一项由麻省理工学院媒体实验室主导的研究发现，使用ChatGPT等大型语言模型辅助撰写论文可能导致"认知负债"的积累，表现为大脑神经连接强度下降、记忆编码能力减弱以及论文原创性降低。

由Nataliya Kosmyna（娜塔莉亚·科斯米纳）博士带领的研究团队招募了54名来自麻省理工学院、哈佛大学等高校的参与者，随机分为三组：LLM组（仅使用GPT-4）、搜索引擎组（仅使用谷歌搜索）和无工具组（仅依靠自身知识）。参与者需完成四阶段论文写作任务，其中第四阶段两组参与者互换工具使用条件，以观察认知适应变化。

研究人员使用32通道EEG设备记录参与者大脑活动，同时通过自然语言处理技术分析论文的命名实体识别（NER）、n-gram词频分布和语义结构。实验发现，LLM组的大脑神经连接强度在阿尔法、西塔等关键频段显著低于无工具组，尤其是在顶叶到颞叶的语义整合网络中，LLM组的动态直接传递函数（dDTF）值较无工具组降低了55%。

EEG数据分析显示，无工具组的大脑呈现最强、最广泛的网络激活，尤其是在负责语义处理的左顶叶（P7）到右颞叶（T8）通路中，dDTF值达到0.053，而LLM组仅为0.009。研究人员解释，这表明无工具写作时大脑需调动更多记忆检索和概念整合资源，而LLM辅助写作则导致大脑进入"节能模式"，减少深层认知加工。

在行为测试中，LLM组表现出显著的记忆编码缺陷：83.3%的参与者无法正确引用自己刚完成的论文内容，而无工具组和搜索引擎组的这一比例仅为11.1%。自然语言处理结果进一步显示，LLM组论文的命名实体使用频率是无工具组的2.5倍，但原创n-gram词频降低40%，论文结构和论点呈现出高度同质化特征。

"使用LLM就像借用认知贷款，短期看似高效，长期却会积累债务。"Kosmyna博士指出，当参与者从LLM转向无工具写作时，他们的大脑连接模式未能恢复到初始水平，而是处于中间状态，尤其是在负责工作记忆的贝塔频段，连接强度较无工具组降低34%。这种"认知肌肉萎缩"现象可能导致长期独立思考能力下降。

研究还发现有趣的"工具依赖惯性"，原本使用无工具写作的参与者在转向LLM时，大脑激活模式反而比初始LLM组更广泛，显示出一定的认知弹性。而长期LLM使用者在脱离工具后，大脑网络难以重新激活完整的写作认知链，这与他们论文中频繁重复LLM惯用词汇的现象一致。

虽然LLM组论文在AI评分系统中得分较高，但人类教师对其"独特性"和"思想深度"的评分显著低于无工具组。一位参与评分的英语教师描述LLM生成的论文"结构完美但缺乏灵魂，就像用模板拼凑的标准化产品"。

这项研究为教育领域使用AI工具敲响警钟。研究人员建议采用"先自主后辅助"的学习模式：在掌握核心认知技能后再引入AI工具，以避免认知能力退化。Kosmyna强调："AI应该是认知的放大镜，而非替代品。我们需要培养既能驾驭技术又保持独立思考的新一代学习者。"

参考资料：https://arxiv.org/abs/2506.08872