MIT 的一项最新研究“你的大脑与 ChatGPT”揭示了长期使用 LLM（大型语言模型）可能导致的“认知能力萎缩”现象，引发了人们对 ChatGPT 效应的担忧。尽管 LLM 在工作中能带来便利，但其潜在的长期风险不容忽视。本文将深入探讨该研究的影响，分析 LLM 对职场人士认知能力、工作方式以及决策质量的潜在影响。
1. 研究背景：LLM 辅助写作的神经机制探索
MIT 的这项研究，发表在预印本 arXiv 服务器上，名为《你的大脑与 ChatGPT：使用 AI 助手进行论文写作任务时的认知债务积累》。该研究旨在探索 LLM 辅助写作对大脑的神经和行为影响。研究人员将参与者分为三组：LLM 组、搜索引擎组和纯脑力组（不使用任何工具），让他们在 20 分钟内完成 SAT 论文写作。通过 EEG（脑电图）监测，研究人员观察到：纯脑力组展现出最强、分布最广的大脑网络连接；搜索引擎组表现出适度的参与度；而 LLM 组则显示出最弱的连接。研究的摘要指出：“认知活动与外部工具的使用程度成反比。在四个月的时间里，LLM 用户在神经、语言和行为层面上的表现始终较差。” 换句话说，过度依赖 LLM 可能导致写作能力的下降， 这也是 ChatGPT 效应的一种体现。
这项研究虽然聚焦于教育领域，但其结论对职场人士同样具有警示意义。职场人士虽然不是像学生那样学习，但也在工作中持续学习和成长。案例分析是商学院常用的教学方法，也被认为是一种实践性的学习。LLM 的使用，无疑减少了这种实践机会。
2. 认知卸载：LLM 如何影响大脑的“认知负荷”
研究发现，LLM 辅助写作可以释放认知资源，降低记忆负荷，使大脑能够将精力重新分配到执行功能上。另一方面，传统的搜索引擎写作更能激活大脑的整合和记忆系统。这反映了两种截然不同的认知模式：外部支持的自动化 vs 内部管理的整合。简单来说，LLM 和搜索引擎都在一定程度上为我们分担了认知负担。如果只需要完成一些基础性的写作任务，以便腾出精力处理其他更重要的任务，那么 LLM 可能是合适的选择。这也就是 ChatGPT 效应在提高效率上的体现。
然而，这种 “认知卸载” 也可能带来负面影响。如果长期依赖 LLM 处理信息，大脑可能逐渐失去独立思考和解决问题的能力。就像长期使用计算器会导致心算能力下降一样，过度依赖 LLM 可能会导致 “技能萎缩”。
3. 技能萎缩：过度依赖 LLM 的潜在风险
该研究结果与之前的研究相互印证，即频繁使用 AI 工具的用户往往会跳过对材料的深入理解，导致诸如头脑风暴和解决问题等技能的 “技能萎缩”。参与者可能没有充分利用他们的认知能力进行分析和生成性写作，原因可能是他们已经习惯了 AI 的支持。这正是人们一直担心的 ChatGPT 效应的负面影响。就像阅读书籍摘要代替阅读整本书一样，人们可能无法建立更深入的联系和学习。
在职场中，我们每天都需要做出决策，进行头脑风暴和解决问题。如果这些技能逐渐萎缩，会对我们的工作产生什么影响？如果我们对材料的参与度降低，又会对我们的决策质量产生什么影响？
4. 原创性与批判性思维：LLM 对决策质量的影响
研究表明，使用外部工具的参与者往往缺乏原创性思维。此外，过度依赖 AI 可能会削弱批判性思维和解决问题的能力：用户可能擅长使用工具，但却无法在没有工具的情况下达到相同的标准。神经生理学数据为这一过程提供了初步支持，显示出大脑连接的具体变化，反映了这种转变。换句话说，将 LLM 作为拐杖可能会削弱这些技能；此外，结果可能令人满意，但并非一流水平。
案例： 想象一下，一位市场营销人员使用 LLM 生成一份品牌宣传文案。虽然 LLM 可以快速生成语法正确、结构清晰的文案，但它可能缺乏独特的创意和情感共鸣，无法真正触动目标受众。长期以往，这位营销人员可能会逐渐丧失独立撰写优秀文案的能力，变得依赖 LLM 的 “模板”，从而导致品牌宣传的同质化。
5. 认知债务：长期使用 LLM 的累积效应
该研究还提出了 “认知债务” 的概念，即长期依赖 LLM 进行思维密集型任务，可能会逐渐削弱我们的思维能力，即使停止使用后也是如此。 这也是 ChatGPT 效应长期影响的一种表现。
数据支撑： 虽然目前还没有长期的、大规模的追踪研究，但一些小型研究和用户反馈表明，长期依赖 LLM 可能会导致注意力不集中、记忆力下降等问题。例如，一项针对程序员的研究发现，长期使用 AI 代码生成工具的程序员，在独立编写代码时更容易出现错误。
6. ChatGPT 总结： LLM 的潜在风险与应对策略
文章作者在撰写完分析后，使用 ChatGPT 对文章进行了总结，结果如下：
1. 降低认知参与度
- 影响： 使用 LLM 起草内容、规划策略或编写报告时，大脑可能不如自己完成任务时活跃。
- 风险： 长期下来，可能会削弱分析能力，导致创造性、批判性和战略性思维能力下降，尤其是在需要判断力或原创性的任务中。
- 案例： 依靠 AI 编写商业计划书可能会产生结构良好的文档，但对核心思想的掌握较弱，从而在后续讨论中效果不佳。
2. 记忆和理解缺陷
- 影响： 使用 AI 工具的用户对自己所写内容的记忆力较差，对自己输出内容的理解程度也较低。
- 风险： 在会议或演示中，可能会忘记或歪曲由 LLM 生成的观点。
- 缓解措施： 在展示或提交 AI 生成的内容之前，务必对其进行审查、改述和内化。
3. 责任感降低
- 影响： 专业人士可能对在 LLM 的大量帮助下完成的工作感觉联系较少。
- 风险： 参与度和责任感降低；对自身工作的自豪感降低可能会影响积极性和表现。
- 缓解措施： 将 AI 视为初级同事——与其合作，但拥有最终输出的所有权。
4. 同质化沟通
- 影响： AI 倾向于为用户生成公式化或风格相似的内容。
- 风险： 您的电子邮件、报告和想法可能开始混杂在一起，并失去您的个人或品牌声音。
- 缓解措施： 使用 LLM 进行结构或灵感，但在自己的语气和上下文中重写关键信息。
5. 认知债务是累积的
- 影响： 依赖 AI 进行思维密集型任务的时间越长，即使停止使用后，它也可能使您的思维变得迟钝。
- 缓解措施： 使用 LLM 进行低价值或重复性工作，并有意识地亲自处理高认知负荷任务（例如，战略、产品思维、招聘决策）。
7. 如何应对 ChatGPT 效应：在便利与风险之间找到平衡
虽然 MIT 的这项研究尚未经过同行评审，但它提出的问题值得我们认真思考。 ChatGPT 效应 确实存在，但并非不可避免。 我们应该如何应对这种潜在的威胁，在享受 LLM 带来的便利的同时，保护我们的认知能力？
1. 区分任务类型，合理使用 LLM
- 对于重复性、低价值的任务，可以充分利用 LLM 提高效率。
- 对于需要深入思考、创造性和批判性思维的任务，应该尽量独立完成。
2. 将 LLM 作为助手，而非替代品
- 将 LLM 视为辅助工具，帮助我们收集信息、生成草稿，而不是完全依赖它来完成工作。
- 始终保持批判性思维，对 LLM 生成的内容进行审查和修改，确保其符合我们的需求和标准。
3. 持续学习，保持认知活跃
- 积极参与各种学习活动，如阅读书籍、参加培训、与同行交流等，不断提升自己的知识和技能。
- 尝试挑战性的任务，如解决复杂的问题、进行创新性思考等，保持大脑的活跃度。
4. 培养元认知能力，监控自己的认知过程
- 了解自己的认知优势和劣势，有意识地调整学习和工作策略。
- 反思自己的思维过程，及时发现和纠正错误的认知模式。
8. 结语：拥抱 LLM，更要警惕 ChatGPT 效应
LLM 代表着科技的进步，但我们也必须清醒地认识到其潜在的风险。 ChatGPT 效应 提醒我们，过度依赖 AI 可能会削弱我们的认知能力。 只有在充分了解 LLM 的局限性，并采取积极的应对策略，我们才能真正驾驭这项强大的技术，让它为我们所用，而不是被它所控制。 未来，我们需要更多的研究来深入了解 LLM 对人类认知的影响，从而制定更科学、更合理的 AI 使用策略，确保我们在享受技术红利的同时，也能保护我们的认知能力，让大脑始终保持活力。