„Brain Rot“ и изкуственият интелект: Създаваме ли проблема, който AI се опитва да реши?

Plamen MILTENOFF

Podcast

Подкаст

Artificial intelligence is often presented as the solution to many of today’s problems. It summarizes long articles, writes emails, organizes information, creates presentations, and even helps us make decisions. These capabilities save time and improve productivity. But an important question is beginning to emerge.

What if some of the problems AI helps us solve are partly created by the same digital ecosystem that made AI possible?

A recent article from the London School of Economics explores this idea through the concept of “brain rot.” Although the phrase has become popular on social media, it describes more than simply spending too much time online. It brings together several related phenomena, including fragmented attention, cognitive fatigue, reduced reading endurance, compulsive platform use, dependence on digital tools, and the growing difficulty many people experience when concentrating on complex tasks.

These changes should not be viewed only as individual habits. Instead, they are connected to the way today’s digital economy operates.

Digital platforms compete for our attention. The longer we remain online, the more advertisements we see and the more data platforms collect about our behaviour. This engagement generates enormous advertising revenues. Large technology companies then invest part of these revenues in developing increasingly powerful AI systems.

Those AI systems improve recommendation algorithms, personalize content, and make digital platforms even more effective at keeping users engaged. At the same time, people who find it difficult to read long texts, organize information, or concentrate on demanding tasks increasingly rely on AI assistants to do exactly those things.

The result is a reinforcing cycle. Platforms capture attention. Attention generates revenue. Revenue finances AI. AI makes platforms more engaging. More engagement weakens sustained attention for some users, increasing demand for AI assistance. That demand, in turn, supports further investment in AI.

Whether every step of this cycle can be proven empirically remains an open research question. Nevertheless, the framework shifts the discussion in an important direction. Instead of asking only whether AI is good or bad, we need to focus on the broader digital environment and its ability to shape our thinking before we even open an AI application.

This perspective has important implications for higher education.

Growing student use of AI may not simply reflect the availability of better technology. It may also reflect increasing difficulty with sustained reading, critical analysis, complex writing, and independent problem solving. If universities want students to develop these abilities, they need to understand the conditions pressing students to delegate them.

Consequently, AI literacy becomes much more than learning to write effective prompts.

Real AI literacy includes understanding the reasons for AI existence, the work of business models, the way recommendation systems influence behaviour, and cognitive offloading affects learning, as well as the decision which tasks should remain human. Students need to recognize the difference between using AI to support learning and using AI to avoid learning.

The real distinction is between cognitive support and cognitive replacement. AI can translate difficult texts, organize notes, generate examples, or automate repetitive work. These uses can create more time for interpretation, discussion, and critical thinking.

Problems arise when learners begin delegating the very activities through which expertise develops. Reading difficult texts, solving unfamiliar problems, evaluating evidence, and writing coherent arguments are not obstacles to learning. They are learning.

Universities also need to look inward. Social media platforms are not the only environments competing for students’ attention. Higher education sometimes contributes to the same problem through fragmented course design, excessive notifications, multiple digital platforms, assessment overload, and constant expectations of online availability. A university cannot expect students to develop deep concentration while surrounding them with continuous interruption.

Practical action is possible.

Teaching can include periods of uninterrupted reading, assignments expecting students to explain their reasoning before consulting AI, and assessment designs to document the learning process rather than only the final answer.

Research should move beyond asking whether students use AI and begin investigating the different patterns of AI use is affecting learning, attention, retention, and independent performance over time.

Institutional strategy should also evolve. Universities should review the numbers of digital platforms students must navigate, reduce unnecessary notifications, create spaces for focused work, and include attention protection within their responsible AI policies.

The article also raises broader policy questions. If attention has become the fuel of the digital economy, policymakers may need greater transparency around recommendation systems, stronger oversight of engagement-driven platform design, and investment in public digital infrastructure with priorities for learning and wellbeing over advertising revenue.

Perhaps the most important question for higher education is no longer whether students should use AI.

The better question is whether our digital environments and our educational practices help students think more deeply, or simply encourage them to think less because AI is always ready to think for them.

Изкуственият интелект често се представя като решение на много от съвременните ни проблеми. Той обобщава дълги текстове, пише имейли, организира информация, създава презентации и дори подпомага вземането на решения. Тези възможности спестяват време и повишават продуктивността. Но все по-често се появява един важен въпрос.
Ами ако част от проблемите, които AI ни помага да решаваме, са породени именно от същата дигитална среда, която направи възможно неговото развитие?
Неотдавнашна статия на London School of Economics разглежда този въпрос чрез понятието „brain rot“ („когнитивно изтощение“ или „умствено изчерпване“). Макар изразът да стана популярен в социалните мрежи, той означава много повече от прекомерно време пред екрана. Той обединява няколко взаимосвързани явления, сред които разпокъсано внимание, когнитивна умора, намалена способност за продължително четене, компулсивно използване на дигитални платформи, зависимост от цифрови инструменти и нарастващи затруднения при съсредоточаване върху сложни задачи.
Тези промени не бива да се разглеждат единствено като индивидуални навици. Те са свързани с начина, по който функционира съвременната дигитална икономика.
Дигиталните платформи се конкурират за нашето внимание. Колкото повече време прекарваме онлайн, толкова повече реклами виждаме и толкова повече данни за поведението ни се събират. Това внимание се превръща в огромни приходи от реклама. След това големите технологични компании инвестират част от тези приходи в разработването на все по-мощни системи с изкуствен интелект.
От своя страна тези AI системи усъвършенстват алгоритмите за препоръки, персонализират съдържанието и правят дигиталните платформи още по-ефективни в задържането на потребителите. В същото време хората, които все по-трудно четат дълги текстове, организират информация или се концентрират върху сложни задачи, започват все по-често да разчитат на AI асистенти именно за тези дейности.
Така се формира самоподсилващ се цикъл. Платформите привличат вниманието ни. Вниманието генерира приходи. Приходите финансират развитието на AI. AI прави платформите още по-ангажиращи. По-силното ангажиране отслабва способността за продължителна концентрация при част от потребителите, което увеличава търсенето на AI помощници. Това търсене, от своя страна, стимулира нови инвестиции в развитието на AI.
Дали всяка стъпка от този цикъл може да бъде доказана емпирично, остава открит научен въпрос. Независимо от това, тази перспектива насочва разговора в нова посока. Вместо да питаме единствено дали AI е полезен или вреден, трябва да разглеждаме по-широката дигитална среда и начина, по който тя влияе върху мисленето ни още преди да сме отворили приложение с изкуствен интелект.
Тази гледна точка има важно значение за висшето образование.
Нарастващото използване на AI от студентите може да не е само резултат от по-добрите технологии. То може да отразява и нарастващи затруднения при продължително четене, критичен анализ, академично писане и самостоятелно решаване на проблеми. Ако университетите искат студентите да развиват именно тези способности, те трябва да разберат какви фактори ги подтикват да ги делегират на AI.
Затова AI грамотността е много повече от умението да се пишат добри подкани.
Истинската AI грамотност включва разбиране защо съществува AI, как работят бизнес моделите на дигиталните платформи, как алгоритмите за препоръки влияят върху поведението ни, как когнитивното делегиране променя ученето и кои дейности трябва да останат човешка отговорност. Студентите трябва ясно да различават използването на AI като средство за подпомагане на ученето от използването му като средство за избягване на ученето.
Съществената разлика не е между използването и неизползването на AI. Разликата е между когнитивна подкрепа и когнитивно заместване. AI може да превежда сложни текстове, да организира бележки, да генерира примери и да автоматизира рутинни дейности. Това освобождава повече време за интерпретация, обсъждане и критично мислене.
Проблемът възниква тогава, когато обучаемите започнат да делегират именно онези дейности, чрез които се изгражда експертизата. Четенето на трудни текстове, решаването на непознати задачи, оценяването на доказателства и създаването на аргументирани текстове не са пречки пред ученето. Те са самото учене.
Университетите също трябва да погледнат критично към собствените си практики. Социалните мрежи не са единствената среда, която се конкурира за вниманието на студентите. Висшето образование понякога също допринася за проблема чрез фрагментирани учебни курсове, прекомерен брой известия, използване на множество дигитални платформи, претоварване с оценявания и очакване студентите да бъдат постоянно онлайн. Трудно можем да очакваме дълбока концентрация, ако непрекъснато я прекъсваме.
Решения съществуват.
В обучението преподавателите могат да включват периоди за спокойно, непрекъснато четене, да изискват студентите първо да обяснят собствените си разсъждения, преди да използват AI, и да разработват оценявания, които проследяват целия процес на учене, а не само крайния резултат.
В научните изследвания е необходимо да преминем отвъд въпроса дали студентите използват AI и да започнем да анализираме как различните модели на използване влияят върху ученето, вниманието, запаметяването и способността за самостоятелна работа в дългосрочен план.
Институционалната стратегия също трябва да се развива. Университетите следва да преразгледат броя на дигиталните платформи, които студентите използват, да ограничат ненужните известия, да създадат пространства за концентрирана работа и да включат защитата на вниманието като част от своите политики за отговорно използване на AI.
Статията поставя и по-широки въпроси пред публичните политики. Ако вниманието се е превърнало в основното гориво на дигиталната икономика, ще бъде необходима по-голяма прозрачност относно алгоритмите за препоръки, по-строг контрол върху механизмите за задържане на вниманието и повече инвестиции в обществена дигитална инфраструктура, която поставя ученето и благосъстоянието пред рекламните приходи.
Може би най-важният въпрос пред висшето образование вече не е дали студентите трябва да използват AI.
По-важният въпрос е дали нашата дигитална среда и образователните ни практики помагат на студентите да мислят по-задълбочено, или постепенно ги насърчават да мислят все по-малко, защото AI винаги е готов да мисли вместо тях.