MIT Media Lab的Nataliya Kos'myna团队用一项长达4个月、54名被试的实验揭示了一个令人不安的事实：使用AI辅助写作的学生，大脑神经连接强度比独立写作的学生低55%。这不仅是行为层面的"变懒"，而是有神经生理学证据支撑的认知能力退化。
但更值得深思的是：当碎片化信息与AI依赖同时存在时，它们如何叠加并共同重塑我们的认知结构？
使用AI工具会显著降低脑神经连接
MIT研究使用dDTF（动态直接传递函数）分析各脑区之间的信号传递强度。EEG测量的是头皮表面的电活动，反映的是大量神经元同步放电的总和。他们让参与实验的学生分为三组：LLM 组（可用 ChatGPT-4o）、搜索引擎组（仅 Google）、纯大脑组（无任何工具），在4 个月内完成 3 次写作（Session 1-3），同一个 SAT 题目体系。Session 4 为交叉验证。
实验得到的量化数据显示：
使用 ChatGPT 的学生，大脑连接性比纯大脑组低 55%；
使用 Google 搜索的学生，大脑连接性比纯大脑组低 48%；
LLM 组的脑连接性在 3 次实验中持续下降——研究者将其解释为神经效率适应的负面效应（大脑学会了偷懒）。
特别的在数据上LLM组在α和β频段的全面退化，意味着：
- α波下降 → 大脑皮层无法有效抑制无关信息，注意力资源管理能力衰退；
- β波下降 → 工作记忆负荷降低（意味着没有在"努力"思考）；
- 整体连接性下降 → 跨脑区信息整合能力减弱。
当AI承担了本该由大脑完成的认知工作时，神经系统的反应遵循"用进废退"原则，出现了突触可塑性下调：
- 反复不使用的神经通路会被"修剪"；髓鞘化减弱；
- 经常使用的神经通路会被髓鞘包裹加速传导，不用的通路退化；
- 默认模式网络（DMN）沉寂，DMN在休息、自我反思、创造性思考时活跃；
在此后的交叉印证环节，18 名被试互换条件后，出现了两个关键结果：
第一，LLM转到Brain组（从 AI 依赖到独立写作）
- 脑连接性有所回升，但始终无法达到纯大脑组的水平
- α 和 β 频段网络参与不足——这些频段与注意力、积极认知处理相关
- 结论：先前的 AI 依赖可能钝化了大脑充分激活内部认知网络的能力
第二、Brain到LLM 组（从独立写作到首次用 AI）
- 出乎意料——大脑连接性全面上升
- 所有频段的连接性都出现了峰值
- 研究者解释：这些学生已经自主写过作文，现在将 AI 输出与自己的内部计划进行对齐——需要额外的认知工作（元认知参与）
简单的总结，就是AI工具的使用会降低人脑神经的连接强度。这是意味着脑子变笨么？
认知科学中有一个被反复验证的规律：认知负荷的适度增加（而非减少）才促进学习。刻意制造一点认知摩擦反而有助于知识的深度编码。当AI消除了这种摩擦，大脑就直接跳过了知识整合的关键步骤。正常认知过程要经历感知输入、工作记忆加载到前额叶控制、海马体编码以及长期记忆巩固，在这个顺行的节奏上还有一条反馈回路。但在AI接入后的认知路径变成了提示词输入、AI生成、复制粘贴、几乎不经过工作记忆的直接输出，大脑退出了中间所有的环节。
工作记忆是大脑的“认知工作台”——同时存储和操作信息的有限容量系统。ChatGPT用户的EEG显示β频段功率下降，这直接说明他们没有在工作记忆中加载和操作信息。进而推断：AI工具导致工作记忆退化，也就是说变笨。
而工作记忆是大脑的"认知工作台"——同时存储和操作信息的有限容量系统。ChatGPT用户的EEG显示β频段功率下降，直接说明他们没有在工作记忆中加载和操作信息。如果AI工具导致工作记忆的退化，那么人的认知能力自然就会有所下降，也就是所说的——变笨。
当我们在写作的时候大脑发生了什么
Martin Lotze团队在格赖夫斯瓦尔德大学进行了一项开创性研究。他们让专业作家和新手在 fMRI 扫描仪中创作故事，发现了几个革命性的差异：
核心发现一：新手的视觉皮层高度活跃，专家的语言皮层高度活跃
- 新手在写作时，视觉皮层（尤其是楔叶和舌回）像"电影放映机"一样持续活动——他们需要先在脑中"看到"场景，再把它翻译成文字
- 专家则反之：他们的语言相关区域（布罗卡区、前额叶）更活跃，视觉皮层反而安静——他们"直接用语言思考"，不需要中间翻译步骤
这解释了为什么新手写作时常常说"我能想象到但写不出来"。
核心发现二：专家写作者的尾状核异常活跃
- 尾状核是基底核的一部分，负责技能自动化（想想骑自行车时不用思考每个动作）
- 专家写作时尾状核高度活跃，新手的尾状核基本静默
- 这意味着熟练写作者已经把写作的许多底层操作"自动化"了——拼写、语法、基本句式结构不需要占用注意力资源，从而把工作记忆解放出来专注于更高层的思考（布局、论证、修辞）
核心发现三：专家的前额叶皮层（mPFC、DLPFC）更高效
- 专家的前额叶更具选择性：只在需要规划或决策时才激活，平时不"空转"
- 新手的前额叶则持续高耗能运转，处理大量底层细节
这意味着，写作能力的提升，本质上是大脑从"费力地逐字翻译"到"自动化地直接生成"的神经重塑过程。
总的来说，写作不仅使用大脑，它也在重塑大脑，重塑大脑的神经链接。研究表明：持续的写作训练可以增加语言相关区域的灰质密度；写作的元认知训练可以增强前额叶的执行控制网络；表达性写作已被证明可以调节杏仁核的激活模式，降低情绪事件对认知的过度干扰。
所以写作能力不是天赋决定的静态属性。大脑有极强的可塑性，每一次写作实践都在微调神经连接。
AI摘要 + 碎片信息：让我们背上“认知债务”
实际上，AI不是唯一的问题。如今碎片化的信息充斥在人们日常生活中，当AI工具和碎片化信息同时存在时，它们形成了一个相互强化的恶性循环：碎片化信息生态导致深度阅读能力退化，过多的依赖AI摘要和AI解读，大脑深度处理减少，从而碎片化习惯进一步强化。
更关键的在于上下文编码的缺失。深度阅读时，大脑会在工作记忆中维持一个"上下文框架"，将每个新信息点与已有知识网络建立连接。这个过程发生在α和β频段的跨区域同步中。AI摘要和碎片化信息共同绕过了这个过程——你得到的是去除了上下文的"干货"，而正是这个被去除的上下文，才是认知增长发生的地方。
碎片化信息+AI依赖也会对前额叶这个大脑的CEO造成慢性影响，导致注意力持续时间变短、任务切换成本变高、延迟满足能力降低、抑制控制能力变弱（容易被干扰）。Megan McClard等人（2024）在Nature Human Behaviour上的研究表明，长期高强度信息消费模式与执行功能的慢性减退显著相关，且这种减退在青春期和成年早期人群中尤为明显。
MIT研究中有两个细节值得深挖：LLM组使用模式在退化——从"帮我构思开头"退化为"直接给我完整答案"，以及83%的LLM用户无法准确引用自己刚写完的作文。这种行为退化不是意志力问题，而是神经奖励回路被重新校准。这与任何成瘾行为的神经机制高度同构：不是为了"更好"，而是因为路径已经被神经可塑性重塑了。
在此基础上MIT团队提出了一个认知债务（Cognitive Debt）的概念：当 AI 工具的使用让建立和维持独立思考能力变得更加困难时，这种债务就在不知不觉中累积起来了。类比经济债务的特点：
- 今天花未来的钱 → 今天用AI省力，牺牲未来独立思考能力
- 利息累计 → 每次使用都在加深依赖
- 容易导致破产 → 最终导致认知能力不可逆退化
- 合理借贷可增值 → 策略性使用AI可增强认知
深度知识体系的构建需要三个条件：知识之间的丰富连接；条件化知识（知道何时使用什么知识）；可迁移性（跨情境应用的能力）。这三个条件都依赖于大脑对信息的主动加工——而碎片化+AI依赖恰恰切断了这个过程：碎片信息导致缺乏连接；AI摘要导致条件缺失（你不知道结论是如何得出的）；AI替代导致迁移无发生情境。
种种信息都向我们证明，AI和碎片化信息，最终会让我们的大脑被重塑。"大脑被重塑"这个词令人恐惧，但神经可塑性本质上是中性的——它既能让我们学习，也能让我们"反学习"。MIT研究中的交叉实验表明：认知债务可能部分可逆，但需要付出额外努力。Brain→LLM组之所以出现连接性上升峰值，是因为他们的大脑仍然保留着"独立思考"的神经模板——只是在用AI对照补充。而LLM→Brain组的问题在于，那个模板可能已经开始模糊了。
所以我们可以在享受AI工具和碎片化娱乐信息的同时，通过深度阅读和有目的地写作来对冲神经连接的退化。工具本身是没有对错的，关键在于我们如何使用他们。就像MIT团队在论文结尾写道的："We are not trying to say that we love LLMs or we hate LLMs. LLMs are a tool. They're here to stay. What we actually love are humans. And we want to understand how these tools we are using can be of the biggest support on all levels of our life， starting with cognition."
我们正在经历一个前所未有的认知契约重新谈判的时刻。AI承诺的"效率"正在悄悄征收一种隐性税——认知能力的自主性，并且让人们不知不觉的积累了认知债务。55%的神经连接下降不是一个抽象数字。它意味着对我们提出的一个问题：当AI消失的那一天，你是否还能独立思考？也许真正的问题不是"AI会不会取代人类"，而是"依赖AI的人类还会不会是他们曾经的那个人"（具有讽刺意味的是这篇文章的大部分内容来自于AI整理）。
热门跟贴