ChatGPT 会影响学习吗？一项写作研究能说明什么

Matthew Berman 讨论一项 2025 年与 MIT 相关的 AI 辅助写作研究，追问使用 ChatGPT 是否可能损害学习。他开头关于持久“损伤”的说法超出了研究证据：研究考察的是特定写作任务，而非永久脑损伤或整体智力。

他概述使用语言模型、搜索引擎或不使用外部工具写作时，研究者提出的脑力投入、记忆和作品归属感问题。这些是不同结果，不应合并成一个智力指标。

Berman 说这篇论文让他重新思考如何用语言模型学习。他仍然关注工具的价值，但希望更有意识地区分何时让模型生成答案、何时自己思考问题。

他指出，生成的引用可能是虚构的，也可能不支持相应主张。即使答案包含链接，仍需要检查实际来源。

讨论涉及社会性学习，以及与老师、同伴共同推理的机会。Berman 担心把过多工作交给模型可能减少这些机会，但这项写作研究并未直接测量所有形式的社会性学习。

他比较网络搜索与模型生成的综合回答。搜索可能需要评估多个来源并处理杂乱信息；简洁答案可以减少部分工作，同时也会改变学习者选择检查什么。

Berman 认为较低的任务投入存在权衡：它可能加快产出，但也可能减少自己组织和检验想法的练习。平衡取决于工具的使用方式和具体任务。

他描述从主动推理转向监督 AI 生成回答的变化。这是关于一种可能工作流程的假设，并非自动适用于每位用户和每次交互的结果。

实验比较使用大语言模型、搜索和不使用工具的论文写作。根据[研究者的预印本](https://arxiv.org/abs/2506.08872)，54 人参加前三次实验，其中 18 人完成第四次交叉实验；Berman 引用的人数有所不同。

视频也讨论有关短期任务表现和知识迁移的其他研究。不同研究的结果不应被混合成仿佛来自同一项实验。

Berman 承认样本较小，并介绍各组使用的工具及之后的条件切换。[MIT Media Lab 项目页面](https://www.media.mit.edu/projects/your-brain-on-chatgpt/overview/)指出，2025 年 6 月的报告当时是初步预印本。

他问读者能否识别 AI 写作，并分享自己对风格与原创性的印象。觉得文章缺乏个性是主观感受，不能构成可靠的作者身份检测方法。

研究报告各组参与者对文章归属感的差异。Berman 指出 AI 组内部的回答并不一致，因此单一平均值不能描述每个人。

他讨论作者对脑电连接模式差异的解释。脑电连接是特定的测量与分析，并非大脑使用比例、智力指标或受伤的证据。

视频强调参与者引用自己文章的能力差异，以及切换工具的小组结果。这些发现仅限于所测任务和样本；它们不能证明日常使用 ChatGPT 会造成持久认知损伤。

Berman 将交叉实验结果解读为先独立思考、再寻求 AI 帮助的理由。这可以作为个人尝试的学习策略，但小规模交叉样本不能确立适用于所有人的顺序或长期效果。