<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>MIT研究 on AI内参</title>
    <link>https://www.neican.ai/tags/mit%E7%A0%94%E7%A9%B6/</link>
    <description>Recent content in MIT研究 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Fri, 20 Jun 2025 20:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/mit%E7%A0%94%E7%A9%B6/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>当AI成为“外部大脑”：MIT研究揭示ChatGPT对人类认知的深层影响与“认知惯性”</title>
      <link>https://www.neican.ai/insights/aimitchatgpt-20250620201004425-1/</link>
      <pubDate>Fri, 20 Jun 2025 20:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/aimitchatgpt-20250620201004425-1/</guid>
      <description>麻省理工学院一项最新研究指出，过度使用ChatGPT等大型语言模型可能导致大脑活动水平下降，削弱记忆并引发“认知惯性”。这项结合脑电图与自然语言处理的实验发现，长期依赖AI会使大脑从主动生成信息转变为被动筛选信息，影响深度思考和创造力，提示人类需警惕AI对认知能力的潜在负面影响，并在工具使用与自主思考间寻求平衡。</description>
    </item>
    <item>
      <title>AI效率悖论：大模型如何悄然重塑人类心智？</title>
      <link>https://www.neican.ai/insights/article-20250619162004508-2/</link>
      <pubDate>Thu, 19 Jun 2025 16:20:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250619162004508-2/</guid>
      <description>麻省理工学院最新研究揭示，过度依赖大型语言模型（LLM）可能导致人类大脑神经连接减少47%，认知能力下降，并形成“认知债务”。尽管AI短期内能大幅提升工作效率，但它却以削弱深层思考和长期学习能力为代价，引发了对AI工具使用模式、教育策略及未来人机协作模式的深刻反思。</description>
    </item>
  </channel>
</rss>
