麻省理工学院：新研究表明LLM降低了大脑连接

随着教育，法律，政治，媒体和其他领域的生成人工智能的普及，许多人都记得，技术依赖性可以降低独立性的自由。最近的一项MIT研究表明，这种数字工具的使用可以显着改变大脑活动。在一个实验中，电子大脑监测表明，参与者使用大型语言区域之间使用大型语言模型（LLM）使用大型语言模型（LLM）之间的连接较弱。它与不良的内存和更多导数输出有关。三组参与者分别写三篇文章：一组依靠大量的语言模型，另一组使用搜索引擎，第三组不使用任何外部工具。后来，大型语言模型和“纯粹的大脑”群体交换成员并撰写了第四篇文章。尽管纯脑组的文章不是该组中最准确的参与者始终显示出明显更强的神经联系，表明智力相互作用水平更高。尽管大语言模型（LLM）论文已经获得了人类评估者和人工智能法官的高分，但写作风格往往会被匀浆，并且更接近原始文本技巧。使用大语言模型（LLM）的参与者更有可能复制和粘贴，更少的作品更改，并且很难提及自己的作品。在最后阶段，LLM学生也很难记住实验的早期信息。他们的大脑活动以论文主题开始重置水平。尽管随着时间的推移，与纯脑组的连通性降低了，但它仍然处于中等水平，参与者很容易记住早期内容。值得注意的是，从大语群体转向纯脑组的参与者的神经连接性得到了增强。使用搜索的组发动机的大脑连接较低。他们的写作风格是高度同质的，但是他们可以更好地说自己的作品，表明他们的记忆力比大语言模型（LLM）用户更强。通常，结果表明，任何数字工具的使用都会影响大脑活动，但是与生成人工智能相比，搜索引擎需要更多的大脑参与。这些发现可能会对教育领域产生重大影响，因为人工智能在教育领域变得广泛。在许多学校中，大多数学生在完成作业后使用诸如Chatgpt之类的工具。有些学生只对该主题提出概述或想法，而另一些学生则将课程作为及时提交，而无需阅读作业的内容而直接提交。教师和教授还开始使用人工智能来纠正作业并尝试查看人工智能的使用，但结果已经改变。麻省理工学院研究LTS表明，与P The团体免费提供的能力都会受到影响，无论他们对大语言模型的依赖如何。