💬 NLP

The Cognitive Divergence: AI Context Windows, Human Attention Decline, and the Delegation Feedback Loop

Dit artikel beschrijft de 'cognitieve divergentie', een zelfversterkend proces waarbij de exponentiële groei van het contextvenster van AI-systemen en de afname van het menselijke aandachtsvermogen leiden tot een toenemende asymmetrie, versterkt door een delegatiefeedbacklus die de menselijke cognitieve capaciteiten verder verzwakt.

Oorspronkelijke auteurs: Netanel Eliav (Machine Human Intelligence Lab)

Gepubliceerd 2026-03-31

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Netanel Eliav (Machine Human Intelligence Lab)

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

🧠 De Grote Kloof: Waarom onze hersenen kleiner lijken en AI groter wordt

Stel je voor dat er twee renners zijn in een wedstrijd. De ene renner is een kunstmatige intelligentie (AI) en de andere is een mens.

In het verleden liepen ze ongeveer even snel. Maar sinds 2022 is er iets vreemds gebeurd: de AI-renner is plotseling een superkrachtige raket geworden, terwijl de menselijke renner langzaam begint te struikelen. Het paper van Netanel Eliav noemt dit fenomeen de "Cognitive Divergence" (de cognitieve afscheiding).

Hier is wat er aan de hand is, vertaald naar alledaagse beelden:

1. De twee tegenovergestelde lijnen

De AI (De Onuitputtelijke Bibliothecaris):
De AI heeft een "geheugen" (een contextvenster) dat steeds groter wordt. In 2017 kon de AI ongeveer 512 woorden onthouden. In 2026 kan de AI 2 miljoen woorden in één keer onthouden.
- De analogie: Stel je voor dat de AI een bibliotheek is die in 9 jaar tijd is gegroeid van een klein kastje met boeken naar een hele stad vol bibliotheken. Hij kan het complete werk van Shakespeare én de telefoonboek van heel Nederland in één keer lezen en onthouden.
De Mens (De Afgeleide Lezer):
Mensen worden juist slechter in het langdurig concentreren. In 2004 kon een gemiddelde werknemer zich ongeveer 2,5 minuten focussen op één taak. Tegenwoordig is dat gedaald naar ongeveer 47 seconden.
- De analogie: De menselijke aandacht is als een spier die niet meer wordt gebruikt. Als je vroeger een heel boek in één adem kon lezen, lees je nu alleen nog maar korte berichten, scrollt je snel door je telefoon en switcht je constant van scherm. Onze "mentale leesbril" is zo versleten geraakt dat we nauwelijks nog een heel hoofdstuk kunnen volgen zonder afgeleid te raken.

Het resultaat: De AI kan nu 1000 keer meer informatie tegelijk verwerken dan een mens. De kloof is enorm.

2. De Gevaarlijke Lus: "De Afhaal-Lus"

Dit is het meest spannende en zorgwekkende deel van het paper. Het is geen statisch probleem, maar een zelfversterkende lus. Het paper noemt dit de "Delegation Feedback Loop".

Stel je voor dat je een spier hebt in je arm (je concentratievermogen).

De AI wordt sterker: De AI kan nu ook simpele taken doen, zoals een kort e-mailtje schrijven of een korte samenvatting maken.
De drempel zakt: Omdat de AI het zo makkelijk doet, denken we: "Waarom zou ik dat zelf doen? Ik laat het maar aan de AI." We geven taken aan de AI die we vroeger zelf nog wel konden.
De spier atrofieert: Omdat we die taken niet meer zelf doen, gebruiken we onze hersenen niet meer voor die specifieke oefening. Net zoals een been dat in een gips zit, wordt de spier zwakker.
De lus sluit: Omdat onze hersenen nu zwakker zijn, vinden we zelfs nog meer taken te moeilijk om zelf te doen. We geven nog meer taken aan de AI.

Kortom: Hoe meer we de AI laten doen, hoe minder we zelf oefenen. En hoe minder we oefenen, hoe meer we afhankelijk worden van de AI. Het is een vicieuze cirkel.

3. Waarom is dit gevaarlijk?

Het paper waarschuwt voor drie grote problemen:

We kunnen de AI niet meer controleren: Omdat de AI zo veel meer informatie kan lezen dan wij, kan de AI een antwoord geven dat gebaseerd is op een detail in het midden van een heel groot document. Wij kunnen dat document niet meer lezen om te checken of het klopt. We moeten blind vertrouwen op de machine.
- Vergelijking: Het is alsof een piloot (de mens) een vliegtuig bestuurt dat zo groot is dat hij de cockpit niet meer volledig kan overzien. Hij moet vertrouwen op de computer, maar weet niet of de computer een fout maakt die hij zelf niet kan zien.
We verliezen onze vaardigheden: Als studenten hun essays door AI laten schrijven, of professionals hun e-mails laten opstellen, verliezen ze het vermogen om zelf goed te schrijven of te redeneren. Dit noemen ze "deskilling" (het verliezen van vaardigheden).
Onze hersenen veranderen: Onderzoek toont aan dat veel gebruik van sociale media en korte video's (zoals TikTok) de delen van de hersenen die nodig zijn voor concentratie, daadwerkelijk kleiner of minder actief maakt. Het is alsof we onze hersenen "trainen" om kort en snel te denken, en vergeten hoe we lang en diep moeten nadenken.

4. Wat moeten we doen?

Het paper stelt dat we niet moeten stoppen met AI, maar dat we slimmer moeten omgaan met het gebruik ervan:

Gebruik AI als hulpmiddel, niet als vervanging: Laat de AI helpen met het zoeken van informatie, maar doe het schrijven en redeneren zelf.
Oefen je "mentale spieren": Probeer bewust momenten te creëren waarin je zonder AI leest, schrijft of nadenkt. Net zoals je naar de sportschool gaat om je lichaam te trainen, moet je je hersenen trainen om niet afgeleid te raken.
Ontwerp AI anders: Bedrijven die AI bouwen, moeten interfaces maken die ons dwingen om na te denken, in plaats van interfaces die alles voor ons doen.

Conclusie in één zin

De AI groeit als een reus, terwijl onze aandacht krimpt als een kleine bloem; als we de AI alles laten doen, zullen we vergeten hoe we zelf moeten bloeien, en uiteindelijk volledig afhankelijk worden van de machine.

Het paper is een wake-up call: We moeten oppassen dat we niet onszelf "ontwikkelen" tot mensen die niet meer zonder hun digitale kruk kunnen lopen.

Titel: The Cognitive Divergence: AI Context Windows, Human Attention Decline, and the Delegation Feedback Loop

Auteur: Netanel Eliav (Machine Human Intelligence Lab - MHIL)
Datum: Maart 2026
Categorie: cs.AI (primary), cs.HC (cross-listed)

1. Het Probleem: De Cognitieve Divergentie

Het artikel identificeert een zelfversterkend dynamisch proces tussen twee tegenstrijdige trends:

Exponentiële groei van AI-contextvensters: Large Language Models (LLM's) kunnen steeds grotere hoeveelheden tekst verwerken.
Seculaire krimp van menselijke aandacht: Het vermogen van mensen om gefocust te blijven op complexe taken neemt af.

De auteur introduceert de term "Cognitive Divergence" (Cognitieve Divergentie) om de toenemende asymmetrie te beschrijven tussen het verwerkingsvermogen van AI-systemen en het menselijke cognitieve werkgeheugen. Waar deze twee capaciteiten in 2022 (tijdens de lancering van ChatGPT) ongeveer gelijk waren, is er nu een enorme kloof ontstaan. Deze divergentie wordt niet alleen veroorzaakt door technologische vooruitgang, maar ook door een Delegatie Feedback Loop: naarmate AI beter wordt, verlagen mensen de drempel om taken uit te besteden, wat op zijn beurt leidt tot verdere atrofie van menselijke cognitieve vaardigheden.

2. Methodologie en Theoretisch Kader

De paper combineert kwantitatieve modellering, literatuuronderzoek en neurobiologische analyses om de divergentie te meten en te verklaren.

Effectieve Context Span (ECS): De auteur introduceert een nieuwe maatstaf, de Effective Context Span, om menselijke leescapaciteit om te zetten in "tokens" (dezelfde eenheid als AI-contextvensters).
- Berekening: $ECS(t) = S(t) \times R_{tok} \times CSF(t)$ $E C S (t) = S (t) \times R_{t o k} \times C S F (t)$
  - $S(t)$ : Duur van een leesessentie (cumulatieve tijd per document).
  - $R_{tok}$ : Leessnelheid in tokens per seconde (gebaseerd op 238 woorden/minuut en 1,33 tokens/woord).
  - $CSF(t)$: Comprehension Scaling Factor (een factor die de effectiviteit van herlezing en integratie in fragmentarische omgevingen corrigeert).
Data Bronnen:
- Menselijke kant: Gebruik van het longitudinale dataset van Mark et al. (2003–2020) over schermfocusduur, gecombineerd met meta-analyses van leessnelheid (Brysbaert, 2019) en neurowetenschappelijke studies (8 peer-reviewed neuroimaging studies).
- AI-kant: Analyse van de historische groei van contextvensters van transformer-modellen (van 512 tokens in 2017 tot 2.000.000 tokens in 2026).
Kwaliteitscorrectie: De analyse houdt rekening met "Context Rot" (retrieval degradation), specifiek het "Lost-in-the-Middle"-fenomeen, waarbij LLM's minder goed informatie uit het midden van lange contexten halen.

3. Belangrijkste Bijdragen

Conceptualisering van de ECS: De introductie van de Effective Context Span als een gestandaardiseerde, token-gebaseerde maatstaf voor menselijke cognitieve capaciteit.
Exponentiële Groeimodel: Het fitted een exponentieel groeimodel voor AI-contextvensters met een verdubbelingstijd van ongeveer 14 maanden (groei factor $\lambda = 0,59$ ), wat aanzienlijk sneller is dan de Wet van Moore.
Statistische Karakterisering van de Divergentie: Het kwantificeren van de kloof, met een kruispunt (inflection point) rond november 2022.
De Delegatie Feedback Loop Hypothese: Een theoretisch model dat beschrijft hoe groeiende AI-capaciteit de drempel voor uitbesteding verlaagt, wat leidt tot minder cognitieve oefening, verdere capaciteitsafname en een nog lagere drempel voor uitbesteding.
Neurobiologische Onderbouwing: Een gestructureerd overzicht van acht studies die neurale mechanismen (dopamine, prefrontale cortex) koppelen aan de krimp van aandacht door digitale platforms.

4. Resultaten en Kwantificering

De Groei van de Divergentie (2017–2026)

AI Context: Gesteeg van 512 tokens (2017) naar 2.000.000 tokens (2026, Grok 4.20).
Menselijke ECS: Geschatte daling van ca. 16.000 tokens (2004-basis) naar 1.800 tokens (2026-extrapolatie).
De Verhouding:
- In 2022 was de verhouding ongeveer 1:1 (pariteit).
- In 2026 is de ruwe verhouding tussen AI en mens 556x tot 1.111x.
- Na correctie voor "Context Rot" (kwaliteits-gecorrigeerde context van ca. 100k-200k tokens) is de verhouding nog steeds 56x tot 111x.

De Delegatie Feedback Loop

De paper presenteert bewijs voor de vier stappen van de loop:

Verlaagde Drempel: Gebruik van AI voor simpele taken (zoals het schrijven van een korte e-mail) is toegenomen, waar mensen dit vroeger zelf deden.
Verlies van Oefening: Door taken uit te besteden die binnen het eigen vermogen lagen, verdwijnt de "germane cognitive load" (de inspanning die nodig is voor schema-vorming en leerproces).
Atrofie: Studies tonen aan dat frequente uitbesteding leidt tot verminderde onafhankelijke schrijf- en analytische vaardigheden ("cognitive debt").
Verdere Verlaagde Drempel: Door de afname van eigen capaciteit worden nog meer taken "te moeilijk" om zelf te doen, waardoor de uitbesteding toeneemt.

Neurobiologische Bevindingen

Dopamine: Sociale media en korte video's (Short-Form Video) activeren beloningscircuits (ventrale striatum) op een manier die vergelijkbaar is met verslaving, wat leidt tot verminderde aandacht.
Prefrontale Cortex (PFC): Studies tonen verminderde activatie in de dorsolaterale PFC (verantwoordelijk voor aanhoudende aandacht) na intensief digitaal gebruik.
Structuur: Er zijn aanwijzingen voor structurele veranderingen (verminderde grijze stof) in gebieden gerelateerd aan impulscontrole bij zware gebruikers.

5. Betekenis en Implicaties

De paper concludeert dat de "Cognitive Divergence" niet slechts een technische statistiek is, maar een fundamentele verschuiving in de relatie tussen mens en machine met ernstige gevolgen:

Asymmetrische Epistemische Toegang: Mensen kunnen de context die AI verwerkt (miljoenen tokens) niet meer zelf verifiëren. Dit ondermijnt de betrouwbaarheid van AI-gebaseerde kennis.
Onderwijs en Ontwerp: Educatieve AI-tools moeten ontworpen worden om "germane load" te behouden (scaffolding) in plaats van het werk volledig over te nemen, om leerprocessen niet te verstoren.
Cognitieve Volksgezondheid: De delegatie-feedback loop vormt een systeemrisico voor de cognitieve capaciteit van kenniswerkers. Er wordt opgeroepen tot "digitale aandachtshygiëne" en regelgeving rondom variabele beloningsmechanismen in platforms.
Onderzoek Agenda: De paper pleit voor:
1. De ontwikkeling van een gevalideerde psychometrische test voor ECS.
2. Langdurige longitudinale studies om de causale link tussen AI-gebruik en cognitieve atrofie te bewijzen.
3. Experimenten met interface-ontwerp om de delegatiedrempel te beïnvloeden.

Conclusie: De kloof tussen AI en menselijke capaciteit is exponentieel groeiend en zelfversterkend. Zonder ingrijpen in ontwerp, onderwijs en beleid, dreigt een blijvende afname van menselijke cognitieve vaardigheden, waarbij de mens afhankelijk wordt van systemen die ver buiten zijn eigen begripsvermogen opereren.