大语言模型短期提升人的产出效率，但存在潜在的长期认知成本，尤其在学习环境中可能累积成“认知负债”

https://arxiv.org/pdf/2506.08872

当人类在写作任务中长期依赖LLM（以ChatGPT类助手为代表），是否会在神经、记忆与写作质量层面积累“认知负债”（cognitive debt）——即能力的退化或参与度下降？研究人员将受试者分为三组（LLM辅助、搜索引擎辅助Search、纯脑力/不使用外部工具Brain-only），连续进行三次任务，同一批人完成会话内的写作；有一部分人在第四次切换工具以观测可逆性/持久性。

被试的最高学历及其来源分布研究人员使用 EEG 测量脑网络连通性，并用 NLP 指标与人工评分评估文本质量与风格。样本为 54 人（前三次），18 人完成第四次。研究结果发现：1. EEG 指标显示：Brain-only（不使用工具）组在多次写作中维持了最高的脑网络连通性；Search（检索）组居中；LLM 组最低，表明任务参与度、注意与深度处理减少。LLM 用户即便在不使用工具时也表现出较低的脑电连通性（可能的持久效应）。

2. 记忆与“参与感”：LLM 组对自己作品的主体感（ownership）最低，且难以准确回忆/引用自己写过的内容；Brain-only 组记忆与主观拥有感最高。3. 语言层面：LLM 辅助写作的文本在命名实体、n-gram 多样性与主题本体上显示出群内同质性（风格趋同、缺乏个性）。4. 可逆性与含义：在少数被转换回“纯脑力”的受试者中，LLM-to-Brain 的参与度未完全回到原先水平；而Brain-to-LLM 的受试者在使用LLM时并未表现出同样的神经下滑（提示工具的使用情境与先前训练状态重要）。总体结论是：LLM 即时提升产出效率，但存在潜在的长期认知成本，尤其在学习环境中可能累积成“认知负债”。

文章也存在一些不容忽视的缺陷：实验的样本量与代表性不足，该研究共招募 54 名受试者（前三次写作）。当人们选择用快捷工具 (计算器、拼写校对、AI 辅助) 完成某些任务的时候，大脑当然不必像手写/纯脑力处理那样“全力运作”。这可能仅仅反映了一种全新的 “认知分工”——把低阶/机械性任务交给工具，把高阶思维、批判审查、重构/编辑交给人。论文分析写作文本时，使用了 NLP 技术 (NER, n-gram, 主题本体) 来衡量 “风格同质性 / 多样性 /原创性倾向”。 但这些所谓“多样性 /原创性/主题分布”指标是否真能反映“批判性思维”、“深度理解”、“原创思想” ，值得怀疑。作者对 “写作质量、学术技能、批判性思维能力” 的测量方式较为有限，显得单一。作者关于“认知债”的“可逆性 / 长期影响” 的论断过于武断，缺乏长期纵向追踪。有待后续的研究跟进。尽管论文和项目主页多处提醒这是初步研究 (preliminary) 且未经同行评审。但媒体（尤其是自媒体）和公众可能会过早将其当作“定论”——例如“AI 会毁掉学生的大脑／写作能力”。

论文的最大贡献是把过去较为抽象的“认知依赖”和“认知懒惰”等理论，转化成一个更具解释力的框架：认知债（Cognitive Debt），并且将其定义为使用AI时给未来学习质量带来的负面累积效应。在文章中，作者还尝试把“认知债”这个变量进行量化，这是第一次有实证研究试图从脑成像角度捕捉“使用AI的代价结构”。过去，关于AI写作辅助的研究多集中在：“写作质量提升吗？”等表层问题上，而这篇文章所讨论的则是更深层的问题：AI如何改变大脑对复杂任务的处理方式？AI是否在重塑学习的机制，而不仅仅是提升产出指标？这是一个范式级别的极为重要的讨论，它推动学术界把研究视角从简单的“工具效应”转向深层次的“认知结构改变效应”。

文章迫使我们面对一个敏感但重要的问题：当AI承担越来越多的思考、规划、表达、设计与结构化任务之后，人类还保留哪些必要的认知过程？对此，您怎么看？

十二月的时光