Люди тупеют, используя ChatGPT — правда, пока лишь в рамках исследования MIT. Прочёл я эту нашумевшую работу на 150 страниц, и, знаете, Америку они, конечно, не открыли, но есть о чём задуматься.

В общем, формат исследования был следующий:
MIT решили выяснить, как использование ChatGPT влияет на работу мозга при выполнении интеллектуальных задач. Для этого они пригласили 54 студента из ведущих университетов Бостона и разделили их на три группы.

Первая группа (LLM-группа) использовала только ChatGPT для написания эссе. Вторая группа (Search Engine) могла пользоваться поисковыми системами и интернет-ресурсами, но ChatGPT был запрещён. Третья группа (Brain-only) писала эссе исключительно своими силами.

Каждый участник прошёл через три основные сессии плюс дополнительную четвёртую, где группы поменялись местами. Во время написания эссе учёные записывали активность мозга с помощью электроэнцефалографии (ЭЭГ) — метода, который позволяет отслеживать электрические сигналы в мозге.

Участники, которые писали эссе сами (Brain-only), показали самую высокую мозговую активность — их нейронные сети работали наиболее интенсивно. Группа, использовавшая поисковые системы (Search Engine), демонстрировала промежуточный уровень активности. А вот у тех, кто полагался на ChatGPT (LLM-группа), нейронная связность была значительно слабее. Короче, главный вывод в том, что когда ИИ выполняет за нас часть интеллектуальной работы, наш мозг начинает трудиться менее активно.

Но там ещё кучу всего выявили. Например, когда у студентов из LLM-группы попросили процитировать фрагменты из эссе, 83 % участников вообще ничего не вспомнили. А ещё половина из этой группы сказала, что не ощущает текст своим (чувство авторства). Потом они поменялись местами, и LLM-группа должна была написать эссе без ChatGPT — почти все демонстрировали пониженную нейронную связность: их мозг словно «отвык» от самостоятельной интенсивной работы.

Вот выдержки из исследования, которые мне запомнились:
- В первой сессии 83 % участников LLM-группы не смогли правильно процитировать что-либо из эссе, написанного с помощью ChatGPT всего минуту назад. Ни один из 18 человек не привёл точную цитату — признак отсутствия глубокого запоминания.
- Контраст: в группах Search Engine и Brain-only лишь 11,1 % испытали ту же проблему; к третьей сессии 100 % участников этих групп уже свободно цитировали свои тексты.
- Нейронные связи систематически сокращались с ростом внешней поддержки ChatGPT.
- Brain-only показала самые сильные и обширные связи, Search Engine — среднюю активность, LLM — самое слабое общее связывание.
- Пользователи LLM-группы испытывали на 32 % меньшую когнитивную нагрузку: критическое мышление сменялось пассивным наблюдением. ChatGPT упрощает синтез информации, снижая усилия на построение ментальных схем.
- У участников LLM-группы, перешедших в режим «Brain-only» в четвёртой сессии, проявился эффект когнитивного долга: задания без ИИ они выполняли заметно хуже. Снизились критическое мышление, креативность, выросла уязвимость к манипуляциям.
- LLM-группа делала однообразные, типовые эссе, но ChatGPT их оценивал выше всех (ха-ха).
- Интересно, что полностью удовлетворена своими текстами осталась только группа Search Engine.

Если интересно, ниже выложил вольную интерпретацию исследования, сделанную (конечно!) ChatGPT-o3, и подкаст от NotebookLM.

https://teletype.in/@prompt_design/Brain_on_ChatGPT

Как пользоваться Perplexity?

Заметил, что часто в комментариях нашего сообщества спрашивают: «А чем Perplexity лучше ChatGPT?» (вместо последнего можно подставить название любой LLM). Короткий ответ — это вообще не LLM, а инструмент для поиска информации. Длинный ответ ниже.

Что такое Perplexity
Perplexity AI — это поисковая система с ИИ, которая анализирует информацию из множества источников и предоставляет структурированные ответы с цитированием. Плюс — поиск в реальном времени в формате чата. А ещё вы можете выбирать, какая LLM будет «мозгом» вашего диалога (Sonar, GPT-4.1, Claude 4.0 Sonnet, Gemini 2.5 Pro, Grok-3).

И как у любого инструмента там есть правила и лайфхаки, например в составлении запросов (промпта):
1. Чёткая инструкция — объясните, что должен сделать Perplexity (проанализировать, сравнить, объяснить и т. д.).
2. Контекстная информация — дайте фон для понимания задачи.
3. Конкретные данные — добавьте специфическую информацию для анализа.
4. Ключевые термины — сфокусируйте модель на важных деталях.
5. Желаемый формат ответа — укажите, как хотите получить результат (отчёт, список и т. п.).
Вместо общего «Как улучшить продажи?» спросите: «Какие методы маркетинга увеличивают продажи в секторе розничной торговли?».

Вообще я делю запросы на три основных типа:
Информационные. «Что такое», «кто такой», «когда произошло».
Пример: «Что такое солнечное затмение?»

Инструкции. Когда ужны пошаговые действия.
Пример: «Напиши инструкцию, как сбросить iPhone до заводских настроек».

Интерактивные. Диалог или ролевая ситуация.
Пример: «Представь, что ты менеджер по найму в IT-компании, а я прохожу собеседование на должность специалиста по контролю качества».

Кстати для факт-чека текста можно использовать такой шаблон:

<text> … </text> оцени точность, источники, бенчмарки, реальную применимость, ясность подачи и этические риски.

И так, какие ключевые функции есть в Perplexity:
• Deep Research. Исследовательский режим с отчётом и источниками.
• Discover. Трендовые темы и персонализированные рекомендации в реальном времени.
• Spaces. Рабочие пространства для проектов; можно делиться, загружать файлы, Можно использовать готовые шаблоны.
• Labs. Создание веб-приложений, анализ данных, генерация файлов (Pro).
• Tasks. Позволяет задавать отложенные действия — искать и анализировать информацию по расписанию.
• Share / Perplexity Pages. Делитесь результатами и превращайте отчёты в веб-страницы.
• Library. Коллекция ваших проектов и тем.

Режим Focus (позволяет искать информацию в определенных источниках)
Web — поиск по всему интернету (по умолчанию).
Academic — научные базы и рецензируемые публикации.
Social — контент из соцсетей и форумов.
Finance — базы SEC/EDGAR и отчёты публичных компаний.

Для каких задач какие LLM использовать:
Sonar. Быстрый поиск, общие запросы (контекст 32 000 токенов).
GPT-4.1. Базовое программирование, точные инструкции (1 000 000 токенов).
Claude 4.0 Sonnet. Сложное программирование, агентские задачи (200 000 токенов).
Gemini 2.5 Pro. Анализ длинных документов (1 000 000 токенов, планируется 2 M).
Grok-3. Креативные задачи, неформальное общение (32 000 токенов).

Есть еще модели рассуждения:
Claude 4.0 Sonnet Thinking. Сложное программирование с демонстрацией логики (200 000 токенов).
OpenAI O3. Математика, сложная логика, PhD-уровень точности в физике и биологии (32 000 токенов).
R1 1776 (Perplexity). Задачи без цензуры, открытые дискуссии (32 000 токенов).

Да, почти все основные функции доступны только в Pro версии Perplexity, но еще можно воспользоваться кодами на годовой аккаунт. А когда эту тему прикроют, лично я перейду на платную версию за 20 баксов в месяц. Так как за год я уже привык к этому инструменту.