麻省理工学院的科学家们已经确定，使用大型语言模型会导致学习技能“可能下降”。
《时代》周刊报道了研究小组的发现。在一篇预印本论文中，科学家们详细说明了新数据是一项长达数月的研究成果。
麻省理工学院团队要求来自波士顿地区的 54 人在 20 分钟内写一篇短文。参与者被分为三组。第一组在没有任何外部帮助的情况下写了这篇文章，第二组可以使用搜索引擎，第三组使用 ChatGPT。
研究人员重复了四次练习。第四次，可以访问 ChatGPT 的参与者与自己写论文的参与者交换了角色。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：“虽然最初的好处很明显，但正如我们在 4 个月的过程中所证明的那样，LLM 组的参与者在各个层面上的表现都比纯大脑组的同行差：神经、语言、评分。
麻省理工学院团队在参与者佩戴的脑电图 （EEG） 耳机的帮助下收集了测试数据。这种设备使用电极来测量佩戴者的大脑活动。研究人员还向参与者提出了一系列问题，以完善耳机收集的数据。
EGG 设备使用一种称为 dDTF（或动态定向传递函数）连接的指标来测量佩戴者的认知负荷。该指标描述了不同大脑区域相互交互的强度。据研究人员称，与无法访问 ChatGPT 的参与者相比，使用 LLM 的参与者在撰写论文时表现出的 dDTF 连接性降低了 55%。
配备 LLM 的组在写作练习期间也表现出较低的额中线 theta 活动。额中线 theta 脑电波与涉及集中注意力的认知活动有关。“在仅大脑组中突出的 Theta 连接在 LLM 组中相对较弱或不存在，”研究人员发现。
在项目的后续阶段，麻省理工学院团队要求研究参与者引用他们的论文。使用 LLM 的组没有其他两个组完成任务。此外，该组的参与者报告说他们撰写的论文的“感知所有权”较低。
“根据我们的研究结果，我们证明了学习技能可能下降的紧迫问题，”研究人员写道。“这些发现支持一种教育模型，该模型会延迟 AI 集成，直到学习者进行了足够的自我驱动的认知努力。这种方法可能会促进即时工具的有效性和持久的认知自主性。