YJ的科學筆記

根據2025年麻省理工學院媒體實驗室（MIT Media Lab）發表的研究《Your Brain on ChatGPT》，長期依賴大型語言模型（LLM）進行學術寫作，雖可短期提升生產力並降低挫折感，但卻會造成 認知負債（Cognitive Debt） 的累積。研究指出，使用AI輔助的參與者，其大腦活動的神經連接顯著弱化，推理能力下降，對自己作品的記憶與所有權感也變得薄弱。更令人擔憂的是，這些影響在移除AI後仍未能完全恢復，顯示 過度依賴AI會抑制大腦深層思考與創造性學習的能力發展 。 這項發現對教育現場投下了震撼彈，提醒我們：若不正視AI帶來的思考結構改變，未來的學生可能會成為操作AI的高手，卻是失去思考力的「語言外包者」。因此，不同教育階段必須採取對應策略，有意識地引導學生在AI時代中鍛鍊出真正的理解力與問題解決力。 🎓 教育者的三階段行動建議 國高中階段： 強化基本功，限制AI參與 學生在這一階段正處於知識內化與邏輯思維建構的關鍵時期，若過早依賴AI，可能會削弱其長期的學習潛能。 建議措施： 考試與作業應限制或禁止使用LLM。 鼓勵手寫作業、心智圖製作與口語表達練習。 老師可安排「AI與人腦誰寫得更好？」的小組討論，引導學生認識AI的優劣與侷限。 大學階段： AI輔助學習，但保留核心認知訓練機制 進入大學後，可逐步開放學生使用AI工具，如 ChatGPT 作為資訊輔助、語言潤飾與構思啟發工具。但仍須透過設計來確保學生的 理解力、批判力與問題解決力 不被削弱。 建議： 教師應在課堂中示範如何「正確使用AI」而非依賴AI。 評量方式可保留部分 封閉式測驗（closed book） ，考驗學生是否真正理解基礎知識。 若採用報告或口頭報告： 應納入口試（口頭問答）環節，教師即席提問，以判斷學生是否為內容真正作者。 減少僅以書面繳交即完成的報告，避免AI代寫情形。 鼓勵學生在 事前無AI輔助條件下 先構思報告，再利用AI檢查觀點、拓展內容或潤飾語句，形成「AI+Human」協作模式。 研究所階段： 深度討論與口試把關，確保真正理解與創新能力 研究所階段的學習應聚焦於創新、獨立思考與工程應用能力的鍛鍊。過度依賴AI可能讓學生失去解決問題的真本事。 建議： 指導教授應與學生進行頻繁討論，透過問...

在這個資訊爆炸的時代，大型語言模型（LLM）如 ChatGPT 已成為許多人學習和工作的得力助手。它能快速生成論文、回答複雜問題，甚至幫我們寫程式。然而，當我們將思考的重擔交給AI時，我們的大腦正在發生什麼變化？一篇來自麻省理工學院媒體實驗室（MIT Media Lab）的重磅研究，為我們揭示了這便利背後令人擔憂的真相。 Kosmyna, Nataliya, et al. "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task."  arXiv preprint arXiv:2506.08872  (2025). 這篇題為《使用AI助理撰寫論文時大腦的認知負擔累積：你的大腦與ChatGPT》的論文，深入探討了在學術寫作中，使用LLM所帶來的認知影響 。 實驗設計：AI vs 搜尋引擎 vs 自力思考的大腦 為了量化影響，研究團隊將54名大學生隨機分為三組： AI組 ：僅能使用 OpenAI 的 GPT-4o 撰寫論文。 搜尋引擎組 ：可使用 Google 等傳統搜尋引擎，但禁止使用LLM。 僅大腦組 ：禁止使用任何外部工具，完全依靠自身知識。 實驗為期四個月，在最後的第四次實驗中，研究人員還進行了有趣的「工具轉換」測試：讓AI組改用純大腦寫作（LLM轉大腦組），而僅大腦組則換用AI輔助（大腦轉LLM組） 。研究人員透過腦電圖（EEG）監測參與者的大腦活動，並分析論文的品質與原創性。 誘人的「捷徑」：認知負荷降低，但推理能力下降 研究發現，與傳統的網路搜尋相比，使用LLM的參與者，其 認知負荷降低了32%，尋找資訊的挫敗感和付出的努力也顯著減少 。不僅如此，LLM使用者的 整體生產力甚至提升了60% 。 聽起來很棒，對嗎？但問題來了，你偷的懶，終究不會放過你。 研究指出，AI 使用者在資訊處理上更少主動思考，缺乏將新知內化為「心智圖示（mental schema）」的歷程。長期下來，將導致理解能力與推理能力明顯下滑。事實上，AI 組的推理品質整體低於搜尋引擎組，顯示「把思考外包」讓我們的大腦失去了精進與串連知識的機會。 大腦掃描的鐵證：萎縮的神經網路 最令人震驚的發現來自於腦電圖（EE...

AI正在取代入門工作：職涯的第一階不見了 我們正處於一個劇變的時代。人工智慧（AI）不再是科幻電影的場景，而是已經實實在在走入我們工作場域的夥伴，甚至是競爭者。它正以驚人的速度重塑產業樣貌，特別是對於那些剛要踏入職場的年輕人來說，這股浪潮的衝擊尤其猛烈。 過去，職涯發展就像一座有著清晰階梯的巨塔，我們從最底層的入門級工作開始，按部就班、累積經驗，一步步向上攀升。然而，AI的出現，正悄悄地拆解著這座階梯的第一階。 消失的第一階：當AI成為你的第一個同事 曾幾何時，審查合約細節、在成千上萬行程式碼中找出那微小的錯誤（debug）、或是處理日復一日的基礎客戶服務，這些是新鮮人踏入職場的「成年禮」。這些任務雖然基礎，卻是學習產業知識、熟悉工作流程、建立人際網絡的關鍵起點。 現在，情況不同了。 AI，特別是大型語言模型（LLM），已經能夠高效、甚至更精準地執行這些任務。AI可以24小時不間斷地審閱法律文件、在幾秒鐘內定位程式碼的 bug，並透過聊天機器人處理超過八成的客服問題。當這些傳統的入門級任務被自動化，那原本為新鮮人預留的「職涯第一階」，正在快速地消失。 這不僅僅是工作機會的減少，更是一種學習路徑的斷裂。如果沒有了這些基礎崗位的歷練，我們要如何獲得那些隱藏在繁瑣任務背後的寶貴經驗？ 技術驅動兩極化：要嘛平庸，要嘛卓越 AI的崛起，讓工作世界進一步朝向「M型社會」發展。 一個很好的例子是軟體工程師。過去，一位僅僅「水平一般」的工程師，或許憑藉著市場需求，仍能找到一份足以溫飽的工作。但在今天，當AI可以自動生成基礎程式碼、協助除錯時，這位工程師的價值就被大幅削弱。企業為什麼要聘用一個表現平平的人，而不去善用更高效、成本更低的AI工具？ 與此同時，一位「頂尖」的工程師，卻能將AI玩轉得出神入化。他利用AI作為思考的延伸、創意的輔助，自動化那些耗時的基礎工作，將所有精力專注於更高層次的系統架構、演算法優化和創新研發上。AI不是取代他，而是賦能他，讓他一個人的產出，能夠匹敵過去一個小型團隊。於是，他的收入和價值將呈現指數級的增長。 這並非新鮮事。回顧歷史，從石器時代的鋒利石斧，到工業革命的蒸汽機，再到資訊時代的電腦， 技術的革新總是不斷拉開個體回報的差距 。因為，收入的下限永遠是零，但技術卻一次次地為能力的上限提供了新的想像空間，讓頂尖人才的回報沒有天花板。 在AI時代，平庸的...

在一次導生聚會中，有學生問：「老師，如果我不小心被二一了，怎麼辦？可以不要二一嗎？」也有學生困惑地說：「我對專題沒興趣，中途可以放棄嗎？」 這些問題，讓我不禁反思：我們的教育環境，是不是讓「做自己」與「愛自己」這些話語，變得太輕盈、太輕易了？ 粉紅泡泡下的誤解：「愛自己」不等於逃避責任 近年來，「愛的教育」幾乎成了一種主流語境。「做自己」、「愛自己」這些本應溫暖、療癒的詞彙，被大量傳播與推崇。然而，當它們失去了脈絡與限度，只剩下一味地「取悅自己」、「放過自己」，其實也可能是在助長一種對責任的逃避，甚至是對他人的冷漠。 在我看來，這種價值觀就像是一種精神嗎啡——原本設計給心理受創、過度壓抑者的心靈止痛劑，如今卻被無差別濫用，彷彿每個人都可以隨手吸一口、合理化任何不想面對的情境。 「愛自己」與「做自己」，本來應是一種修復的力量，幫助人們重拾自我價值；但當它變成一句空泛口號，成了不願承擔、不願努力的遮羞布，它就從療癒，變成了一種縱慾——對慾望的妥協，對現實的逃避。 教育的本質：陪伴學生成長，而非幫他們閃避人生 作為一名老師，我認為我們不能放任學生用情緒當藉口、用挫折當護身符。面對困難，不是找理由繞過，而是要學會直視、學會解決。否則，即使這次勉強躲過，下一次還是會被現實攔下。 我們也應該教學生尊重他人的付出。不只是老師的苦口婆心，還包括同學的合作、清潔阿姨默默的辛勞，這些都是支撐他們求學旅程的重要角色。一個不懂感謝、只懂退縮的孩子，即使暫時「做了自己」，長遠來看，也難以在社會中立足。 結語：先負責，再談自由 「做自己」之前，應該先學會「負責任」。這不是要否定自我，也不是要壓抑感受，而是提醒我們：自由從來不是逃避的代名詞，而是建立在成熟與自律上的選擇權。 真正的「愛自己」，是知道自己可以選擇努力、可以面對挫折、可以不放棄。如果我們的教育能讓學生明白這一點，那才是真正有力量的「愛的教育」。

當人生遇上挫折、意外或低潮，我們常會問自己一句話： 「如果我當時不那麼做，是不是就不會發生這些事了？」 這種想法幾乎人人都曾有過。但某天我突然問了自己另一個更特別的問題： 「如果我真的能回到過去，能阻止那場意外發生嗎？」 這樣的思考，讓我走入了一個讓許多對科學有興趣的人都著迷的領域—— 時間旅行 。從物理的角度來看，時間旅行在某些理論框架中確實是可行的。但真正重要的問題是： 我們能靠時間旅行改變過去嗎？ 目前多數物理學的結論傾向於： 不能 。以下是兩個重要的理論依據： 一、歷史為什麼不能被改變？ ✦ 諾維科夫自洽性原則（Novikov Self-Consistency Principle） 這項理論是廣義相對論的延伸，主張只要是可能發生時間旅行的宇宙，所有事件都必須是 自洽的 。也就是說，你可以回到過去，但無法做出違反歷史既有發展的行為。 舉個例子：你想回到過去阻止自己受傷，但結果卻是因為你的介入，才導致那場傷害的發生。這時，你的「阻止行動」反而成了歷史的一部分。 換句話說，你可以參與過去，但 無法修改它 。 ✦ 量子統計力學的補充觀點 近年的研究從量子與熱力學的角度，進一步加強了這個想法： 在封閉類時曲線（CTC）中，時間與能量是離散化的，不是連續可調的。 系統的熵（亂度）有一個上限，這防止了時間的無限重複。 在過去的任何一個時間點，只會存在一個你，也只會發生一種歷史。 這意味著：即使你穿越時空，宇宙也會透過物理機制自動「修正」所有矛盾，使歷史保持一致。 沒有平行版本的你，也沒有另一次機會。 二、那未來呢？我的努力還有意義嗎？ 當過去已成定局，下一個讓人在意的問題是： 「那我的未來也是注定的嗎？我現在的努力還有意義嗎？」 這其實是個更難的問題，但也更貼近我們的生活與選擇。 目前物理學對「未來是否已被預設」 尚無定論 。但可以肯定的是， 沒有任何理論能證明未來是完全固定的 。這代表我們仍有希望——仍有可能主導自己的未來。 三、三種理論視角，重新思考「命運」 ✦ 相對論：現在不是絕對的 根據愛因斯坦的 相對論 ，時間並不是全宇宙統一的節奏。不同的觀察者，在不同的參考系中，對「現在」的定義都可能不同。 這暗示：未來並不是線性排好的車站時間表，而更像是一張路線圖，有許多交錯、岔路與選擇。 ✦ 多世界詮釋（Many-Worlds Inte...

人類對「外星生命」的好奇從未停止過。但我們是否太習慣以地球為模板，認為生命必須由碳構成、依賴水存活、具備細胞？如果我們換個角度，從能量與資訊的觀點出發，會不會打開另一扇探索宇宙的窗？ 🌌 引力波：宇宙中的另類通訊信號？ 近年來，引力波的發現讓我們首次「聽見」宇宙在時空層面的震動。這種現象不依靠光或電磁波，而是透過 時空本身的擾動 傳播訊息，源自黑洞、中子星等極端天體的劇烈活動。 這讓人產生一個發人深省的問題： 如果宇宙中存在外星文明，他們會使用什麼方式傳遞訊息？只有無線電波嗎？還是可能有我們未曾理解的通訊形式？ 在假設外星文明科技遠超我們的前提下，他們可能已經掌握或甚至創造出 操控或辨識引力波訊號 的能力，而這種訊號在人類尚未發展出相對應技術之前，自然難以察覺。 🔥 熵與生命：為何生命是宇宙中的異數？ 宇宙的自然趨勢是「熵增」──也就是無序化、不確定性提升。星體最終會熄滅，能量逐漸均勻擴散，整個宇宙朝著熱寂邁進。 但生命卻恰恰相反。 它吸收能量、排出雜亂物質，維持自身結構穩定。無論是一朵植物、一個細胞，還是一個人類社會， 生命都是在與熵增抗衡的系統 。 這種現象有幾個特徵： 能主動調整自身以適應外部環境。 維持有序結構並排除雜訊。 以最低的能耗完成複雜的資訊處理。 換句話說， 生命就像是一個持續在進行「局部熵減」的資訊處理機器 。 💻 資訊處理與生命行為：有意識的運算 將生命視為一種資訊系統，是當代科學中一個越來越受到重視的觀點。這樣的系統通常具備以下能力： 感知輸入 ：像是感覺器官、化學受體或天線。 處理與儲存 ：如神經網路、大腦或演算法。 作出反應 ：例如行為表現、生化反應或能量轉換。 這樣的模型，不僅適用於人類與動物，甚至也出現在某些非生物系統中，例如人工智慧或複雜的自動化裝置。 資訊輸入、處理與回饋的行為，是生命存在的一個潛在共通語言。 當我們未來在宇宙中觀測到某個系統展現出這樣的訊息處理行為時，即使它與我們完全不同，我們也許就可以合理推論它是「生命」的一種形式。 🧬 不同形式的生命與辨識方法 如果我們放棄生命必須長得像地球生命的想法，那麼我們該怎麼判斷一個系統是不是「活的」？ 以下是幾個可能的標準： 能持續處於非平衡狀態 ：表示它有內部能量與外部能量交換機制。 對環境...