随着人工智能技术的广泛应用，尤其是大型语言模型如ChatGPT的普及，AI辅助写作成为许多学术和创意写作人士的首选工具。通过即时生成文本和内容建议，AI助手极大地提升了写作效率，减少了思维负担。然而，最新研究显示，这种便利同时伴随着认知负债的积累，导致用户在认知能力和自主写作水平上出现明显退化。麻省理工学院媒体实验室的一项最新研究揭示了这一现象的内在机制及其外在表现。 该研究通过对比三组不同写作条件的参与者——仅依赖大脑写作组（Brain-only）、使用搜索引擎辅助组（Search Engine）以及依赖大型语言模型组（LLM），详细考察了大脑神经活动和写作行为的差异。研究采用脑电图（EEG）监测参与者在写作过程中的脑区连接状态，结合自然语言处理技术分析所写论文的语言结构和内容质量，由教师和AI评审共同对作文进行评分。
研究发现，Brain-only组表现出最强大且分布最广的脑网络连接，显示出高度的认知参与和深度思考。而依赖LLM辅助的组则脑网络连接最弱，认知活动显著下降。 搜索引擎辅助组介于两者之间，表现出适度的认知参与。认知活动的层级显然与外部工具的依赖程度成反比，工具使用越频繁，脑部的活跃程度越低。这表明AI助手的便利性在一定程度上牺牲了用户自身的认知负荷和深度信息加工。 最令人关注的是，当进行组内转换实验时，即原先依赖LLM辅助的参与者转为无辅助写作（LLM-to-Brain），他们的脑电图显示出α波和β波的连接减少，表明认知参与度不足，存在明显的“脑懒惰”现象。
反之，Brain-only组转向使用LLM（Brain-to-LLM）则表现出记忆召回提升和相关脑区的激活，类似于搜索引擎组的表现，体现了工具介入时认知活动的重新调整。 研究还关注了写作作品的归属感，即参与者对自己论文的拥有感和认知准确性。结果显示，LLM用户对所写内容的归属感最低，甚至难以准确引用自己的作品。相较之下，Brain-only组的归属感和引用准确性显著更高。这反映出长期依赖AI完成写作，可能侵蚀学生或写作者的自主性和原创意识，削弱其批判性思维和反思能力。 在语言上，不同组别写作作品表现出较高的组内同质性，词汇实体识别和语法模式较为一致，但整体创造力和深度分析有所不同。
脑电数据支持了这一观察，显示外部工具减少了大脑的深度信息整合，可能导致写作内容的机械化与低自主创新。 综合来看，这项研究强调了AI辅助写作对认知负债的长期积累风险。认知负债指的是由于过度依赖外部智能工具，导致大脑自身认知资源减少，学习者逐渐丧失独立深度思考和信息加工的能力。随着时间推移，这种负债会对教育效果和个人知识结构产生负面影响。 尽管大型语言模型能够带来快速文本产出和即时反馈，减轻写作压力，但其便利背后隐藏的挑战不容忽视。教育工作者和学习者应警惕对AI的过度依赖，鼓励在合理范围内使用工具的同时，保持自主认知活动的锻炼。
合理的工具使用策略和认知负债管理，有助于实现AI技术与人类认知的协同进化。 未来研究需要进一步深入探索不同类型AI辅助工具对认知功能的差异影响，及其在不同教育阶段和学科中的适用性。同时，开发能够动态监测和调节认知负债的智能教育系统，有助于优化学习路径，促进个性化教学。 此外，社会层面也需提升公众对AI技术潜在认知风险的认识，推动教育政策制定者、技术开发者与学术界之间的跨领域合作，共同构建以人为本的人工智能教育生态。 综上，人工智能助手虽为写作和学习带来前所未有的便利，但其潜在的认知负债积累效应必须引起高度关注。只有平衡技术辅助与人类认知能力的培养，才能真正实现智能化时代的可持续教育发展和知识创新。
。
