Ki dolgozik valóban kinek?

„Brainrot”: amikor a gondolkodás kiszervezése kutatási téma

A tanulmány szerint az AI körüli biztonsági kutatásokból két fontos kockázat szinte teljesen hiányzik. Az első a deskilling: amikor nem azért gyengül egy képességünk, mert öregszünk, hanem mert egyre ritkábban használjuk. Ha a problémamegoldás vagy a gondolkodás jelentős részét tartósan a gépre bízzuk, ezek a mentális „izmok” sokat veszíthetnek az erejükből. A második az AI-függőség: nem klasszikus addikció, hanem az a folyamat, amikor egyre kevésbé akarunk önállóan gondolkodni, és egyre gyorsabban fordulunk a géphez, még olyan helyzetekben is, amelyeket saját erőből is megoldanánk. A szerzők nem azt állítják, hogy az AI káros. Inkább azt kérdezik: mindenki a teljesítménynövekedést méri, de ki méri, hogy közben milyen emberi képességek kopnak el?

Forrás: Chalkidis & Søgaard · Brainrot: a deskilling és a függőség figyelmen kívül hagyott AI-kockázatai · ACM FAccT 2026, Koppenhága

Az olló egyre nyílik: az AI 3906-szor nagyobb, az emberi figyelem egyre kisebb

Van egy szám, amely mellett érdemes megállni. 2017 és 2026 között a legfejlettebb AI-rendszerek kontextusablaka 512 tokenről 2 millió tokenre nőtt, ez 3906-szoros növekedés. A szerző szerint ugyanebben az időszakban az ember hatékony figyelmi kapacitása, longitudinális viselkedési adatok alapján, 16 000 tokenről 1800 tokenre csökkent. A ChatGPT 2022 novemberi megjelenésekor a két görbe még közel járt egymáshoz, ma több nagyságrend választja el őket. A cikk ezt „delegálási visszacsatolási huroknak” nevezi: minél többet tud a gép, annál hamarabb bízzuk rá a feladatot; minél többet delegálunk, annál kevesebbet gyakorlunk; és minél kevesebbet gyakorlunk, annál könnyebben delegálunk legközelebb is.

Forrás: Eliav · The Cognitive Divergence · arXiv preprint, 2026 (2603.26707) — link

EEG-vel mérve: hogyan hat az AI-mód az agyra?

Negyvennyolc középiskolai diák, három AI-interakciós mód (Tutor, ami magyaráz; Collaborator, ami együtt dolgozik; Solver, ami megold helyettünk), és EEG-mérés minden feladatnál. A viselkedési különbségek minden mérőszámon szignifikánsak voltak: az elindulás, a feldolgozás és a stresszreakció más mintázatot mutatott attól függően, melyik módot használták. Az EEG-adatok önmagukban még nem szignifikánsak, de a tendenciák arra utalnak, hogy az, ahogyan kapcsolatba lépünk az AI-val, idegi szinten is más folyamatokat aktivál. A Solver-módban, ahol a gép egyszerűen megoldotta a feladatot, volt a legalacsonyabb a saját feldolgozási aktivitás.

Forrás: Khurana & Liew (Allen High School, Texas) · AI-asszisztált tanulási módok EEG-vizsgálata · arXiv preprint, 2026 (2606.26579) — link

Gyorsabb megoldás, gyengébb vizsga: a matematika esete

Egy randomizált kísérlet törökországi középiskolásokkal: az AI-tutorral dolgozók gyakorlás közben lényegesen jobban teljesítettek. Aztán elvették tőlük az eszközt, és a vizsgán megfordult a kép: azok teljesítettek jobban, akiknek soha nem volt AI-asszisztensük. Az analógia, amit érdemes magunkkal vinni: a mankó kényelmes, de épp azért veszélyes, mert addig nem veszed észre, mit vesz el tőled, amíg el nem veszik a mankót.

Forrás: Hechinger-jelentés · Gyorsabb megoldások, alacsonyabb teszteredmények · 2026

Az Amazon 2026-os leállásai és az „episztemológiai adósság”

Egy kutatócsoport a szoftvermérnöki szakmán keresztül mutatja be, amit „kognitív sorvadásnak” nevez az AI-kiszervezés nyomán. A kulcsfogalom az episztemológiai adósság: az a rejtett teher, amely akkor keletkezik, amikor a mérnökök az AI visszajelzésére támaszkodnak a saját logikai levezetés helyett. Az elméleti modellek gyengülnek, a rendszer bonyolultsága nő, az ember egyre kevesebbet ért abból, amit a gép épít. A cikk esettanulmányként a 2026-os Amazon-infrastruktúra-leállásokat vizsgálja, és részben az automatizált kódgenerálás és az emberi ellenőrzés gyengülésének kombinációjára vezeti vissza. A konklúzió: a rövid távú hatékonyságnövekedés hosszú távon rendszerszintű törékenységet épít be.

Forrás: Kognitív atrófia és rendszerszintű összeomlás az AI által vezérelt szoftverfejlesztésben · arXiv preprint, 2026 (2604.26855) — link

Az orvosok, akik elfelejtik, hogyan kell diagnosztizálni

Nita Farahany, a Duke Egyetem neuroetika-professzora és a kognitív szabadságjogok egyik vezető kutatója az AI-asszisztált orvosi diagnózis felől közelít. Azok az orvosok, akik a diagnózisnál az AI-rendszerekre támaszkodnak, mérhető képességvesztést mutatnak az önálló diagnosztikai gondolkodásban, még akkor is, ha az AI általában helyes választ ad. A kulcsmondat: a kompetencia nem tűnik el egyszerre, hanem lassan halványul, minden alkalommal, amikor a saját ítéleted helyett a gépét fogadod el. Nem azért, mert a gép rosszabb, hanem mert a képesség csak gyakorlással marad meg.

Forrás: Nita Farahany (Duke) · Az AI rejtett agykárosodása · Substack, 2026

Heti protokoll · AI FIT

Az olvasás mint agyedzés: 20 perc, lineárisan

A fenti hat kutatás mind ugyanarra a pontra mutat: az agy az aktív, önálló feldolgozásban erősödik, nem a passzív befogadásban. Van egy tevékenység, amit szinte mindenki végez, mégis egyre kevesebben visznek végig lineárisan, görgetés nélkül: az olvasás. A protokoll: ma este végy elő egy könyvet, nem képernyőn, papíron, és olvass húsz percig úgy, hogy közben nem nézel telefont, nem ugrasz fejezetet, és nem kérdezed meg az AI-t, hogy „miről szól eddig”. Csak olvasd. Ha valami nem érthető, bírd ki az értetlenséget egy ideig: az az a pillanat, ahol az agy elkezd dolgozni. Ez nem a hatékonyság ellen szól, hanem a hatékonyság alapja.

Könyvajánló

Cal Newport: Elmélyült munka (Deep Work)

Newport, a Georgetown informatikaprofesszora, egyetlen tézist véd 300 oldalon, meggyőzően: a mélyen koncentrált, megszakítás nélküli munka ritka képességgé vált, és épp ezért egyre értékesebb. A könyv első fele azt mutatja meg, miért igaz ez idegtudományi szinten, a második fele pedig, hogyan lehet ilyen körülményeket tudatosan teremteni egy szétszórt világban. Az AI DETOX / AI FIT felől nézve a könyv pontosan azt írja le, amit mi „fókuszblokknak” hívunk a napi protokollban, csak évekkel korábban megjövendölte, hogy erre szükség lesz.

Forrás: Cal Newport · Elmélyült munka (Deep Work) · HVG Könyvek