腦腐蝕：被忽視的 AI 風險——技能退化與成癮問題
arXiv - Computers and SocietyIlias Chalkidis, Anders S{\o}gaard
本文指出生成式 AI 的安全研究過於關注惡意用途，卻忽略了認知退化與心理健康等深層風險。
AI 幫你先抓重點
AI 重點 1
重新定義 AI 安全的範疇，將認知風險納入核心議題。
滑鼠懸停看 AI 判斷理由
傳統的安全觀點偏向「防禦外部攻擊」，但本文提醒我們應關注「內部能力的侵蝕」。這要求研究者與開發者從心理學與認知科學的角度，重新審視技術對人類心智結構的長期影響。
AI 重點 2
警惕「認知卸載」帶來的技能退化與批判性思考喪失。
滑鼠懸停看 AI 判斷理由
當學習者將思考過程外包給 AI 時，可能會導致自主學習能力的萎縮。理解這一點對於設計能促進高階思維而非僅是自動化產出的教育工具至關重要。
核心研究發現
- 1
目前的 AI 安全與對齊研究主要集中在歧視、仇恨言論、有害內容、資訊危害及惡意攻擊等領域。
- 2
大眾對於 AI 的擔憂多集中於認知與心理健康，例如過度依賴技術導致的技能退化與批判性思考萎縮。
- 3
生成式 AI 可能引發與依附、依賴相關的成癮風險，而這些風險在現有的 AI 安全文獻中極少被討論。
對教育工作者的啟發
教育工作者在導入生成式 AI 時，不應僅關注其產出效率，更應設計「認知介入」的教學策略。例如：在課程設計中加入「AI 協作後的批判性檢驗」環節，確保學生必須進行高階思維才能完成任務，防止技能退化。此外，應建立引導學生進行元認知（Metacognition）監控的機制，讓學生意識到自己何時正在過度依賴 AI，從而培養更健康的數位學習習慣與自主學習能力。
原始文獻資訊
- 英文標題：
- Brainrot: Deskilling and Addiction are Overlooked AI Risks
- 作者：
- Ilias Chalkidis, Anders S{\o}gaard
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。