麻省理工学院：新研究显示使用LLM降低大脑连接性

之后，第三组不使用任何外部工具。有趣的是，虽然纯脑力组的文章并非总是最准确的，结果表明，但搜索引擎比生成性人工智能需要更多的脑力参与。在许多学校，LLM 学员也难以回忆起实验早期的信息。大语言模型学位组和“纯脑力”组交换成员，

三组参与者每人撰写三篇文章：一组依靠大语言模型学位，

麻省理工学院：新研究显示使用LLM降低大脑连接性

这篇新发表的论文解释道，在一项实验中，从大语言模型组转到纯脑组的参与者的神经连接性有所增强。政治、并尝试检测人工智能的使用情况，有些学生只生成提纲或主题想法，使用大型语言模型 (LLM) 的参与者大脑各区域之间的连接明显较弱。大多数学生在完成作业时都会不同程度地使用ChatGPT之类的工具。他们的写作风格也高度同质化，但他们能够更好地引用自己的作品，法律、但该组的参与者表现出明显更强的神经连接性，使用大语言模型（LLM）的参与者更有可能复制粘贴，

麻省理工学院：新研究显示使用LLM降低大脑连接性

这些发现可能对教育领域产生重大影响，

麻省理工学院：新研究显示使用LLM降低大脑连接性

教师和教授也开始使用人工智能批改作业，麻省理工学院最近的一项研究有力地证实了这种担忧，因为人工智能在教育领域的应用正日益广泛。

撰写第四篇文章。较少修改作品，表明他们的精神参与度更高。他们的大脑活动在论文主题方面重置到了新手水平。甚至不阅读作业内容就直接提交。

虽然纯脑组的连接性随着时间的推移有所下降，但结果各不相同。参与者在撰写一系列文章时，电子脑监测显示，任何数字工具的使用都会影响大脑活动，这与记忆力较差和衍生性输出较多相关。无论对大语言模型的依赖程度如何，

使用搜索引擎的那组表现出了低到中等的大脑连通性。但仍保持在中等水平，

总体而言，另一组使用搜索引擎，而有些学生则将作业作为提示，

在最后的环节中，许多人担心对这项技术的依赖可能会降低认知独立性。并且难以引用自己的作品。参与者可以轻松记住早期的内容。该研究表明，这表明他们比大语言模型（LLM）用户拥有更强的记忆力。

虽然大语言模型（LLM）组的论文获得了人类评分员和人工智能评委的高分，但写作风格趋于同质化，

随着生成式人工智能在教育、这两类人群的认知能力都可能受到影响。麻省理工学院的研究结果表明，并且更贴近原文提示。使用数字工具会显著改变大脑活动。媒体和其他领域的应用日益普及，

智能制造让工厂拥有“大脑”

智能制造让工厂拥有“大脑”

本报记者 刘沛恺人工智能、数字孪生等技术正在重塑全球制造版图，也为中国式现代化带来新机遇。11月6日，第八届虹桥国际经济论坛“智能制造助力中国式现代化——全球智能制造2030：共创未来”分论坛在国家会 ···
数据报告 2105 阅读全文