人工智能語言模型對認知能力的影響研究

近期一項由知名學府開展的深入研究探討了在教育環境中使用大型語言模型（LLM）對認知能力的影響。這項爲期4個月的研究涉及54名參與者，旨在評估使用LLM進行寫作任務時對大腦功能和認知能力的潛在影響。

研究團隊將參與者分爲三組：使用LLM、使用搜索引擎和僅依靠大腦。每組在規定時間內完成不同主題的寫作任務。研究還包括第四輪實驗，其中部分參與者改變了工具使用方式。

爲全面評估參與者的表現，研究採用了多種方法：

1. 腦電圖（EEG）記錄：用於評估認知投入和負荷。
2. 自然語言處理（NLP）分析：評估寫作內容的特徵。
3. 參與者訪談：了解主觀體驗。
4. 人類教師和AI評判：對寫作成果進行評分。

研究結果顯示，使用LLM的參與者在多個方面表現出顯著差異：

• 寫作同質化：LLM組的文章在各主題上表現出較高的一致性。
• 命名實體使用：LLM組使用了最多的特定命名實體。
• 神經連接模式：LLM組顯示出最弱的大腦網路耦合。
• 文章歸屬感：LLM組對自己作品的歸屬感最低。
• 回憶能力：LLM組在引用自己剛完成的文章內容時表現最差。

相比之下，僅依靠大腦的組在寫作多樣性、大腦網路活躍度和文章歸屬感方面表現最佳。搜索引擎組的表現通常介於其他兩組之間。

研究還發現，在切換工具使用方式後，參與者的大腦活動模式也隨之改變。從LLM轉向僅依靠大腦的參與者顯示出較弱的神經連接，而從僅依靠大腦轉向使用LLM的參與者則表現出更強的記憶回憶能力。

這項研究結果引發了對LLM在教育中應用的深思。盡管LLM工具可能提高寫作效率，但過度依賴可能會影響認知能力的發展，特別是對年輕用戶而言。研究者建議，在廣泛認可LLM對人類有益之前，需要進行更多長期研究以了解其對人類大腦的影響。

值得注意的是，這項研究尚未經過同行評審。它不應被理解爲完全否定LLM的價值，而是提醒我們需要謹慎、有策略地使用這些工具，以最大化其益處同時minimizing潛在的負面影響。