近期若接触过青少年群体，你可能听说过“脑腐”现象。该词被《牛津词典》评为2024年度词汇，定义为“个人精神或智力状态的假定性退化，尤其被视为过度消费琐碎或无挑战性内容（现特指网络内容）的结果”。
事实证明，遭受低质量内容侵蚀的不仅是人类大脑——德克萨斯农工大学、德克萨斯大学奥斯汀分校和普渡大学的研究团队最新发现，“持续接触垃圾网络文本会导致大型语言模型产生持久认知衰退”。该研究虽尚未经过同行评审，但结果表明：当AI接受“脑腐”材料训练时，其推理能力和语境理解能力会显著下降。研究者向大型语言模型输入推特平台的病毒式或标题党内容后，发现这些模型开始部分放弃思维过程，他们将这种现象称为“思维跳跃”——模型逐渐截断或跳过推理链条，这解释了大部分错误增长的原因。更严重的是，接触“脑腐”内容的AI还表现出模拟的精神病态和自恋倾向。
这并不完全令人意外。人类研究表明，低质量“脑腐”内容与学业拖延、认知功能衰退、解离状态甚至身体健康负面影响相关。社交媒体——这个曾经用于人际联结的空间，如今越来越像无尽的信息垃圾流，正让我们变得愚钝、悲伤、迟缓且不健康。
尽管人类与机器学习方式不同，但存在共性：二者都通过消化现有材料学习模式，输入质量越低，生物大脑与数字大脑在应对新型认知挑战时的模式映射准确性就越差。
令人忧心的补充发现是：即使研究者试图通过引入高质量内容来“修复”大型语言模型的数字营养不良，损伤仍持续存在。研究者警告：“这种差距表明‘脑腐’效应已被深度内化，现有指令微调无法解决该问题，未来需要更强力的缓解方法。”
本研究凸显了使用无监管垃圾数据训练AI模型的危险性——尤其当已有研究开始表明，过度依赖AI的人类自身也会出现认知能力衰退。
【全文结束】
