A címek szerint az AI kikezdi a gondolkodásunkat. A mögöttük álló kutatások valósak — de lehet, hogy rossz dolgot mérnek, rossz pillanatban. Íme egy hipotézis, amit nem tesztelnek.
Egy 2025-ös, 666 fős vizsgálat erős negatív korrelációt talált aközött, mennyit használ valaki AI-eszközöket, és hogyan teljesít a kritikus gondolkodás tesztjein — nagyjából r = −0,68, a hatás a legfiatalabb felhasználóknál a legerősebb. Egy külön agyi képalkotásos kísérlet gyengébb végrehajtó-kontroll aktivitást mért, amikor a résztvevők AI segítségével írtak esszét, mint amikor egyedül. A mechanizmus, amit mindkettő megnevez: kognitív tehermentesítés — hagyni, hogy az eszköz gondolkodjon helyetted, ahelyett, hogy te tennéd.
Készpénznek véve az ítélet magától megszületik: minél okosabb az eszköz, annál lustább az elme. De két dolog miatt érdemes megállni, mielőtt elfogadnánk.
A Phaidroszban Platón Thamusz királlyal mondatja ki: az írás feltalálása feledékennyé teszi az embereket — külső jelekre hagyatkoznak majd a saját emlékezetük helyett, és „a bölcsesség látszatát kapják, nem a valóságát". A legelső „ez elbutít minket" pánik nem a számítógépről szólt. Az ábécéről.
A kicsiben igaza lett, a nagyban tévedett. Az írás tényleg gyengítette a nyers emlékezetet — de felszabadította az elmét bonyolultabb gondolkodásra, és lehetővé tette, hogy a tudás nemzedékeken át halmozódjon. Ugyanezt a félelmet kiváltotta a nyomtatás, a zsebszámológép, a Google. Mindegyik externalizált némi mentális terhet — és a felszabadult kapacitás minden alkalommal feljebb ment, nem elveszett.
Itt jön a pánik-kutatások kényelmetlen része. A kritikus gondolkodás tesztjeit egy AI előtti világban építették és validálták — azt mérik, mennyire vagy jó pontosan abban, amit most az AI csinál helyetted. Ha közben egy új készség épül a helyén — pontos promptolás, ítélet, irányítás, egy szintézis ellenőrzése ahelyett, hogy te állítanád elő —, arra még nincs teszt, mert nem tudjuk, hogyan mérjük. Vagyis amit „hanyatlásként" rögzítenek, lehet, hogy csak áthelyeződés egy olyan dimenzióba, amit a műszereik nem látnak.
A munkamemória véges. A kognitív terhelés elmélete (Sweller) szerint, ha leveszed a rutinterhet, több marad belőle a magasabb rendű munkára. Ez a rész megalapozott tudományosan. De van egy fogás, amit a pánik-kutatások kihagynak: a felszabadult kapacitás nem azonnal áll át magasabb gondolkodásra. Előbb az agynak offline időre van szüksége az átrendezéshez — hogy elraktározza, összekösse és absztrahálja, amit épp befogadott.
Ez az egész érv egyetlen szóban — és valószínűleg te magad is kimondtad már: a magasabb réteget meg kell tanulni. A felszabadult kapacitás egy ajtó, nem egy lépcső. Megnyitja a lehetőséget; de nem lép fel helyetted.
Van egy rejtett feltevés, amit eddig magunkkal cipeltünk: hogy az AI a kezdetektől nettó könnyítés. Az elején nem az. Különösen a multi-AI esetében — több modellt futtatsz párhuzamosan, összeveted a kimeneteiket, mérlegeled, döntesz — az eszköz nem veszi le a régi feladatot. Egy újat ad, amire nincs begyakorolt rutinod: több párhuzamos forrás, gyorsabb ítélet, nagyobb szintézis, amit egyszerre kell fejben tartani. A mai elmék egyszerűen nincsenek gyakorlatban ekkora információsűrűség feldolgozásában, sem ekkora sebességű döntésben. Ez nem lustaság. Ez egy teher, amit sosem tanultunk cipelni — egyelőre.
Egy konkrét példa láthatóvá teszi a terhet. Az EQUORA Institute Trilith Method™-ja három modellt futtat tudatos rétegként — Claude a szintézisre, ChatGPT a monitoringra, Gemini a kereszt-validációra —, és ami a lényeg: egymás ellen dolgoztatja őket: adverzariális multi-modell verifikáció, ahol az ember a döntőbíró. A nehéz rész nem három válasz elolvasása. Hanem három egymásnak ellentmondó kimenet egyidejű fejben tartása és a köztük való ítélkezés — a szintézis-teher maximális formája. Erre nincs korábbi séma. Az elején épp azért kimerítő, amiért erős: a magasabb réteget olyan munkára kényszeríti, amire még sosem edzették.
Ez minden tanulási görbe alakja: előbb lefelé megy, mielőtt felkapaszkodna. És csendben megold egy rejtélyt a hanyatlás-kutatásokból — azt, hogy a legfiatalabb, legintenzívebb felhasználók teljesítenek a legrosszabbul. Ha a görbe előbb lefelé indul, akkor akik a legkorábban, leggyorsabban, a legnagyobb mennyiséggel merültek bele, azok vannak a legmélyebben a gödörben. Nem butábbak — csak a legmesszebb a fájdalmas kezdeti szakaszon. A nyitott kérdés az, hogy kimásznak-e.
A gödör azonban nem biztos, hogy felfelé fordul. A séma csak akkor épül, ha a nehézség a tanuló elérhető zónájában van — épp elég nehéz, hogy fejlesszen, de nem annyira, hogy összeomlásba és feladásba forduljon. A multi-AI sebessége és mennyisége egyeseknél ebbe a zónába esik (tanulási görbe), másoknál fölé (túlcsordulás és menekülés a tehermentesítésbe). Ugyanaz az eszköz, két kimenet — megint.
Van egy hálózat pontosan erre. A »default mode network« — a mediális prefrontális kéreg, a poszterior cinguláris kéreg és a hippokampusz — akkor a legaktívabb, amikor épp nem koncentrálsz külső feladatra: zuhany alatt, séta közben, az ablakon kibámulva. Ez nem üresjárat: itt zajlik az agy egyik legfontosabb munkája. Tanulás után a hippokampusz lejátssza, amit befogadtál, aktiválja ezt a hálózatot, és ez a lejátszás előrejelzi, mire fogsz később emlékezni. A lényeg: ez a spontán aktivitás fokozza az absztrakciót és az általánosítást — tényekből mintázatot csinál. Ez a magasabb gondolkodás nyersanyaga, és az állásidőben épül.
Rakd össze a két mechanizmust, és a szokásos következtetés megfordul. Az AI leveszi az alsó terhet — jó. A felszabadult kapacitásnak aztán üresjárat kell, hogy valami magasabbá rendeződjön át — szintén jó, és itt keresi meg a kenyerét a kávészünet, a séta, a bámészkodás. Sosem az eszköz volt a fenyegetés. A fenyegetés az, hogy a felszabadult időt azonnal újratöltjük külső ingerrel — a végtelen görgetéssel —, és soha nem hagyjuk, hogy a »Default Mode Network« elvégezze a munkáját.
Ami még az „elpazarolt" szünetet is átértékeli. A valódi üresjárat — a zuhany, a ki nem töltött szünet — az, amikor az átrendeződés megtörténik. A görgetés nem üresjárat: pont azt a rést tölti ki friss külső ingerrel, amire a hálózatnak szüksége lenne — és a DMN kikapcsol. Az őszinte megkülönböztetés tehát nem kávé kontra munka. Hanem üres idő kontra kitöltött idő.
Ezt a vizsgálatot még senki nem futtatta le — az AI túl új, és nincs validált műszerünk sem a „karmester"-készségre, sem az üresjárat hasznára. Ez nem a hipotézis gyengesége. Ez egy hiány — és a hiány az, ahol a kutatás kezdődik. Három mechanizmus áll össze egyetlen modellé: az AI előbb túlterhel (a görbe lemegy, amíg a séma épül); a valódi üresjárat engedi, hogy a felszabadult kapacitás felfelé rendeződjön át; a tehermentesítés pedig a vészkijárat azoknak, akik nem jutnak át a gödrön. A jóslat, ami ebből következik: a végkimenetet nem az dönti el, mennyit használsz AI-t — ezt méri a mostani kutatás —, hanem hogy túléled-e a sémaépítés gödrét, megvéded-e az üresjáratot, és ellenállsz-e a tehermentesítésbe menekülésnek. Ez az a vizsgálat, ami kutatásra vár.
Építsük fel a kutatást →