Cervello sotto attacco: come ChatGPT sta cambiando per sempre il modo in cui pensiamo e impariamo!

Oggi, vorrei portare alla vostra attenzione uno studio di fondamentale importanza, intitolato “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”. Questo lavoro è stato condotto da un team di ricercatori di spicco: Nataliya Kosmyna, Eugene Hauptmann, Ye Tong Yuan, Jessica Situ, Xian-Hao Liao, Ashly Vivian Beresnitzky, Iris Braunstein e Pattie Maes.
Perché questo studio è così importante?
L’adozione diffusa di modelli linguistici di grandi dimensioni (LLM) come ChatGPT sta trasformando radicalmente il modo in cui lavoriamo, giochiamo e, soprattutto, impariamo. Questi sistemi offrono capacità senza precedenti per personalizzare le esperienze di apprendimento, fornire feedback immediati e democratizzare l’accesso alle risorse educative. Tuttavia, parallelamente a questi vantaggi, sta emergendo una serie di preoccupazioni critiche riguardo alle implicazioni cognitive dell’uso estensivo degli LLM.
Questo studio si concentra proprio su questo: individuare il costo cognitivo dell’utilizzo di un LLM nel contesto educativo della scrittura di un saggio. I ricercatori dimostrano un probabile calo delle abilità di apprendimento a causa dell’uso degli LLM. La ricerca solleva timori concreti sullo sviluppo intellettuale umano e sull’autonomia, parlando di un fenomeno preoccupante noto come “offloading cognitivo”. In un’epoca in cui le persone si affidano sempre più all’AI, comprendere come questa influenzi la nostra mente e il nostro apprendimento è di interesse universale.
Come è stato condotto lo studio?
Per capire meglio questi impatti, i ricercatori hanno coinvolto 54 partecipanti di età compresa tra 18 e 39 anni, reclutati da cinque università dell’area di Boston. Sono stati divisi in tre gruppi, in modo equilibrato per età e genere, per svolgere il compito di scrittura di un saggio:
· Gruppo LLM: Questi partecipanti potevano usare esclusivamente OpenAI’s GPT-4o come unica risorsa informativa.
· Gruppo Motore di Ricerca: A questo gruppo era permesso usare qualsiasi sito web (la maggior parte ha scelto Google), ma era esplicitamente proibito l’uso di qualsiasi LLM.
· Gruppo Solo-Cervello: Questo gruppo non poteva usare alcun tipo di strumento online, affidandosi esclusivamente alle proprie conoscenze e al proprio ingegno.
Lo studio si è articolato su tre sessioni con la stessa assegnazione di gruppo, e una quarta sessione opzionale alla quale hanno partecipato 18 individui. Nella sessione 4, i ruoli si sono invertiti per alcuni: i partecipanti del Gruppo LLM sono stati spostati nel Gruppo Solo-Cervello, mentre quelli del Gruppo Solo-Cervello hanno iniziato a usare l’LLM.
Il compito per tutti era scrivere un saggio in 20 minuti scegliendo tra tre argomenti predefiniti. Per misurare l’impatto cognitivo, sono state utilizzate diverse metodologie:
· Elettroencefalografia (EEG): Per registrare l’attività cerebrale, valutando l’impegno cognitivo e il carico neurale. Si sono analizzate le connessioni neurali in diverse bande di frequenza (Alpha, Beta, Delta, Theta).
· Analisi del Linguaggio Naturale (NLP): Per studiare le caratteristiche linguistiche dei saggi prodotti, come la ricorrenza di entità nominate (NERs), n-grammi, e l’ontologia degli argomenti.
· Interviste Post-sessione: Per raccogliere i feedback dei partecipanti sul loro approccio, la loro capacità di citare i propri saggi e la percezione di proprietà dell’opera.
· Valutazione dei Saggi: I saggi sono stati valutati sia da insegnanti umani che da un giudice AI, in base a criteri come unicità, vocabolario, grammatica, organizzazione, contenuto e, se del caso, l’uso dell’LLM.
I risultati: cosa ci dicono sul nostro cervello?
I risultati sono stati illuminanti e dovrebbero interessare chiunque utilizzi o intenda utilizzare strumenti basati sull’IA.
1. Connettività Neurale e Carico Cognitivo:
· La connettività cerebrale si è ridotta progressivamente con l’aumento del supporto esterno.
· Il Gruppo Solo-Cervello ha mostrato le reti neurali più robuste e ampie in tutte le bande di frequenza, indicando un intenso coinvolgimento delle proprie risorse cognitive per generare idee, pianificare e recuperare informazioni dalla memoria. Questo gruppo ha dimostrato un flusso di informazioni dal basso verso l’alto, con le regioni semantiche e sensoriali che “alimentavano” il sistema esecutivo frontale.
· Il Gruppo Motore di Ricerca ha mostrato un impegno intermedio, con maggiore attività nelle cortecce occipitale e visiva, riflettendo l’elaborazione di informazioni acquisite visivamente durante la ricerca. La loro connettività beta suggerisce un’integrazione di informazioni esterne nelle regioni parietali.
· Il Gruppo LLM ha esibito la connettività più debole, suggerendo che l’LLM ha attenuato l’intensità e la portata della comunicazione neurale. Il loro cervello sembrava coinvolto meno profondamente nei processi creativi e di ideazione, con un carico ridotto sulla memoria di lavoro e sulle funzioni esecutive. Il loro flusso di informazioni era più “dall’alto verso il basso”, ovvero il loro lobo frontale integrava e filtrava i suggerimenti dell’IA.

2. Memoria e Capacità di Citazione:
· Il Gruppo LLM ha mostrato una significativa difficoltà nel citare i propri saggi, con l’83,3% dei partecipanti che ha faticato a fornire una citazione corretta nella Sessione 1, e nessuno che ne abbia fornita una giusta. Questa difficoltà è persistita anche nella Sessione 4 per i partecipanti transitati dal gruppo LLM a quello Solo-Cervello. Ciò suggerisce che l’uso dell’LLM può portare a una codifica della memoria superficiale.
· Al contrario, i gruppi Motore di Ricerca e Solo-Cervello hanno dimostrato una capacità di citazione significativamente superiore, quasi perfetta nella Sessione 2 per il Gruppo Solo-Cervello.

3. Percezione di Proprietà del Saggio:
· Il Gruppo LLM ha riportato una bassa percezione di proprietà dei loro saggi, spesso frammentata (alcuni pienamente, altri per niente, molti parzialmente). Questo indica una minore agenzia cognitiva, con la delega della generazione di contenuto all’IA che ha interrotto i cicli metacognitivi di auto-valutazione.
· Il Gruppo Solo-Cervello ha rivendicato la piena proprietà quasi unanimemente.

4. Qualità e Unicità del Saggio:
· I saggi del Gruppo LLM, sebbene ben votati da insegnanti umani e AI, erano linguisticamente più omogenei e si distinguevano meno in termini di distanza di utilizzo di NER/n-grammi. Gli insegnanti umani hanno rilevato uno stile di scrittura “senz’anima” e ricorrente, associato all’uso dell’LLM.
· Il Gruppo Solo-Cervello ha mostrato una forte variabilità nell’approccio alla scrittura, con saggi più distinguibili.

5. Adattamento Cognitivo nella Sessione 4:
· I partecipanti transitati dal gruppo LLM a quello Solo-Cervello (che quindi prima usavano l’LLM e poi no) hanno mostrato una connettività neurale più debole nelle bande alfa e beta rispetto al gruppo Solo-Cervello, e non hanno raggiunto i livelli di connettività osservati in quest’ultimo nelle sessioni 2-3. Ciò suggerisce che l’esposizione precedente all’LLM potrebbe aver indebolito l’impegno neurale per la pianificazione e la generazione di contenuti autonomi.
· Al contrario, i partecipanti transitati dal gruppo Solo-Cervello al gruppo LLM (che prima non usavano strumenti e poi sì) hanno mostrato un picco di connettività neurale in tutte le bande di frequenza quando hanno iniziato a usare l’LLM, indicando un intenso impegno cognitivo per integrare i suggerimenti dell’IA con le loro conoscenze esistenti.
I pericoli dell’intelligenza artificiale: il “debito cognitivo”
I risultati dello studio evidenziano chiaramente diversi rischi legati all’uso prolungato e acritico degli LLM:
· Riduzione delle Abilità di Pensiero Critico: L’IA può ridurre lo sforzo mentale immediato, ma contemporaneamente compromettere le capacità di pensiero critico e l’impegno nei processi analitici profondi. C’è il rischio di una “pigrizia metacognitiva” dove si delega la responsabilità cognitiva all’IA.
· Deterioramento della Memoria a Lungo Termine: La facilità di accesso alle risposte può portare a un consumo passivo di informazioni, indebolendo la formazione della memoria a lungo termine. Si tende a ricordare dove trovare l’informazione, non cosa essa sia, il cosiddetto “effetto Google”.
· Omogeneizzazione e Bias: Gli LLM possono generare bias e inesattezze, e persino “allucinare” riferimenti. Essendo “predittori del prossimo token”, tendono a fornire output probabili, che possono rafforzare le opinioni esistenti e creare “camere di eco” digitali. Questo può compromettere lo sviluppo del pensiero critico e portare a conclusioni eccessivamente sicure basate su prove incomplete.
· Perdita di Autonomia e Creatività: L’eccessiva dipendenza dall’IA può diminuire le prospettive di risoluzione autonoma dei problemi e di pensiero critico. Il Gruppo LLM ha mostrato saggi omogenei e una riduzione delle capacità di scrittura creativa.
· Debito Cognitivo: Il fenomeno più preoccupante è l’accumulo di debito cognitivo. L’affidamento ripetuto a sistemi esterni come gli LLM sostituisce gli sforzi cognitivi necessari per il pensiero indipendente. Questo “debito” può rinviare lo sforzo mentale a breve termine, ma comporta costi a lungo termine come una diminuita indagine critica, una maggiore vulnerabilità alla manipolazione e una ridotta creatività.
· Costi Energetici e Ambientali: Un aspetto spesso trascurato è il costo energetico. Una query LLM consuma circa 10 volte più energia di una ricerca tradizionale.
L’uso buono e premiante dell’intelligenza artificiale
Nonostante i pericoli, l’intelligenza artificiale offre opportunità straordinarie se usata con saggezza:
· Efficienza e Produttività: Gli LLM possono snellire la presentazione delle informazioni e ridurre il carico cognitivo superfluo, aumentando l’efficienza e la produttività in compiti come la scrittura o la risoluzione di problemi.
· Apprendimento Personalizzato e Adattivo: L’IA può personalizzare le esperienze di apprendimento e adattare le risposte in base al feedback dell’utente, fornendo chiarimenti iterativi e approfondimenti tematici. Questo supporta tecniche di apprendimento efficaci come la ripetizione e l’apprendimento spaziato.
· Supporto alla Competenza: Per gli studenti con maggiore competenza, gli LLM possono essere uno strumento strategico per l’apprendimento attivo, utile per rivisitare e sintetizzare informazioni. I framework LLM multi-ruolo (es. Instructor Bot, Emotional Supporter Bot) possono aumentare l’engagement degli studenti, soddisfacendo i bisogni psicologici di competenza, autonomia e relazione.
· Integrazione Ibrida: È fondamentale esplorare strategie ibride in cui l’IA gestisce gli aspetti più routinari della scrittura, mentre i processi cognitivi fondamentali – come la generazione di idee, l’organizzazione e la revisione critica – rimangono guidati dall’utente.
· Tempismo Strategico nell’Introduzione: I risultati della Sessione 4 suggeriscono che introdurre gli strumenti AI dopo un iniziale sforzo autonomo possa migliorare l’engagement e l’integrazione neurale. Questa sequenza sembra neuro-cognitivamente più efficace rispetto all’uso costante dell’IA fin dall’inizio.
Navigare il futuro dell’IA con saggezza
Ci troviamo a un bivio tecnologico. Gli LLM offrono opportunità senza precedenti, ma il loro potenziale impatto sullo sviluppo cognitivo, sul pensiero critico e sull’indipendenza intellettuale esige una considerazione attenta e una ricerca continua.
Il messaggio più forte di questo studio è chiaro: la convenienza offerta dall’IA ha un costo cognitivo. Riduce la nostra inclinazione a valutare criticamente l’output dell’IA e può portare all’accumulo di “debito cognitivo”. Ma non è una condanna; è un invito alla consapevolezza.
Un consiglio pratico, basato su anni di osservazione delle intersezioni tra tecnologia e mente umana, è questo:
· Prioritizzate l’Impegno Profondo: Nelle fasi iniziali dell’apprendimento, è essenziale che il vostro cervello sia pienamente coinvolto, senza scorciatoie. Questo costruisce reti neurali robuste e memorie durevoli. Sfidate voi stessi a generare idee, organizzare pensieri e criticare il materiale autonomamente.
· Usate l’IA come Strumento, non come Sostituto: Vedete l’IA come un assistente potenziante, non come un sostituto del vostro pensiero. Usatela per compiti routinari, per esplorare nuove informazioni (ricordando di verificare sempre le fonti), per il brainstorming o per ottenere feedback sulla struttura, ma mantenete il controllo creativo e critico.
· Praticate l’Alternanza: Alternate fasi di lavoro “Solo-Cervello” con l’uso strategico dell’IA. Questo approccio ibrido può ridurre il carico cognitivo superfluo senza minare lo sviluppo delle vostre abilità cognitive fondamentali.
· Coltivate la Proprietà e l’Unicità: Sentite il bisogno di possedere le vostre idee. L’originalità e la profondità emergono quando integrate le informazioni con le vostre esperienze e la vostra prospettiva unica.
· Domandatevi Sempre il “Perché”: Non accontentatevi mai della risposta superficiale. Chiedetevi sempre il “perché” dietro l’informazione, la logica e le connessioni.
Ricordate, il vostro cervello è incredibilmente adattabile. Se lo allenate a “offloadare” costantemente il pensiero, esso si adatterà. Ma se lo sfidate a impegnarsi in processi complessi, si rafforzerà e prospererà. Siamo noi a plasmare la tecnologia, e la tecnologia, a sua volta, plasma noi stessi. Assicuriamoci che questa interazione sia per il nostro massimo beneficio cognitivo e intellettuale a lungo termine.
Il percorso è appena iniziato, e solo studi longitudinali futuri potranno fornirci un quadro completo dell’impatto a lungo termine degli LLM sul cervello umano. Nel frattempo, la cautela informata e l’uso consapevole sono le nostre migliori guide.