越用AI人越笨?MIT研究揭83%學生「作業內容秒忘光」:什麼是認知債務?用AI錯了嗎?
越用AI人越笨?MIT研究揭83%學生「作業內容秒忘光」:什麼是認知債務?用AI錯了嗎?

重點一:麻省理工學院(MIT)最新研究指出,使用ChatGPT寫文章將大幅降低大腦活絡程度,並可能損害長期學習與批判性思維能力。

重點二:研究發現,相較於僅用大腦或Google搜尋的使用者, ChatGPT使用者的大腦投入程度最低,文章缺乏原創性,並逐漸產生依賴性。

重點三:研究主要作者擔憂AI對發育中大腦的潛在危害,呼籲在政策制定前應審慎評估,並對相關工具進行更嚴謹的測試。

麻省理工學院(MIT)媒體實驗室 (MIT’s Media Lab) 一項最新研究顯示,使用如ChatGPT等大型語言模型(LLMs)輔助撰寫文章,不僅會顯著降低大腦的神經活動,更可能對使用者的批判性思維、記憶整合與學習能力造成長期損害。

研究結果主張,過度依賴ChatGPT從事生產力行為(例如寫作),可能累積所謂「認知債務」(cognitive debt),亦即短期很便利,卻導致長期學習能力的受損,可以說是以未來的思考能力,換取眼前的輕鬆效率。

依賴ChatGPT真的會變笨?實驗看看就知道

隨著ChatGPT等生成式AI工具迅速普及,越來越多學生在寫作與學習中依賴這類大型語言模型(LLM)提供協助。但這種便利是否會以認知能力退化為代價?

為了回答這個問題,該研究招募了54名成人參與者(平均年齡22.9歲),全部來自波士頓地區五所知名大學:MIT、韋爾斯利學院、哈佛大學、塔夫茨大學和東北大學。參與者被隨機分配到三個實驗組別,並在年齡和性別方面保持平衡分布。

實驗設計採用組間比較的方式,三個組別分別為:

LLM組:僅能使用OpenAI的GPT-4o作為資訊來源
搜尋引擎組:可使用任何網站但禁止使用LLM工具)
純腦力組:禁止使用任何外部工具或網站

每位參與者需在四個月內完成多場Essay寫作任務。前三個任務中,各組維持各自的工具使用條件不變;第四場寫作(Session 4)則是「角色互換」突襲實驗:原LLM組的成員被要求在無任何AI協助下寫作(LLM-to-Brain組),而原大腦組的成員則嘗試改用ChatGPT輔助寫作(Brain-to-LLM組)。

實驗中,參與者須佩戴腦電圖(EEG)頭戴設備進行寫作任務,研究團隊以此記錄大腦不同區域在寫作時的活動連結情形。透過腦波數據,團隊能夠比較使用不同工具寫作時,大腦神經連接和認知負荷的差異。

腦圖寫作.jpg
實驗中,參與者須佩戴腦電圖(EEG)頭戴設備進行寫作任務。
圖/ MIT

大腦活動顯著差異:LLM組在「重現文章」上表現最差

研究最引人注目的發現之一,是各組在記憶和引用能力方面的巨大差異。在實驗中, LLM組有83.3%的參與者(15/18)無法提供正確的引用,而搜尋引擎組和純腦力組僅有11.1%(2/18)的參與者遇到同樣困難。

更令人擔憂的是, LLM組沒有任何參與者(0/18)能夠產生正確的引用,而搜尋引擎組僅有3名參與者失敗,純腦力組僅有2名參與者失敗。 這種模式在後續實驗階段持續存在,顯示LLM使用對記憶編碼和檢索能力的持續性負面影響。

研究指出 ,僅憑大腦思考的組別,其腦電圖在與創造力、記憶負荷及語義處理相關的α、θ和δ波段上,均顯示出最強的神經連接性,在寫作過程中表現出更高的參與度、好奇心,並對自己的作品有著更高的滿意度與認同感 ;使用Google搜尋的組別,其大腦活動與滿意度也同樣維持在高水平。

至於ChatGPT組,其大腦活動顯示出較低的執行控制與注意力,所產出的文章被英文教師評為「缺乏靈魂」,內容與觀點高度雷同。 此外,當研究人員要求受試者在不使用工具的情況下重寫先前的文章時,ChatGPT組成員對自己寫過的內容記憶甚少。

首席作者娜塔莉亞·科斯米納 (Nataliya Kosmyna) 指出: 「任務看似高效地完成了,但實際上,你幾乎沒將任何資訊整合進自己的記憶中。」

研究人員籲:正視AI對大腦發展的潛在危害

綜合整項研究帶來的洞察是: 長期依賴AI工具進行學習和創作,將逐漸削弱學習者的主動認知參與、記憶形成、語言整合運用能力,以及對學習成果的歸屬感。

這種隱性的負面影響被研究團隊稱為「認知債務」,即透支未來的思考能力來換取當下的省力便利。如同過度依賴導航會讓人迷失方向感, 頻繁依賴ChatGPT等AI,相當於把思考這項核心能力外包出去,短期看似提高效率,但長期可能侵蝕創造力、批判思維和深度學習能力。

要特別說明的是,這項研究並非全盤否定AI在學習上的價值,而是提醒在擁抱AI便利的同時,要警惕其潛在的「副作用」。研究團隊呼籲教育工作者和科技公司, 在開發和使用AI學習工具時,需要更深入地探究AI在學習中的角色,尋找讓AI輔助而不取代人類思考的方法。

延伸閱讀:ChatGPT錄音模式上線!2小時會議一鍵生成「重點摘要+待辦清單」:4步驟教學一次看
AI實力大PK!外媒實測5大面向:ChatGPT、Gemini、DeepSeek、Claude 誰更強?

資料來源:MITTIMEarxiv

本文初稿為AI編撰,整理.編輯/ 李先泰

往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
2026 大重啟
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓