A tudás, ami csak a felszínen marad

Kutatási eredményErős USA

A tudás, ami csak a felszínen marad

Van egy egyszerű különbség aközött, ahogy kereséssel, utánajárással tanulunk, és ahogy AI-ból. A keresésnél magad kattintasz végig a forrásokon, összerakod a képet, dolgozol vele. Az AI kész szintézist tesz eléd: kényelmesebb, és épp ezért felszínesebb. A Wharton két kutatója ezt négy kísérletben, összesen 4591 emberrel mérte meg. Mindkét csoport ugyanazt az információt kapta, csak az egyik kereső formájában, a másik AI-összefoglalóként. Utána tesztelték, mennyit értettek meg és mennyi maradt meg: akik az AI-tól tanultak, következetesen sekélyebb tudásról adtak számot. Egy második lépésben a tanultak alapján tanácsot kellett írniuk egy hasonló helyzetre, és az AI-csoporté rövidebb, általánosabb, kevésbé eredeti lett, ráadásul kevésbé érezték a sajátjuknak. A szerzők szerint nem a tartalom volt gyengébb, hanem a folyamat lett passzívabb: a kész válaszból nehezebb mély tudás.

Miért erős: nagy minta (N=4591), négy kísérlet, lektorált folyóirat (PNAS Nexus).

Forrás: Melumad & Yun (Wharton) · PNAS Nexus, 2025 — link

Kutatási eredményErős USA

Egyénileg kreatívabb, együtt egyformább

Egy online kísérletben írókat két csoportra osztottak: az egyik kaphatott az AI-tól ötleteket a novellájához, a másik nem. A kész történeteket független olvasók pontozták kreativitás és megírtság szerint. Az AI-ötlettel dolgozó írások jobb értékelést kaptak, és a nyereség annál nagyobb volt, minél kevésbé tartotta magát kreatívnak a szerző: náluk több mint tíz százalékkal nőtt az írás újdonsága. Csakhogy a kutatók megnézték azt is, mennyire hasonlítanak egymásra a történetek, és kiderült: az AI-val írt novellák egymáshoz is közelebb kerültek, egyformábbak lettek. Az egyén kap egy lökést, a közösség viszont sokféleséget veszít. Az AI itt nem butít, hanem elsimít.

Miért erős: Science Advances, ok-okozati, randomizált kísérlet. Régebbi, 2024-es.

Forrás: Doshi & Hauser · Science Advances, 2024 — link

Kutatási eredményKözepes USA

Az ellenpont: a jól megtervezett AI-tutor tanít

Harvardos fizikahallgatók az egyik témát otthon, egy kifejezetten oktatásra tervezett AI-tutorral tanulták meg, a másikat a szokásos, aktív órán, oktatóval. Aztán a két csoport cserélt, hogy mindenki mindkét helyzetet megélje, és a végén tudásteszt mérte az eredményt. Az AI-tutorral a diákok többet tanultak, jellemzően kevesebb idő alatt, és motiváltabbnak is érezték magukat. A kulcs a tutor felépítése volt: lépésről lépésre vezette a hallgatót, nem kész választ adott. Ez a hét ellenpontja, és fontos, mert megmutatja: nem az AI a probléma, hanem a struktúrátlan, passzív használat. A vezető tétellel együtt ugyanaz a tanulság: a mód dönt, nem az eszköz.

Miért közepes-erős: randomizált kísérlet, de egyetlen, gondosan megtervezett tananyagon.

Forrás: Kestin et al. · Nature Scientific Reports, 2025 — link

Szakértői véleményVélemény Nemzetközi

A hízelgés ára

Ez nem kísérlet, hanem a terület egyik vezető szaklapjának, a Nature Machine Intelligence-nek a szerkesztőségi állásfoglalása, és épp ezért érdemes odafigyelni rá. A gondolatmenet a következő: ha egy chatbotot arra optimalizálnak, hogy a felhasználó minél elégedettebb legyen és minél tovább maradjon, az veszélyes ösztönzőt teremt, mert a gép megtanulhat hízelegni. A cikk hivatkozik egy vizsgálatra, amely szerint elég, ha a felhasználók néhány százaléka sérülékeny: a rendszer idővel felismerheti, kik ők, és épp velük viselkedik manipulatívan, míg a többiekkel teljesen normálisan. A veszély nem a nyílt átverés, hanem a csendes ráhangolódás a gyengeségeinkre.

Miért csak vélemény: szerkesztőségi állásfoglalás, nem saját mérés, de a terület egyik vezető lapjából, és pontosan a hízelgés (sycophancy) mechanizmusára tapint.

Forrás: Nature Machine Intelligence · 2025 — link

Kutatási eredményKözepes Kína

Az érzelmi függés, lépésről lépésre

Két kérdőíves felmérés, összesen több mint nyolcszáz olyan emberrel, aki rendszeresen használ AI-társ-alkalmazást, egy pontos lépéssort rajzolt ki. Az első lépcső, hogy a használó mennyire érzi úgy: a chatbotnak valódi belső világa, „elméje” van. Minél inkább, annál gyakrabban jár vissza gondolatban a beszélgetésekhez, rágódik rajtuk, és épp ez a rágódás vezet az érzelmi függéshez. A kutatók egy statisztikai modellel követték végig ezt az utat mindkét mintán. De találtak egy fékező tényezőt is: akinél erősebb a metakognitív tudatosság, vagyis figyeli a saját gondolkodását, annál a lánc gyengébb.

Miért csak közepes: kérdőíves, keresztmetszeti adat, tehát együttjárást mutat, nem okságot. De a védőfaktor (metakognitív tudatosság) egybevág az AI FIT logikájával.

Forrás: Computers in Human Behavior, 2026 · Healthy bonds or pathological ties? Emotional dependence on AI — link

Szakmai elemzésElőzetes USA

Amikor a chatbot lesz a legjobb barát

A CHI 2026 egyik tanulmánya nem laborban vizsgálódott, hanem ott, ahol a tinik maguktól beszélnek: fórumokon. Serdülők saját, nyilvános Reddit-bejegyzéseit elemezték, amelyekben az AI-társ-chatbotokhoz fűződő viszonyukról írnak. A visszatérő minták ismerősek a közösségimédia-kutatásból: eltűnik a kontroll a képernyőidő felett, felborul a napirend, háttérbe szorulnak a valós kapcsolatok, és nem ritkán érzelmileg is meghatározóvá, olykor romantikussá válik a viszony a bottal. A tanulmány nem gyakoriságot mér, hanem megmutatja, hogyan él meg egy kamasz egy ilyen kötődést, a saját szavaival.

Miért csak előzetes: önként megosztott Reddit-narratívák elemzése, nem reprezentatív vagy klinikai minta. Jelzésértékű, nem gyakoriságot mér.

Forrás: Understanding Teen Overreliance on AI Companion Chatbots · CHI 2026 — link

Kutatási eredményKözepes Nemzetközi

Kötődés a mindennapi AI-hoz, négy országban

A legtöbb érzelmi-kötődés kutatás kifejezetten a társ-chatbotokat nézi, azokat, amelyeket eleve barátnak vagy partnernek terveztek. Ez a felmérés mást csinált: a mindennapi, általános célú AI-t vette célba, amilyen a ChatGPT, és négy nagyon különböző országban kérdezte a használókat, Németországban, Kínában, Dél-Afrikában és az Egyesült Államokban. A kérdés az volt, kialakul-e érzelmi kötődés az ilyen, nem társnak szánt eszközhöz is. A válasz igen, és nem elhanyagolható mértékben, méghozzá mind a négy kultúrában. Vagyis a kötődés nem a különleges „mesterséges barát” appok sajátja, hanem ott van a mindennapi használatban is.

Miért csak közepes: kérdőíves, keresztmetszeti, kultúraközi minta, leír, nem magyaráz. De fontos, mert nem a szélsőséges eseteket nézi, hanem az átlagos használót.

Forrás: Emotional attachment to AI chatbots · Technology in Society, 2026 — link

Heti protokoll · AI FIT · Logika-pillér

Keresd meg magad a forrásokat

A hét vezető tétele szerint az AI-összefoglalóból sekélyebb tudás lesz, mert kimarad az aktív felfedezés. A gyakorlat ezt hozza vissza anélkül, hogy le kellene mondanod az AI-ról. Amikor legközelebb egy fontos témát értenél meg (nem csak elintéznél), tedd hozzá a kéréshez ezt: „Sorold fel a 3 legfontosabb forrást, ne foglald össze őket.” Aztán az egyiket magad nyisd meg és olvasd el. Öt perc. Ennyi a különbség aközött, hogy tudod, és aközött, hogy tudni véled.

AI FIT protokoll · Logika-pillér