大型语言模型对认知能力的影响研究

近期，一项由知名学府进行的深入研究探讨了在教育环境中使用大型语言模型(LLM)对认知能力的影响。该研究历时4个月，共206页，重点关注了在撰写文章时使用LLM对大脑及认知能力的潜在影响。

研究团队招募了54名参与者，将其分为三组：LLM组、搜索引擎组和仅靠大脑组。在前三轮实验中，每组使用指定工具（或不使用工具）在限定时间内完成文章写作任务。第四轮实验中，研究人员调整了部分参与者的工具使用方式，以观察其适应性变化。

为全面评估参与者的认知投入和负荷，研究采用了多种方法：

1. 使用脑电图(EEG)记录脑电活动
2. 进行自然语言处理(NLP)分析
3. 实验后对参与者进行访谈
4. 借助人类教师和专门构建的AI评判员进行评分

研究结果显示，仅使用大脑的参与者在写作风格上表现出较大的多样性，而LLM组的文章则呈现出明显的同质化趋势。在特定命名实体(NER)的使用上，LLM组远超其他两组，这可能反映了对工具输出的过度依赖。

在神经连接模式方面，研究人员采用动态定向传递函数(dDTF)方法测量认知负荷。脑电图分析揭示，三组参与者在神经连接模式上存在显著差异，反映了不同的认知策略。随着外部支持的增加，大脑连接程度呈现系统性降低趋势：仅靠大脑组表现出最强、最广泛的网络连接，而LLM辅助组的整体耦合最弱。

访谈结果进一步证实了这一发现。LLM组对其文章的归属感较低，且在回忆几分钟前所写内容时表现欠佳。超过83%的LLM用户无法准确引用刚刚完成的文章内容。

这项研究虽然尚未经过同行评审，但其结果表明，在为期4个月的研究过程中，LLM组参与者在神经、语言和得分等多个层面的表现均不如仅使用大脑的对照组。研究人员指出，LLM在教育领域的广泛应用可能会影响学习技能的提升，特别是对年轻用户而言。

研究团队建议，在LLM被广泛认可为对人类有益之前，有必要进行长期的纵向研究，以深入了解人工智能聊天机器人对人类大脑的长期影响。

值得注意的是，这项研究并非否定LLM的价值，而是提醒人们警惕过度依赖这类工具。合理使用LLM，结合人类的创造力和批判性思维，才能充分发挥其潜力，促进认知能力的提升。