LLMS ẢNH HƯỞNG THẾ NÀO TỚI NÃO CỦA CHÚNG TA

Sự phát triển nhanh chóng của LLMs đã phần nào thay đổi cuộc sống của chúng ta, cách chúng ta làm việc, chơi và học. Các hệ thống AI cung cấp những khả năng chưa từng có về sự cá nhân hoá trải nghiệm học tập, cung cấp phản hồi ngay lập tức, giúp chúng ta có thể access vào một nguồn tài liệu khổng lồ. Với giáo dục, LLMs cho thấy tiềm năng vô cùng lớn trong tự động hoá việc học tập, hỗ trợ nhiều phong cách học khác nhau.

Tuy nhiên các nghiên cứu mới nổi gần đây làm rấy lên những lỗi lo về ảnh hưởng tới nhận thức với việc bùng nổ sử dụng LLMs. Các nghiên cứu cũng chỉ ra rằng trong khi những hệ thống này làm giảm ngay lập tức khả năng nhận thức, chúng cũng có thể đồng thời làm giảm dần khả năng tư duy phản biện và dẫn tới việc giảm sự hiện diện của quá trình phân tích sâu (deep analytical processes).

Hiện tượng này thực sự liên quan sâu sắc tới bối cảnh giáo dục, nơi mà sự phát triển mạnh mẽ của các kỹ năng nhận thức là tối quan trọng. Tích hợp llms vào việc học cho thấy 2 mặt phức tạp: trong khi chúng tăng khả năng tiếp cận và cá nhân hoá giáo dục thì chúng cũng vô tình gây ra việc co hẹp khả năng nhận thức thông qua sự phụ thuộc quá mức tới các giải pháp dựa vào AI. Những nghiên cứu khác còn chỉ ra có sự liên hệ theo tỉ lệ nghịch giữa mức độ sử dụng công cụ Ai và kỹ năng tư duy phản biện; với những người dùng trẻ tuổi có độ phụ thuộc cao vào AI thì điểm số về sức mạnh nhận thức lại càng thấp.

Tiền đề

LLMs với Việc học.

Sự bùng nổ của llms ví dụ như chatgpt đã tác động mạnh mẽ tới lĩnh vực giáo dục, góp phần thay đổi cách mọi người học tập. Tool như chatgpt sử dụng nlp để gen text giống như cách chúng ta có thể viết và bắt chước hội thoại của con người một cách khá tốt. Một trong những tính năng độc đáo của llm là cung cấp ngữ cảnh và cá nhân hoá thông tin. Không giống như search engine có điều kiện - dựa vào keyword matching để cung cấp danh sách list resources, llms gen những câu trả lời chi tiết, gắn kết với truy vấn của user. LLms cũng khá hữu dụng với học thích nghi, chúng có thể khâu vá câu trả lời dựa trên phản hồi và sở thích/ưu tiên của user để lặp đi lặp lại quá trình để làm rõ hơn về các chủ đề.

Nhưng cần phải lưu ý là kết nối giữa các thông tin mà llms gen ra và original source hay bị ngắt, dẫn tới khả năng cung cấp thông tin thiếu và thậm chí là không chính xác. Vì các mô hình này tạo ra văn bản dựa trên các mẫu trong train data, chúng có thể đưa các câu trả lời mang tính thành kiến, thiên vị hoặc không chính xác, khiến việc xác thực là rất cần thiết. Gần đây LLMs đã có thêm các tính năng như cung cấp các trích dẫn và nguồn tham khảo trong các câu trả lời. Tuy nhiên, vấn đề tham chiếu ảo, trích dẫn bịa đặt hoặc không chính xác, vẫn là một thách thức. Ví dụ: ngay cả khi AI tạo ra phản hồi với nguồn được trích dẫn, không có gì đảm bảo rằng tài liệu tham khảo phù hợp với thông tin được cung cấp, thậm chí với trải nghiệm của mình, đôi khi còn bị lừa bởi những link không hề tồn tại.

Sự tiện lợi của các câu trả lời tức thì mà LLM cung cấp có thể khuyến khích tiêu thụ thông tin thụ động, điều này có thể dẫn đến sự hời hợt, làm suy yếu kỹ năng tư duy phản biện, thiếu hiểu biết sâu sắc hơn về tài liệu và hình thành trí nhớ dài hạn ít hơn. Việc giảm mức độ nhận thức cũng có thể góp phần làm giảm kỹ năng ra quyết định và ngược lại, nuôi dưỡng thói quen trì hoãn và "lười" ở cả học sinh và người làm giáo dục. Ngoài ra, do khả năng trả lời ngay lập tức cho hầu hết mọi câu hỏi, LLM có thể làm cho quá trình học tập trở nên dễ dàng và ngăn người dùng cố gắng giải quyết bất kỳ vấn đề một cách độc lập. Bằng cách đơn giản hóa quá trình lấy câu trả lời, LLM có thể làm giảm động lực của sinh viên để thực hiện nghiên cứu độc lập và đưa ra các giải pháp. Thiếu sự kích thích tinh thần có thể dẫn đến giảm sự phát triển nhận thức và tác động tiêu cực đến trí nhớ. Việc sử dụng LLM có thể dẫn đến sự giảm tương tác trực tiếp giữa người với người hoặc với xã hội - những hoạt động đóng một vai trò quan trọng trong việc học tập và hình thành trí nhớ. Học tập hợp tác cũng như thảo luận với các đồng nghiệp, giáo viên khác rất quan trọng để hiểu và ghi nhớ kiến thức. Áp dụng LLM để học tập cũng đi kèm với các vấn đề về quyền riêng tư và bảo mật, cũng như các mối quan tâm về đạo văn. Trong một nghiên cứu với học sinh trung học trong một khóa học lập trình, một nhóm thử nghiệm được và đã sử dụng ChatGPT để hỗ trợ học coding, trong khi nhóm còn lại chỉ được tiếp xúc với các phương pháp giảng dạy truyền thống. Kết quả cho thấy nhóm thử nghiệm (dùng chatgpt) có độ tập trung, sự tự tin vào năng lực bản thân và hiệu suất học tập thấp hơn so với nhóm đối chứng.

Web search với việc học.

Theo Turner và Rainie 81% người Mỹ phụ thuộc vào thông tin ở Internet khi học thực hiện những quyết định quan trọng, rất nhiều trong số đó là các hoạt động học tập. Tuy nhiên, sự hiệu quả của việc học dựa vào tìm kiếm web không chỉ dựa vào trình độ kỹ thuật. Sự thành công của web searching còn phụ thuộc vào hiểu biết về domain, sự tự đánh giá và các hành vi search có tính chiến lược nhằm tối ưu kết quả. Một ví dụ: Những cá nhân với hiểu biết cao về domain thường sắc bén trong web search vì họ được trang bị tốt hơn để phân biệt thông tin liên quan và navigate các chủ đề phức tạp. Skill nâng cao này là bằng chứng trong bối cảnh academic, nơi mà học sinh với hiểu biết sâu hơn về môn học thực hiện tốt bài viết essay yêu cầu research trên web hơn. Sự quen thuộc với domain giúp họ đánh giá và tổng hợp thông tin tốt hơn nhiều, chuyển đổi một loạt data từ web thành những hiểu biết mạch lạc, có ý nghĩa. Bất chấp tiềm năng này, bản chất phi tuyến tính và dynamic nature của web searching có thể chôn vùi người học, đặc biệt là những người có ít kiến thức về domain. Người học có xu hướng rối với sự quá tải nhận thức, đặc biệt là khi đối mặt với môi trường siêu văn bản đòi hỏi phải navigate và nắm bắt đồng thời. Tìm kiếm trên web cũng đặt ra những yêu cầu đáng kể đối với bộ nhớ, đặc biệt là về khả năng chuyển sự chú ý giữa các phần thông tin khác nhau sao cho phù hợp với mục tiêu học tập của mỗi người. Tuy nhiên, kỳ vọng có thể truy cập cùng một thông tin sau này khi sử dụng các công cụ tìm kiếm làm giảm khả năng nhớ lại thông tin của người dùng. Thay vào đó, họ nhớ nơi có thể tìm thấy thông tin. Sự phụ thuộc này vào các hệ thống lưu trữ thông tin bên ngoài chứng minh rằng trong khi truy cập thông tin rất phong phú, việc sử dụng tìm kiếm trên web có thể ngăn cản việc xử lý nhận thức sâu hơn và lưu giữ kiến thức nội bộ.

Ý tưởng

Do đó, họ - các nhà nghiên cứu tới từ MIT hướng đến một nghiên cứu khám phá mức độ sử dụng nhận thức của việc sử dụng LLM trong khi thực hiện nhiệm vụ viết một bài luận (essay). Chọn viết bài luận vì đây là một nhiệm vụ phức tạp về nhận thức, tổng hợp nhiều quá trình xử lý não. Viết bài luận có yêu cầu đáng kể về trí nhớ làm việc, yêu cầu quản lý đồng thời nhiều quá trình nhận thức. Một người viết bài luận phải tung hứng cả hai nhiệm vụ mức vĩ mô (tổ chức ý tưởng, cấu trúc các tham số) và vi mô (cách dùng từ, ngữ pháp, câu cú). Các nhà nghiên cứu đã sử dụng EEG (electron enphalo graphy) để đo các tín hiệu từ não của những người tham gia. Ngoài ra, để có được sự so sánh, những bài kiểm tra sử dụng các công cụ search trên internet, hoặc chỉ sử dụng não cũng được đưa vào nghiên cứu. Họ thu thập những bảng câu hỏi và phỏng vấn những người tham gia sau mỗi task.

Nghiên cứu có nhiệm vụ trả lời 4 câu hỏi sau:

1. Những người tham gia có viết được bài luận đủ tốt khi họ dùng llms, search engine hay chỉ não không
2. Hoạt động não khác nhau thế nào giữa việc sử dụng llms, search engine hay não
3. llms có ảnh hưởng gì tới bộ nhớ của người tham gia
4. llms có tác động gì tới quyền sở hữu của những bài essay

Set up nghiên cứu.

Chia nhóm

• Nghiên cứu tổng hợp kết quả dự trên 54 người tham gia, chia thành 3 nhóm. 54 người này có độ tuổi từ 18 tới 39 và được tuyển từ những trường đại học từ khu vực Boston MIT, Harvard và Wellesley, Tuff, ...
• Mỗi người tham gia sẽ tham dự vào 3 sessions, với một option tham dự session thứ 4 dựa trên khả năng tham gia của họ. (session chỉ là optional, thí nghiệm được coi là hoàn thành sau session3). Những người tham gia sẽ được chia ngẫu nhiên thành 3 nhóm, đảm bảo sự cân bằng giới tính và độ tuổi.
  • nhóm 1: nhóm LLM. người tham gia trong nhóm này phải dùng AI gpt 4o như nguồn thông tin để viết essay, không có phương tiện hoặc app khác được chấp nhận
  • nhóm 2: nhóm search engine: người tham gia có thể dùng các website để viết essay, nhưng khôgn được sử dụng LLM, google search cũng có câu trả lời thêm từ AI, nhưng tính năng này được yêu cầu không được sử dụng
  • nhóm 3: nhóm brain only. Nhóm này bị từ chối dùng cả LLM và website như sự trợ giúp.

Phương thức.

1. Welcome, briefing, and background questionnaire.
2. Setting up the EEG headset.
3. Calibration task.
4. Essay writing task.
5. Post-assessment interview.
6. Debriefing and cleanup.

Kết quả EEGS

Eeg data được collect với 32 điện cực và 500 mẫu trong một giây. Trong nghiên cứu này, các nhà nghiên cứu quyết định so sánh các phần khác nhau của vỏ não ảnh hưởng tới nhau như thế nào trong ngữ cảnh các tasks khác nhau được thực hiện bởi các nhóm khác nhau qua các session, bao gồm cả session 4 ở sau cùng.

Các vùng não chủ yếu được nhắc tới:

• Alpha
• Beta
• Delta
• Theta

Nhóm LLM và nhóm brain only

BO

Tổng quan, viết essay mà không sử dụng sự trợ giúp (nhóm brain only) dẫn tới sự kết nối mạng thần kinh mạnh hơn qua tất cả các vùng não được đo lường, đặc biệt là sự tăng lớn với vùng theta và high-alpha. Điều này chỉ ra nhóm BO phải tham chiếu rất nhiều vào nguồn nhận thức của chính họ. Các khu vực điều hành phía trước đã dàn dựng các giao tiếp rộng hơn với các khu vực vỏ não khác (nhất là trong vùng theta) để đáp ứng nhu cầu lập kế hoạch và sử dụng bộ nhớ lớn trong việc viết bài essay ngay từ đầu. Song song với đó, BO cũng cho thấy sự tăng cường kết nối vùng alpha trong mạng thuỳ trán, thể hiện sự tập trung nội bộ và việc truy xuất bộ nhớ ngữ nghĩa cần thiết cho ý tưởng sáng tạo mà không cần sự trợ giúp từ bên ngoài. Sự khác biệt về dải delta cho thấy nhóm BO cũng tham gia vào các quá trình tích hợp quy mô lớn hơn ở tần số chậm, có thể phản ánh việc mã hóa ngữ cảnh sâu hơn và tích hợp liên tục trí nhớ phi ngôn ngữ và nội dung cảm xúc vào bài viết của họ. Viết không cần công cụ đã kích hoạt một loạt các mạng lưới não, từ nhịp chậm đến nhịp nhanh, cho thấy khối lượng nhận thức làm việc toàn diện: tìm kiếm trong bộ nhớ, tạo ý tưởng, xây dựng ngôn ngữ và tự giám sát liên tục đều được thực hiện và được điều phối bởi các khu vực điều khiển phía trước.

LLM

Mặt khác nhóm llm, cho ra một profile kết nối thường thấp hơn. Sự hiện diện của LLM dường như đã làm giảm cường độ và phạm vi giao tiếp thần kinh. Sự thấp hơn rõ ràng ở kết nối vùng theta phía trước chắc chắn chỉ ra rằng working memory và yêu cầu điều khiển của họ thấp hơn, có lẽ vì LLM cung cấp hỗ trợ nhận thức bên ngoài (ví dụ: đề xuất văn bản, cung cấp thông tin, cấu trúc). Cơ bản thì một số "human thinking" và planning đã bị tắt, bộ não không cần đồng bộ tần số ở vùng theta để duy trì việc viết. Khả năng kết nối vùng beta bị giảm của nhóm LLM có thể cho thấy mức độ tập trung và kích thích duy trì thấp hơn một chút, phù hợp với nỗ lực thấp hơn trong quá trình viết.

Addition

Một thông tin thú vị hơn là sự khác biệt của hướng dòng chảy thông tin giữa các nhóm. BO cho thấy bằng chứng của dòng chảy bottom-up tốt hơn, LLM thì lại cho thấy dòng chảy top-down nhiều hơn. Từ góc độ tải nhận thức, BO cho thấy các chỉ số cao hơn,(theta phía trước cao, kích hoạt mạng rộng) khi bộ não phải xử lý việc tạo ra ý tưởng, tổ chức, thành phần, tất cả là internal. Mặt khác LLM có xu hướng phân phối một số tả đó ra bên ngoài, dẫn tới nhu cầu kết nối thấp hơn trên mạng thần kinh.

Về chức năng điều hành, kết quả cho thấy vỏ não trước trán của nhóm BO có sự tham gia cao độ (điều khiển kết nối theta và beta mạnh mẽ đến các khu vực khác), cho thấy sự kiểm soát điều hành đáng kể đối với quá trình viết. Sự tham gia trước trán của nhóm LLM tương đối thấp hơn, ngụ ý rằng một số chức năng điều hành (như duy trì bối cảnh, lập kế hoạch câu) rất có thể đã được LLM đảm nhận một phần. Tuy nhiên, nhóm LLM vẫn cần sự giám sát điều hành để đánh giá và tích hợp các đề xuất của LLM, điều này được phản ánh trong kết nối topdown họ thể hiện. Bản chất của các nhiệm vụ điều hành có thể đã thay đổi, từ việc tạo nội dung sang giám sát nội dung do AI tạo ra.

Về sự sáng tạo. Có thể lập luận rằng mạng lưới não của nhóm BO được kích hoạt nhiều hơn: kết nối alpha trán-parietal tăng cường cho thấy ý tưởng nội bộ phong phú, tư duy kết hợp và có thể tham gia của mạng với chế độ mặc định để rút ra ý tưởng và trí nhớ cá nhân. Khả năng kết nối alpha giảm của nhóm LLM và sự tập trung bên ngoài tăng lên có thể chỉ ra một phong cách tư duy hội tụ hơn, họ có thể dựa vào các đề xuất của LLM (điều có thể hạn chế phạm vi ý tưởng) và sau đó áp dụng phán đoán của họ, thay vì phân tán nội bộ với một không gian ý tưởng rộng lớn.

Tóm lại, phân tích cho thấy một mô hình rõ ràng: viết mà không cần hỗ trợ làm tăng tương tác mạng não trên nhiều dải tần số, thu hút tải trọng nhận thức cao hơn, kiểm soát điều hành mạnh mẽ hơn và xử lý sáng tạo sâu hơn. Ngược lại, viết với sự hỗ trợ của AI làm giảm kết nối thần kinh tổng thể và thay đổi động lực của luồng thông tin. Thực tế, LLM có thể đã giải phóng tinh thần và làm cho nhiệm vụ trở nên dễ dàng hơn, nhưng bộ não của người dùng LLM có thể không đi sâu vào các quy trình liên kết phong phú mà việc sáng tạo không có sự trợ giúp yêu cầu.

Nhóm BO và Search engine

Trên tất cả các dải tần số, nhóm BO đã thể hiện một mạng lưới kết nối rộng lớn và mạnh mẽ hơn trong nhiệm vụ viết bài luận so với nhóm SE. Sự phân kỳ này đặc biệt đáng chú ý trong các dải tần số thấp hơn (delta và theta), nơi thường liên quan đến các quá trình nhận thức nội tâm như truy xuất bộ nhớ theo giai đoạn, tích hợp khái niệm và sự chú ý tập trung nội bộ. Trong nhóm BO, phạm vi delta-theta tạo điều kiện giao tiếp thuỳ trán và thuỳ thái dương mạnh mẽ, với nhiều ảnh hưởng đáng kể hội tụ trên các vùng điều hành phía trước (ví dụ: F4) từ các nguồn đỉnh-chẩm. Những mô hình như vậy cho thấy rằng không có sự hỗ trợ của internet, những người tham gia đã tham gia vào các mạng lưới bộ nhớ và lập kế hoạch một cách mạnh mẽ, phù hợp với nhu cầu nhớ lại thông tin và tạo ra nội dung một cách sáng tạo.

Mặt khác, nhóm SE, trong khi vẫn thực hiện nhiệm vụ viết phức tạp, đã hiển thị một kiểu kết nối khác. Với sự hỗ trợ từ search engine, những người tham gia này có khả năng giảm tải một số yêu cầu về mặt nhận thức, Ví dụ, thay vì ghi nhớ dữ kiện, họ có thể tìm thấy chúng và thay vì tham chiếu chéo kiến thức nội bộ, họ có thể xác minh những kiến thức đó thông qua các nguồn web. Kết quả nghiên cứu cho thấy điều này dẫn tới sự tham gia thấp hơn của các nhịp tích hợp chậm và sự thay đổi theo hướng kết nối tần số cao hơn nhất định.

Những khác biệt này phù hợp với quan điểm rằng việc sử dụng internet có thể làm thay đổi các cơ chế nhận thức.

Tải trọng nhận thức dường như cũng được quản lý khác nhau: thay vì kết nối nội bộ các vùng não (như nhóm BO đã làm), chiến lược của nhóm Search Engine lại dựa vào việc truy cập thông tin nhanh chóng,điều này có thể liên quan đến các mạng lưới cục bộ hơn hoặc nhiệm vụ cụ thể hơn.

Ví dụ: trung tâm Pz nổi bật trong mạng beta của nhóm SE có thể chỉ ra sự tích hợp tập trung của đầu vào trực quan và sự chú ý từ trên xuống với nội dung bên ngoài, phù hợp với nghiên cứu trước đây rằng dao động beta hỗ trợ duy trì sự chú ý vào các kích thích hiện đang được xử lý.

Tóm lại, sự kết nối của nhóm BO cho thấy trạng thái tăng cường phối hợp nội bộ, trí nhớ hấp dẫn và tư duy sáng tạo (được biểu hiện dưới dạng sự gắn kết theta và delta trên các vùng vỏ não). Nhóm Engine, dù vẫn hoạt động nhận thức, lại cho thấy xu hướng kết nối cục bộ nhiều hơn liên quan đến việc xử lý thông tin bên ngoài (ví dụ: liên kết dải beta đến các vùng thị giác) và mức kích hoạt các mạch bộ nhớ tầm xa của não tương đối ít hơn. Những phát hiện này phù hợp với tài liệu trước đây: các nhiệm vụ đòi hỏi ghi nhớ nội bộ thường làm tăng đồng bộ sóng não tần số thấp trong các mạng thuỳ trán. Ngược lại, khi giao việc nhớ cho internet có thể làm giảm tải trên các mạng này và thay đổi động lực chú ý. Đáng chú ý, các nghiên cứu trước đây đã phát hiện ra rằng việc sử dụng các công cụ tìm kiếm trên internet có thể làm giảm kích hoạt ở các vùng não liên quan đến trí nhớ , điều này phù hợp với quan sát của chúng tôi về khả năng kết nối yếu hơn ở những khu vực đó đối với nhóm SE. Ngược lại, sự kết nối phong phú hơn của nhóm BO có thể phản ánh trạng thái nhận thức giống như trạng thái của những người có hiệu suất cao trong các nhiệm vụ sáng tạo hoặc ghi nhớ.

LLM và SE

Việc sử dụng công cụ viết AI so với công cụ tìm kiếm truyền thống kích hoạt những cơ chế nhận thức – thần kinh khác nhau: nhóm sử dụng công cụ tìm kiếm cho thấy các mô hình kết nối thần kinh phù hợp với tải thông tin từ bên ngoài cao hơn, với sự tham gia của truy xuất trí nhớ và tích hợp thị giác – điều hành (đặc biệt ở dải sóng alpha/theta); trong khi đó, nhóm sử dụng mô hình ngôn ngữ lớn (LLM) thể hiện sự gắn kết mạnh hơn trong mạng điều hành nội bộ và tích hợp hai bán cầu não (đặc biệt ở dải beta/delta), phù hợp với quá trình lập kế hoạch và có khả năng phản ánh xử lý nhận thức hiệu quả hơn.

Và đến bài essay thứ 3, rất nhiều người tham gia từ LLM đơn giản là gửi prompt cho chatgpt và dùng LLM làm hầu như tất cả công việc. "Việc đó giống như là, hãy viết cho tôi essay, xào nấu lại câu này, sửa nó và ok".

Những kết quả này cho thấy việc được hỗ trợ bởi AI trong quá trình viết có thể giúp giải phóng tài nguyên nhận thức (bằng cách giảm tải trí nhớ), cho phép não phân bổ lại nỗ lực cho các chức năng điều hành; trong khi đó, cách viết dựa vào công cụ tìm kiếm truyền thống khiến não tham gia mạnh hơn vào các hệ thống tích hợp và trí nhớ.

Sự đối lập này phản ánh hai chế độ nhận thức khác biệt: một bên là tự động hóa được hỗ trợ từ bên ngoài, bên còn lại là quản lý thông tin từ bên trong. Sự khác biệt về hướng truyền thông tin thần kinh (dDTF) nhấn mạnh sự khác biệt trong quy trình nhận thức: mạng lưới thần kinh của nhóm dùng công cụ tìm kiếm thiên về xử lý từ dưới lên (bottom-up), còn nhóm dùng công cụ AI thiên về xử lý từ trên xuống (top-down) — phản ánh chính xác hai cách tiếp cận khác nhau trong việc viết bài luận.

Session 4

Sau khi viết 3 bài luận, những người tham gia được hỏi viết lại một phần trong những thứ mà họ đã tạo ra, nhưng nhóm dùng LLM phải làm việc đó với việc không sử dụng chatgpt nữa, Trong khi nhóm BO có thể dùng chatgpt. Nhóm LLm chỉ nhớ một số thứ rất ít trong bài luận, và thể hiện sự yếu ớt với sóng não alpha và theta, và có khả năng bỏ qua việc thực thi bộ nhớ sâu - deep memory process. Task đã được thực hiện, và bạn có thể nói rằng chatgpt hiệu quả và thuận tiện. Tuy nhiên, sau cùng về cơ bản, bạn đã không tích hợp được bất kỳ thứ gì vào mạng bộ nhớ trong não của bạn.

Nhóm BO, ngược lại, đã thực hiện rất tốt, thể hiện rõ ràng và mạnh mẽ sự tăng trưởng trong việc kết nối tất cả mạng bộ nhớ. Điều này cho thấy, AI - nếu được sử dụng theo một cách khác, tốt hơn có thể giúp tăng khả năng và hiệu quả học tập.

Tổng kết

Khi chúng ta đứng trước ngã rẽ công nghệ hiện nay, điều trở nên cấp thiết là phải hiểu đầy đủ toàn bộ phổ hệ quả nhận thức liên quan đến việc tích hợp mô hình ngôn ngữ lớn (LLM) trong bối cảnh giáo dục và tiếp cận thông tin. Dù các công cụ này mang lại cơ hội chưa từng có trong việc nâng cao khả năng học tập và truy cập tri thức, tác động tiềm ẩn đến sự phát triển nhận thức, tư duy phản biện, và tính độc lập trí tuệ lại đòi hỏi sự cân nhắc hết sức cẩn trọng và nghiên cứu liên tục.

Không thể phủ nhận rằng LLM đã giảm đáng kể rào cản trong việc trả lời các câu hỏi của người tham gia so với công cụ tìm kiếm truyền thống. Tuy nhiên, sự thuận tiện này đi kèm với cái giá về mặt nhận thức: nó làm giảm xu hướng của người dùng trong việc đánh giá một cách phản biện các kết quả đầu ra hoặc “quan điểm” mà LLM đưa ra (thực chất là các câu trả lời mang tính xác suất, được suy diễn từ tập train data). Điều này cho thấy sự tiến hóa đáng lo ngại của hiệu ứng “buồng vọng” (echo chamber): thay vì biến mất, nó đã thích nghi bằng cách định hình những gì người dùng được tiếp cận thông qua nội dung được sắp xếp bởi thuật toán. Thứ (những câu trả lời) được xếp “hàng đầu” cuối cùng vẫn bị chi phối bởi ưu tiên của các cổ đông đứng sau LLM.

Chỉ một số ít người tham gia thí nghiệm đề cập rằng họ không đi theo cách “tư duy” của LLM, mà vẫn theo đuổi luồng suy nghĩ và sáng tạo riêng của mình.

Về mặt đạo đức, những người thuộc nhóm BO báo cáo mức độ hài lòng cao hơn và thể hiện kết nối thần kinh cao hơn so với các nhóm còn lại. Trong khi đó, những bài luận được viết với sự hỗ trợ của LLM mang ít ý nghĩa cá nhân hơn đối với người viết (biểu hiện qua cảm giác sở hữu bị suy giảm), vì họ dành ít thời gian hơn cho việc viết , và phần lớn không thể trích dẫn lại một câu từ chính bài viết của mình.

Các giáo viên đã “đóng vòng lặp” bằng cách phát hiện ra những bài viết do LLM tạo, nhờ vào việc nhận ra cấu trúc quá chuẩn mực và sự đồng nhất trong các luận điểm, lặp lại giữa các bài viết trong cùng một chủ đề và nhóm.

Chúng tôi cho rằng cần có các nghiên cứu theo chiều dọc (longitudinal studies) để đánh giá tác động dài hạn của LLM đến não bộ con người, trước khi LLM được chính thức công nhận là một công nghệ mang lại giá trị ròng tích cực cho nhân loại.