Are we getting dumber because the technology is getting smarter? It depends what you do with the silence. Butulunk, mert okosodik a technológia? Attól függ, mit kezdünk a csenddel.

The headlines say AI is eroding our minds. The studies behind them are real — but they may be measuring the wrong thing, at the wrong moment. Here is a hypothesis they don't test.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.

The number everyone quotesA szám, amit mindenki idéz

A 2025 study of 666 people found a strong negative correlation between how much someone uses AI tools and how they score on critical-thinking tests — around r = −0.68, with the effect strongest in the youngest users. A separate brain-imaging experiment found weaker executive-control activity when people wrote essays with AI help than when they wrote unaided. The mechanism named in both: cognitive offloading — letting the tool do the thinking instead of doing it yourself.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.

Taken at face value, the verdict writes itself: the smarter the tool, the lazier the mind. But two things should make us pause before we accept it.Készpénznek véve az ítélet magától megszületik: minél okosabb az eszköz, annál lustább az elme. De két dolog miatt érdemes megállni, mielőtt elfogadnánk.

Plato was afraid of writingPlatón félt az írástól

In the Phaedrus, Plato has King Thamus warn that the invention of writing will make people forgetful: they will trust external marks instead of their own memory, and gain "the appearance of wisdom, not its reality." The very first "this will make us stupid" panic was not about computers. It was about the alphabet.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.

He was right about the small thing and wrong about the big one. Writing did weaken raw memory — but it freed the mind for more complex thought and let knowledge accumulate across generations. The printing press drew the same fear; so did the calculator, so did Google. Each externalised some mental load, and each time the freed-up capacity moved up, not away.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.

The tests measure the old skillA tesztek a régi készséget mérik

Here is the uncomfortable part of the panic studies. Their critical-thinking tests were built and validated in a pre-AI world — they measure how good you are at exactly the thing the AI now does for you. If a new skill is being built in its place — precise prompting, judgement, steering, checking a synthesis rather than producing it — there is no test for that yet, because we don't know how to measure it. So what gets recorded as "decline" may just be a shift into a dimension the instruments can't see.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.

Free the load — then rearrangeSzabadítsd fel a terhet — aztán rendezd át

Working memory is finite. Cognitive load theory (Sweller) says that when you remove the routine burden, more of it is available for higher-order work. That part is solid. But there is a catch the panic studies miss: the freed capacity does not switch to higher thinking instantly. First the brain needs offline time to reorganise — to consolidate, connect, and abstract what it just took in.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.

This is the whole argument in one word, and it is a word you probably said to yourself already: the higher layer has to be learned. Freed capacity is a door, not a staircase. It opens the possibility; it does not climb for you.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.

At first it doesn't lighten — it overloadsAz elején nem könnyít — hanem túlterhel

There is a hidden assumption we have been carrying: that AI is a net relief from the start. At first, it isn't. Especially with multi-AI — running several models in parallel, comparing their outputs, weighing them, deciding — the tool doesn't remove the old task. It hands you a new one you have no trained routine for: more parallel sources, faster judgement, a bigger synthesis to hold in your head at once. Today's minds simply aren't practised at processing information at this density, or deciding at this speed. That is not laziness. That is a load we were never trained to carry — yet.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.

A concrete example makes the load visible. The Equora Institute's Trilith Method™ runs three models as a deliberate stack — Claude for synthesis, ChatGPT for monitoring, Gemini for cross-validation — and, crucially, sets them against each other: adversarial multi-model verification, with a human as the deciding judge. The hard part is not reading three answers. It is holding three conflicting outputs at once and adjudicating between them — the maximum version of the synthesis load. No prior schema exists for that. It is exhausting at first for exactly the reason it is powerful: it forces the higher layer to do work it has never been trained for.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.

This is the shape of every learning curve: it dips before it climbs. And it quietly resolves a puzzle from the decline studies — that the youngest, heaviest users score worst. If the curve goes down first, the ones who plunged in earliest, fastest, at the highest volume are simply deepest in the dip. Not dumber — just furthest along the painful early stretch. The open question is whether they climb out.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.

The dip is not guaranteed to turn upward, though. A schema only builds if the difficulty sits in the learner's reach — hard enough to stretch, not so hard it collapses into giving up. Multi-AI's speed and volume land in that zone for some (a learning curve) and above it for others (overwhelm, and a retreat into offloading). Same tool, two outcomes — again.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.

The brain rearranges in the idleAz agy az üresjáratban rendez át

There is a network for exactly this. The »default mode network« — the medial prefrontal cortex, posterior cingulate, and hippocampus — is most active precisely when you are not focused on an external task: in the shower, on a walk, staring out a window. Far from idling, it is doing some of the brain's most important work: after learning, the hippocampus replays what you took in, triggers this network, and that replay predicts what you'll remember later. Crucially, this spontaneous activity enhances abstraction and generalisation — it turns raw facts into patterns. That is the raw material of higher thought, and it is built during downtime.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.

So the danger isn't the AITehát nem az AI a veszély

Put the two mechanisms together and the usual conclusion flips. AI removes the lower load — good. The freed capacity then needs idle time to reorganise into something higher — also good, and this is where the coffee-break, the walk, the staring-into-space actually earn their keep. The threat was never the tool. The threat is that we refill the freed time immediately with external input — the endless scroll — and never let the »Default Mode Network« do its work.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.

Which reframes even the "wasted" break. Real idle — the shower, the unfilled pause — is when the rearrangement happens. The scroll is not idle: it fills the exact gap the network needs with fresh external stimulus, and the DMN switches off. So the honest distinction is not coffee vs. work. It is empty time vs. filled time.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.