知自主性。"
Cummings说他已经开始在没有设备的情况下教授他的写作课。学生在课堂上手写,通常是关于更个人化的主题,这些主题更难输入大语言模型。他说他觉得自己没有在批改AI写的论文,他的学生在寻求工具帮助之前有机会接触自己的想法。"我不会回头,"他说。
好文章,需要你的鼓励
当AI遇到空间推理难题:最新研究揭示GPT-4等顶尖模型在传送门解谜和立体拼图中集体"挂科",复杂智能远比我们想象的更难实现。
大连理工大学和浙江大学研究团队提出MoR(Mixture of Reasoning)方法,通过将多种推理策略嵌入AI模型参数中,让AI能自主选择最适合的思考方式,无需人工设计专门提示词。该方法包含思维生成和数据集构建两阶段,实验显示MoR150模型性能显著提升,比基线模型提高2.2%-13.5%,为AI推理能力发展开辟新路径。
2025施耐德电气智算峰会上,全新EcoStruxure(TM) Energy Operation电力综合运营系统正式亮相,定位场站级智慧能源管理中枢,集技术领先性与本土适配性于一体。
剑桥大学研究团队开发了FreNBRDF技术,通过引入频率修正机制显著提升了计算机材质建模的精度。该技术采用球面谐波分析提取材质频率信息,结合自动编码器架构实现高质量材质重建与编辑。实验表明,FreNBRDF在多项指标上超越现有方法,特别在频率一致性方面改善近30倍,为游戏开发、影视制作、电商预览等领域提供了重要技术支撑。