Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task

本研究探讨了大型语言模型（LLM）辅助写作对神经活动和行为的影响。参与者被分为三组：LLM组、搜索引擎组和纯脑力组（无工具辅助）。每组在相同条件下完成了三次写作任务。在第四次任务中，LLM组的参与者被重新分配到纯脑力组（LLM转纯脑力），而纯脑力组的参与者则被重新分配到LLM组（纯脑力转LLM）。共有54名参与者完成了前三个阶段的任务，其中18人完成了第四阶段的任务。我们通过脑电图（EEG）评估写作过程中的认知负荷，并使用自然语言处理（NLP）技术分析文章内容，同时结合人类教师和AI评分系统对文章进行评分。 结果表明，在各组内部，命名实体识别（NER）、n-gram模式和主题本体均表现出较高的同质性。脑电图数据显示，不同组别的大脑连接性存在显著差异：纯脑力组的大脑网络最为强大且分布广泛；搜索引擎组表现出中等程度的参与度；而LLM组的大脑连接性最弱。认知活动随着外部工具使用的增加而逐渐减少。在第四阶段任务中，从LLM转为纯脑力的参与者显示出α波和β波连接性的降低，表明其参与度不足。而从纯脑力转为LLM的参与者则表现出更高的记忆回忆能力以及枕叶-顶叶和额叶区域的激活，这一表现与搜索引擎组相似。 此外，自评结果显示，LLM组对文章的“所有权”感最低，而纯脑力组最高。值得注意的是，LLM组的参与者在准确引用自己作品方面也遇到了困难。尽管LLM提供了即时便利，但我们的研究揭示了其可能带来的认知成本。在为期四个月的研究中，LLM组在神经、语言和行为层面的表现始终逊于其他组别。这些结果引发了对长期依赖LLM在教育领域影响的担忧，并强调了深入探究人工智能在学习中角色的重要性。

本研究试图探讨大型语言模型（LLM）辅助写作对人类神经活动和行为表现的影响，验证外部工具使用是否会导致认知活动的减少以及长期教育效果的下降。这是一个相对较新的问题，特别是在AI工具快速普及的背景下。

关键思路是通过对比三种写作条件（LLM辅助、搜索引擎辅助和纯脑力写作），结合EEG数据分析神经活动，并通过NLP技术评估作文质量。此外，研究设计了交叉实验（LLM到无工具，无工具到LLM），以观察工具切换对认知模式的影响。相比现有研究，本文首次从神经科学角度系统分析了LLM使用的潜在认知成本。

1. 使用EEG测量脑网络连接性，揭示不同工具条件下大脑活动的变化；2. 结合NLP分析作文的语言特征，提供多维度评估；3. 设计交叉实验，深入探究工具依赖对认知能力的影响；4. 发现LLM用户在自我引用和作品归属感上的显著劣势；5. 实验数据来自真实参与者，但未提及代码开源情况，未来可进一步探索工具优化与教育干预措施。

相关研究包括：1. 'The Impact of Digital Tools on Cognitive Offloading' 探讨数字化工具如何改变人类记忆模式；2. 'Neural Correlates of Creativity in Writing' 研究创作过程中的大脑活动；3. 'AI-Assisted Learning: Benefits and Pitfalls' 分析AI在教育中的双刃剑效应；4. 'Cognitive Load Theory and Educational Technology' 探索技术对学习负担的影响。这些研究共同构成了理解AI工具对人类认知影响的基础。