研究发现：使用大语言模型可能会导致学习能力下降

麻省理工学院（MIT）的科学家们近日得出结论：使用大语言模型会导致“学习能力可能下降”。

《时代》杂志本周报道了该研究团队的发现。在一篇论文中，科学家详细描述了这项持续数月的研究成果。

MIT 的研究团队邀请了54名来自波士顿地区的志愿者，在20分钟内撰写一篇短文。参与者被分成三组：第一组不得借助任何外部帮助独立完成写作；第二组可以使用搜索引擎；第三组则允许使用 ChatGPT。

研究人员重复进行了四轮这样的测试。在第四轮中，原本使用 ChatGPT 的组与完全自主写作的组互换了角色。第四次测试是在第一次测试四个月后进行的。

研究人员在论文中写道：“尽管最初使用 LLM 带来了明显的好处，但经过四个月的观察我们发现，LLM 组在所有层面上的表现都逊色于‘仅靠大脑’组：包括神经活动、语言表达和评分结果。”

为了收集数据，MIT 团队让参与者佩戴脑电图（EEG）设备进行测试。这种设备通过电极测量佩戴者的脑部活动。此外，研究人员还向参与者提出了一组问题，以补充从设备中获得的数据。

EEG 设备使用一种称为 dDTF（动态定向传递函数）连接性的指标来衡量认知负荷。这一指标反映了大脑不同区域之间相互作用的强度。据研究人员表示，使用 LLM 的参与者在写作时的 dDTF 连接性比没有使用 ChatGPT 的人低达 55%。

在写作练习中，使用 LLM 的群体还表现出较低的额叶中部θ波活动。这种脑波通常与需要集中注意力的认知活动有关。研究人员指出：“在‘仅靠大脑’组中显著存在的θ波连接，在 LLM 组中相对较弱甚至缺失。”

在项目后续阶段，MIT 研究人员要求参与者复述自己写的文章内容。使用 LLM 的那组人在任务中的表现不如另外两组。此外，他们对自己所写文章的“归属感”也报告得更低。

研究人员在论文中写道：“我们的研究表明了一个紧迫的问题：使用 LLM 可能导致学习技能的下降。这些发现支持这样一种教育模式——在学习者投入足够的自主认知努力之前，应推迟人工智能的引入。这种方法或许既能提升工具使用的即时效率，又能促进长期的认知自主性。”