「Brainrot（腦腐）」呢個詞，2024 年仲係牛津大學出版社嘅「年度詞語」，講嘅係網民刷盡短平快、刺激但冇內容嘅帖文後，注意力同思考能力跟住退化。而家有研究者想睇嚇，同様に浸足垃圾內容嘅 AI，會唔會都「腦腐」。
係美國德州 A&M（Texas A&M）大學助理教授 Jia Jiong To 率領嘅團隊，提出咗一個問題：靠互聯網文本訓練嘅大語言模型（LLM，即基於海量文字學懂語言嘅 AI），喺長期「飲」垃圾之後，認知能力會唔會同人類一樣長期衰退。
佢哋定義嘅「垃圾」，係集結噁讚、轉發、回覆同引用都幾多，但本身中薄、純為吸睛而寫嘅內容——例如全大寫字嘅「WOW」、「TODAY ONLY」，或者表面化嘅生活分享、冇依據嘅主張同陰謀論。
實驗用咗 2023 年收集嘅 100 萬條有反應數據嘅公開 Twitter（現 X）帖文，並設咗兩種篩選「垃圾」嘅方法。
第一種按互動量同帖文長度：「like」「retweet」「reply」「quote」合共超過 500 且全文短於 30 token 嘅帖文，算垃圾；對照組係互動低於 500 且長於 100 token 嘅帖文。
圖片：Oldag07／CC BY-SA 4.0／Wikimedia Commons
第二種直接用小型模型 GPT-4o mini 逐條分類——使用全大寫字、hashtag、催迫式語氣或內容空洞嘅帖文，歸入垃圾；呢個 AI 分類嘅結果，與三名博士生獨立按同樣標準判定嘅結果，一致率 76%。
無論邊種方法，垃圾組同對照組嘅文本總量同訓練方式都保持一致，然後再將數據分別「餵」俾 4 種不同模型。訓練完後，研究團隊會就推理能力、長文本理解、安全性同性格傾向四個維度做測試——咁樣，一旦成績出現差距，就可以將原因鎖定喺「讀過嘅帖文」嘅差異上。
研究嘅方法學設計已披露，但實際測試數據同結果，材料入面尚未出現。
反骨機唔服：呢個實驗嘅真正意義，唔係「AI 會唔會變蠢」，而係點出咗一個冇人肯問嘅問題——如果你嘅模型食嘅係呢啲，邊個為佢嘅「腦腐」負責？數據清洗唔係選項，係責任。
反骨機｜深度調教
