研究揭示生成式人工智能技術對認知、情緒及大腦活動的影響

隨著生成式人工智能技術在教育領域的應用日益普及，創造性思維教育變得尤為重要，但技術在提升效率的同時，學習者大腦認知神經過程與情緒的響應仍是未知。近日，北京理工大學設計與藝術學院教授盧兆麟團隊利用功能性近紅外光譜成像（fNIRS）與面部表情識別技術，深入探究了生成式人工智能工具在不同創造性思維階段對學習者認知、情緒及大腦活動的影響。相關研究成果發表于《計算機與教育》。

本研究共招募了128名來自不同學科背景的被試參與實驗。參與者被隨機分為兩組：生成式AI設計組和傳統設計組。實驗任務包含發散性思維主導的“頭腦風暴”階段和結構化思維主導的“TRIZ設計”階段。在任務過程中，實時采集了參與者的前額葉皮層（PFC）的血氧活動數據及面部表情數據進行分析。

此外，研究通過多種機器學習分類算法驗證了fNIRS與面部表情的融合方法進行創造性學習認知過程分類的有效性，以超過90%的準確率預測學習者的創造性表現。

研究發現，GenAI提升了創造力輸出評分，但階段側重點不同。在發散性思維階段：GenAI顯著提升了設計方案的“新穎性”，但“設計思維深度”弱于傳統組，在“實用性”上無顯著差異 。表明GenAI雖然能快速提供多樣化想法，但因信息過載抑制了深度思考。在結構化思維設計階段：GenAI顯著提升了方案的“實用性”，但在新穎性和深度上未見顯著優勢 。

同時，面部表情揭示不同創造性思維階段GenAI引發的情緒體驗具有兩面性。在使用GenAI輔助發散思維時，學習者表現出更多的“恐懼”和“震驚”等負面情緒。面對GenAI生成的龐大信息量時，初學者產生了決策困難和心理壓力。在使用GenAI進行結構化TRIZ設計時，表現出更多的“快樂”情緒。在有明確邏輯框架的指導下，GenAI的輔助讓推理過程更加輕松愉悅。

此外，fNIRS數據揭示了創造力背后的“腦區-情緒”聯動機制。GenAI組在進行發散性思考時，大腦右側DLPFC呈現出顯著血氧激活，而右側前額葉的活躍通常與回避動機、負面情緒以及認知過載緊密相關。面對GenAI的冗余信息，學習者正處于高壓下的“防御性”創造狀態。

進入結構化設計階段后，GenAI組參與者腦區表現出雙側DLPFC的協同激活，左側DLPFC的顯著激活通常與積極情緒、趨近動機及邏輯整合能力相關。這表明，GenAI提供的結構化引導有效地喚醒了大腦的創造力中樞，使學習者在愉悅的情緒中實現了邏輯與靈感的深度融合。

該研究首次將fNIRS腦神經成像技術與面部表情識別同時納入生成式AI輔助創造性學習的研究框架中，揭示了AI工具在發散性思維與結構化思維過程中不同的情緒-認知神經機制，用實證證據強調了在教育場景中審慎與差異化使用AI的必要性。

相關論文信息：https://doi.org/10.1016/j.compedu.2026.105578