研究表明，AI模型在接触低质量数据后会出现不可逆的“脑损伤”，导致推理和记忆能力显著下降。即使后续使用高质量数据训练，模型性能也无法完全恢复。这一现象与人类因接触碎片化信息导致的认知衰退相似，凸显了数据质量对AI发展的重要性。

本研究提出了一种基于大型语言模型的方法，通过分析自由对话特征来检测认知衰退。这种方法有效且快速，能够为老年人提供早期干预支持，解决认知和神经功能障碍的早期检测问题。

本研究探讨了利用非侵入性模态与深度学习技术检测认知衰退的挑战，特别是阿尔茨海默病。结果表明，文本模态在检测中效果最佳，而结合多种模态的模型能显著提高检测精度。