文章核心观点 - 媒体在报道人工智能研究时经常剥离研究的细微差别和背景，导致公众对研究结果的误解，这种被曲解的叙事比技术本身更具危害性[3][4] - 人工智能领域最大的风险并非来自技术本身，而是源于对技术运作方式的糟糕且过度炒作的思维[12] 研究一：GPT对大脑影响的研究 - 一项实验将54名学生分为三组，分别使用GPT撰写短文、使用传统搜索引擎、以及完全自行创作，通过脑电图测量写作任务中的神经参与度和记忆力[4] - 结果显示，获得外部工具帮助越多，学生的大脑活跃度越低，GPT组表现出最低的参与度、最弱的记忆保留以及对作者身份的最弱认同感[5] - 研究的核心发现是自动化工具的被动使用会导致认知参与度降低，这与其他工具如复制粘贴或模板的使用效果类似，重点在于如何使用工具而非工具本身的危险性[6] - 该研究存在局限性，包括未经同行评审、样本量小仅54人、时间框架短且仅关注单一教育场景，这些注意事项在媒体报道中被忽略[7] 研究二：AI部署失败率的研究 - “95%的AI部署失败”这一说法源自一份MIT斯隆报告，但该数字并非一个严谨的研究发现[8] - 报告基于对52家组织代表的访谈、153份调查和300个自我报告的案例研究，但缺乏支持确定性结论的严谨性，例如没有财务审计、明确的关键绩效指标或可复现的数据集[9][10] - 失败率特指在六个月内未能实现投资回报的试点项目，这对于需要长期采纳周期的技术而言时间框架过短，不利于资本密集型或战略性项目[9] - 报告的成功与失败判断依赖于主观编码而非经过验证的指标，且样本为便利样本，同时该报告也被用于推广MIT自身的NANDA计划[10][11] 研究误读的影响与启示 - 研究误读的模式反复出现：研究提出谨慎主张，媒体剥离其细微差别， resulting narrative成为新的传统智慧[12] - 被误解的研究会导致课堂恐慌、设计不良的企业战略、误导性监管以及糟糕的公共讨论[14] - 解决方案并非减少研究，而是需要更好的解读，包括教导如何阅读研究、关注背景和方法论、要求媒体对准确性负责，以及奖励抵制夸大其词的研究人员[13][14]