MIT Media Lab的Nataliya Kos'myna團隊用一項長達4個月、54名被試的實驗揭示了一個令人不安的事實：使用AI輔助寫作的學生，大腦神經連接強度比獨立寫作的學生低55%。這不僅是行為層面的"變懶"，而是有神經生理學證據支撐的認知能力退化。

但更值得深思的是：當碎片化信息與AI依賴同時存在時，它們如何疊加并共同重塑我們的認知結構？

使用AI工具會顯著降低腦神經連接

MIT研究使用dDTF（動態直接傳遞函數）分析各腦區之間的信號傳遞強度。EEG測量的是頭皮表面的電活動，反映的是大量神經元同步放電的總和。他們讓參與實驗的學生分為三組：LLM 組（可用 ChatGPT-4o）、搜索引擎組（僅 Google）、純大腦組（無任何工具），在4 個月內完成 3 次寫作（Session 1-3），同一個 SAT 題目體系。Session 4 為交叉驗證。

實驗得到的量化數據顯示：

使用 ChatGPT 的學生，大腦連接性比純大腦組低 55%；

使用 Google 搜索的學生，大腦連接性比純大腦組低 48%；

LLM 組的腦連接性在 3 次實驗中持續下降——研究者將其解釋為神經效率適應的負面效應（大腦學會了偷懶）。

特別的在數據上LLM組在α和β頻段的全面退化，意味著：

• α波下降 → 大腦皮層無法有效抑制無關信息，注意力資源管理能力衰退；
• β波下降 → 工作記憶負荷降低（意味著沒有在"努力"思考）；
• 整體連接性下降 → 跨腦區信息整合能力減弱。

當AI承擔了本該由大腦完成的認知工作時，神經系統的反應遵循"用進廢退"原則，出現了突觸可塑性下調：

• 反復不使用的神經通路會被"修剪"；髓鞘化減弱；
• 經常使用的神經通路會被髓鞘包裹加速傳導，不用的通路退化；
• 默認模式網絡（DMN）沉寂，DMN在休息、自我反思、創造性思考時活躍；

在此后的交叉印證環節，18 名被試互換條件后，出現了兩個關鍵結果：

第一，LLM轉到Brain組（從 AI 依賴到獨立寫作）

• 腦連接性有所回升，但始終無法達到純大腦組的水平
• α 和 β 頻段網絡參與不足——這些頻段與注意力、積極認知處理相關
• 結論：先前的 AI 依賴可能鈍化了大腦充分激活內部認知網絡的能力

第二、Brain到LLM 組（從獨立寫作到首次用 AI）

• 出乎意料——大腦連接性全面上升
• 所有頻段的連接性都出現了峰值
• 研究者解釋：這些學生已經自主寫過作文，現在將 AI 輸出與自己的內部計劃進行對齊——需要額外的認知工作（元認知參與）

簡單的總結，就是AI工具的使用會降低人腦神經的連接強度。這是意味著腦子變笨么？

認知科學中有一個被反復驗證的規律：認知負荷的適度增加（而非減少）才促進學習。刻意制造一點認知摩擦反而有助于知識的深度編碼。當AI消除了這種摩擦，大腦就直接跳過了知識整合的關鍵步驟。正常認知過程要經歷感知輸入、工作記憶加載到前額葉控制、海馬體編碼以及長期記憶鞏固，在這個順行的節奏上還有一條反饋回路。但在AI接入后的認知路徑變成了提示詞輸入、AI生成、復制粘貼、幾乎不經過工作記憶的直接輸出，大腦退出了中間所有的環節。

工作記憶是大腦的“認知工作臺”——同時存儲和操作信息的有限容量系統。ChatGPT用戶的EEG顯示β頻段功率下降，這直接說明他們沒有在工作記憶中加載和操作信息。進而推斷：AI工具導致工作記憶退化，也就是說變笨。

而工作記憶是大腦的"認知工作臺"——同時存儲和操作信息的有限容量系統。ChatGPT用戶的EEG顯示β頻段功率下降，直接說明他們沒有在工作記憶中加載和操作信息。如果AI工具導致工作記憶的退化，那么人的認知能力自然就會有所下降，也就是所說的——變笨。

當我們在寫作的時候大腦發生了什么

Martin Lotze團隊在格賴夫斯瓦爾德大學進行了一項開創性研究。他們讓專業作家和新手在 fMRI 掃描儀中創作故事，發現了幾個革命性的差異：

核心發現一：新手的視覺皮層高度活躍，專家的語言皮層高度活躍

• 新手在寫作時，視覺皮層（尤其是楔葉和舌回）像"電影放映機"一樣持續活動——他們需要先在腦中"看到"場景，再把它翻譯成文字
• 專家則反之：他們的語言相關區域（布羅卡區、前額葉）更活躍，視覺皮層反而安靜——他們"直接用語言思考"，不需要中間翻譯步驟

這解釋了為什么新手寫作時常常說"我能想象到但寫不出來"。

核心發現二：專家寫作者的尾狀核異常活躍

• 尾狀核是基底核的一部分，負責技能自動化（想想騎自行車時不用思考每個動作）
• 專家寫作時尾狀核高度活躍，新手的尾狀核基本靜默
• 這意味著熟練寫作者已經把寫作的許多底層操作"自動化"了——拼寫、語法、基本句式結構不需要占用注意力資源，從而把工作記憶解放出來專注于更高層的思考（布局、論證、修辭）

核心發現三：專家的前額葉皮層（mPFC、DLPFC）更高效

• 專家的前額葉更具選擇性：只在需要規劃或決策時才激活，平時不"空轉"
• 新手的前額葉則持續高耗能運轉，處理大量底層細節

這意味著，寫作能力的提升，本質上是大腦從"費力地逐字翻譯"到"自動化地直接生成"的神經重塑過程。

總的來說，寫作不僅使用大腦，它也在重塑大腦，重塑大腦的神經鏈接。研究表明：持續的寫作訓練可以增加語言相關區域的灰質密度；寫作的元認知訓練可以增強前額葉的執行控制網絡；表達性寫作已被證明可以調節杏仁核的激活模式，降低情緒事件對認知的過度干擾。

所以寫作能力不是天賦決定的靜態屬性。大腦有極強的可塑性，每一次寫作實踐都在微調神經連接。

AI摘要 + 碎片信息：讓我們背上“認知債務”

實際上，AI不是唯一的問題。如今碎片化的信息充斥在人們日常生活中，當AI工具和碎片化信息同時存在時，它們形成了一個相互強化的惡性循環：碎片化信息生態導致深度閱讀能力退化，過多的依賴AI摘要和AI解讀，大腦深度處理減少，從而碎片化習慣進一步強化。

更關鍵的在于上下文編碼的缺失。深度閱讀時，大腦會在工作記憶中維持一個"上下文框架"，將每個新信息點與已有知識網絡建立連接。這個過程發生在α和β頻段的跨區域同步中。AI摘要和碎片化信息共同繞過了這個過程——你得到的是去除了上下文的"干貨"，而正是這個被去除的上下文，才是認知增長發生的地方。

碎片化信息+AI依賴也會對前額葉這個大腦的CEO造成慢性影響，導致注意力持續時間變短、任務切換成本變高、延遲滿足能力降低、抑制控制能力變弱（容易被干擾）。Megan McClard等人（2024）在Nature Human Behaviour上的研究表明，長期高強度信息消費模式與執行功能的慢性減退顯著相關，且這種減退在青春期和成年早期人群中尤為明顯。

MIT研究中有兩個細節值得深挖：LLM組使用模式在退化——從"幫我構思開頭"退化為"直接給我完整答案"，以及83%的LLM用戶無法準確引用自己剛寫完的作文。這種行為退化不是意志力問題，而是神經獎勵回路被重新校準。這與任何成癮行為的神經機制高度同構：不是為了"更好"，而是因為路徑已經被神經可塑性重塑了。

在此基礎上MIT團隊提出了一個認知債務（Cognitive Debt）的概念：當 AI 工具的使用讓建立和維持獨立思考能力變得更加困難時，這種債務就在不知不覺中累積起來了。類比經濟債務的特點：

• 今天花未來的錢 → 今天用AI省力，犧牲未來獨立思考能力
• 利息累計 → 每次使用都在加深依賴
• 容易導致破產 → 最終導致認知能力不可逆退化
• 合理借貸可增值 → 策略性使用AI可增強認知

深度知識體系的構建需要三個條件：知識之間的豐富連接；條件化知識（知道何時使用什么知識）；可遷移性（跨情境應用的能力）。這三個條件都依賴于大腦對信息的主動加工——而碎片化+AI依賴恰恰切斷了這個過程：碎片信息導致缺乏連接；AI摘要導致條件缺失（你不知道結論是如何得出的）；AI替代導致遷移無發生情境。

種種信息都向我們證明，AI和碎片化信息，最終會讓我們的大腦被重塑。"大腦被重塑"這個詞令人恐懼，但神經可塑性本質上是中性的——它既能讓我們學習，也能讓我們"反學習"。MIT研究中的交叉實驗表明：認知債務可能部分可逆，但需要付出額外努力。Brain→LLM組之所以出現連接性上升峰值，是因為他們的大腦仍然保留著"獨立思考"的神經模板——只是在用AI對照補充。而LLM→Brain組的問題在于，那個模板可能已經開始模糊了。

所以我們可以在享受AI工具和碎片化娛樂信息的同時，通過深度閱讀和有目的地寫作來對沖神經連接的退化。工具本身是沒有對錯的，關鍵在于我們如何使用他們。就像MIT團隊在論文結尾寫道的："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."

我們正在經歷一個前所未有的認知契約重新談判的時刻。AI承諾的"效率"正在悄悄征收一種隱性稅——認知能力的自主性，并且讓人們不知不覺的積累了認知債務。55%的神經連接下降不是一個抽象數字。它意味著對我們提出的一個問題：當AI消失的那一天，你是否還能獨立思考？也許真正的問題不是"AI會不會取代人類"，而是"依賴AI的人類還會不會是他們曾經的那個人"（具有諷刺意味的是這篇文章的大部分內容來自于AI整理）。