在現今快速變化的職場中，生成式 AI 工具如 ChatGPT 已成為你我廣泛使用的「智慧助手」，從撰寫報告、企畫到日常溝通，都大幅提升了工作效率。然而，這份看似無懈可擊的便利，是否正在悄悄重塑我們的大腦？
近期，麻省理工學院（MIT）媒體實驗室進行了一項為期 4 個月的開創性腦科學實驗，深入研究 54 位年齡介於 18 至 39 歲的大學生。研究團隊透過腦電圖（EEG）精準記錄參與者在寫作任務中的大腦活動，有了驚人發現：當寫作過程過度依賴大型語言模型（LLM），大腦的深度參與程度將顯著降低。
結果明確指出，AI 工具雖能在短期內減輕認知負荷，但長期而言，卻可能累積 「認知債務」（Cognitive Debt） —— 也就是說，初期省下來的認知努力，最終得「付出利息」補回來。
AI 太省腦？研究揭：大腦的參與度、認知活躍度顯著退化
該研究將參與者分為 3 組：
1. LLM 組：全程使用 LLM 輔助。
2. 搜尋引擎組：僅使用搜尋引擎。
3. 腦力組：完全不依賴外部工具、純粹以腦力構思寫作。
實驗結果顯示，腦力組在所有腦電波頻段中，展現最強、最廣泛的神經網路連結，包括涉及注意力、語義處理及創意構思的 Alpha 波、涉及工作記憶負荷、執行控制及資訊整合的 Theta 波，以及涉及大範圍整合思考的 Delta 波。這代表在沒有任何外部工具輔助的情況下，參與者的大腦全面投入理解、構思與創作等複雜的任務。
相較之下，搜尋引擎組的腦部活動呈現中等水準，活躍區域主要集中於與視覺處理和整合相關的腦區。顯示受試者在搜尋與篩選大量資訊時，對視覺輸入與注意力資源的高度依賴。
最值得關注的是 LLM 組，參與者大腦不同區域之間的神經連結最為薄弱。研究顯示，在語義處理與執行監控這兩大功能網路中，資訊流通效率的下降最為明顯。
研究團隊將這種現象稱為「認知卸載」（cognitive offloading），意指人們在處理複雜任務時，傾向將思考與組織的責任交由 AI 代勞，如同把工作「外包」給工具，結果反而削弱了大腦的實質參與度與認知活躍度。
記不住、認不出......使用 AI 產出的文章，作者都不覺得是自己的
腦波圖帶來的警訊，也在行為表現上獲得驗證。
一項測試引用能力的測驗中，LLM 組表現明顯不如其他組別：高達 83.3% 的參與者無法正確複述自己剛完成的文章內容，甚至在「正確引用」項目上得分為零；相較之下，搜尋引擎組與腦力組在這兩項測試中的錯誤率均顯著較低，約在 11.1% 至 16.7% 之間。
這項數據揭示 AI 輔助寫作所帶來的「淺層編碼」（shallow encoding）問題 —— 當內容未經過大腦的深層處理與內部建構，便難以形成穩固記憶，因而難以回憶與深入闡述。
後續訪談亦指出，LLM 組參與者對自己寫作內容的「擁有感」明顯偏低。僅有半數表示自己完全擁有該文章，部分人則坦言內容多為複製貼上，幾乎未經修改。反映使用者在寫作過程中喪失對內容的認知主導權，也可能導致在職場簡報或會議中，面對 AI 協助生成的內容，使用者可能缺乏自信或無法深入說明。
此外，自然語言處理（NLP）分析亦顯示，LLM 組的文章出現命名實體識別（NER, Named Entity Recognition） （編註） 的頻率顯著高於其他組別，且常見片語高度相似，與 ChatGPT 的回應幾乎如出一轍。這種語義空洞與原創性不足的現象，使人類教師能夠辨識哪些文章為 AI 協作產出，而 AI 系統則往往無法察覺。
編註：識別文本中具有特定意義的實體，如人名、地名等。
AI 的效率陷阱：人類會為省下的認知成本付出代價
無可否認，LLM 的即時產出與格式結構優勢，已成為眾多職場人士撰寫報告、簡報或行銷文案時的重要利器。然而研究明確提醒：短期效率的背後，潛藏著品質與長期學習的隱性代價。
儘管 LLM 組的文章在 AI 自動評分中普遍獲得 4 分以上的高分，但人類教師的評分則明顯較低，平均落在 3 至 4 分之間，特別是在原創性、內容深度與個人觀點呈現方面分數差異最顯著。反映 AI 評分機制偏重語法與結構的正確性，但對論點深度與個人風格的判斷能力仍有明顯不足，而這些正是影響決策與溝通效果的關鍵。
更令人憂心的是，部分 LLM 組參與者在被要求「不使用 AI」重寫文章時，仍反覆使用原先由 AI 產出的句構與詞彙，顯示參與者的寫作策略高度依賴外部工具，缺乏內化與重構的能力。
研究團隊以「認知債務」（Cognitive Debt）形容這種現象：一開始節省的認知成本，最終可能以記憶力下降、分析能力退化、原創性減弱與決策品質劣化作為代價 。對學生或初學者而言更為明顯 —— 當未經批判性檢核就接受了內容，不僅失去對觀點的主導權，也容易將淺薄或帶有偏見的資訊內化為自身觀念。
別讓 AI 掏空你的思考力！MIT 倡議「延遲式 AI 整合策略」
面對 AI 帶來的雙面效應，MIT 團隊根據研究成果，歸納出一套務實的「延遲式 AI 整合策略」（Delayed AI Integration Model）。這項策略建議無論是在教育或職場情境中，都應謹慎安排 AI 的導入時機，而非在一開始就全面仰賴。
具體操作可分為初期、中期與長期 3 階段：
初期：以獨立構思為主
在任務早期階段，例如報告草擬或概念發想，應鼓勵使用者先進行自主思考與表達。這能活化掌管規畫、語言組織與注意力控制的大腦區域，有助於提升理解力與鞏固記憶。
中期：AI 作為補充與潤飾工具
當內容架構初步形成、論點已清晰時，再引入 AI 協助。例如進行資料補充、語法校正、文字潤飾或翻譯用途，以避免前期思考能力過早被取代。
長期：培養人類的 AI 監管能力
企業與教育單位應正視「認知卸載」的潛在風險，建立平衡 AI 使用的標準。這不僅能保障科技進步不犧牲人類核心能力，更有助於培養職場人才發展「辨識與整合 AI 內容」的關鍵能力。
報告最終強調：「 我們不該讓 AI 替我們思考，而是學會與它一起思考。 」
資料來源：arXiv
本文授權轉載自《經理人》，初稿由 AI 協助整理，編輯：支琬清，原文標題：AI 害大腦太偷懶、欠下龐大的「認知債務」？MIT 研究：人類將付出這些代價
