AI и когнитивная бифуркация: как ИИ создаёт разрыв между элитой и зависимым большинством

Вы открываете ChatGPT, чтобы сформулировать письмо. Просите Claude summarise документ. Даёте GPT задачу «напиши пост для LinkedIn». К вечеру вы прочитали 12 аналитических материалов — ни один не открывали, заголовки проглотили через дайджест, который собрала нейросеть. Ваш мозг не решил ни одной задачи. Он только утвердил решения, принятые за него.

Это не лень. Это новая норма.

Исследование за исследованием фиксируют один и тот же эффект: чем активнее человек делегирует когнитивные функции ИИ, тем ниже становятся его собственные показатели критического мышления, метакогнитивного контроля и способности к самостоятельному анализу. Проблема не в том, что ИИ «отупляет». Проблема в том, что он создаёт структурный разрыв между теми, кто использует его как инструмент, и теми, кто использует его как костыль.

Что показывает наука: три независимых подтверждения

В феврале 2026 года Michael Gerlich из SBS Swiss Business School опубликовал в Societies статью, которая формализовала понятие «societal bifurcation» (общественная бифуркация). На выборке из 666 участников Gerlich показал: частое использование AI-инструментов значимо отрицательно коррелирует с навыками критического мышления. Эффект сохраняется после контроля образования, возраста и профессии. Медиатор — когнитивный оффлоадинг: чем больше человек полагается на ИИ, тем меньше задействует собственные мыслительные процессы.

Почти одновременно исследователи Shen и Tamkin опубликовали на arXiv препринт «How AI Impacts Skill Formation». В контролируемом эксперименте 52 программиста учились новой технологии. Группа, использовавшая ИИ для выполнения заданий, показала значительно худшие результаты в последующем тесте на понимание по сравнению с группой, работавшей без ИИ. Эффект — когнитивный оффлоадинг напрямую снизил формирование новых навыков.

Третье подтверждение пришло из MIT. Экономисты Acemoglu и соавторы в рабочем документе «AI, Human Cognition and Knowledge Collapse» построили формальную модель того, как растущее качество AI-рекомендаций создаёт самоподкрепляющуюся ловушку: чем лучше ИИ решает задачи, тем меньше человек вкладывает усилий в собственное обучение — и тем быстрее деградирует его способность принимать решения без подсказки.

Когнитивная бифуркация: два полюса одного разрыва

Gerlich вводит термин «когнитивная бифуркация» не как метафору, а как диагностируемый социальный процесс. С одной стороны — когнитивно устойчивое меньшинство: люди, которые используют ИИ рефлексивно, верифицируют его ответы, оспаривают результаты и интегрируют их в собственное аналитическое мышление. С другой — когнитивно зависимое большинство: те, кто принимает AI-выход как финальную истину, перестаёт подвергать его сомнению и теряет метакогнитивный контроль.

«Unstructured AI use diminishes metacognitive monitoring and inflates confidence — создавая иллюзию понимания там, где его нет».— Michael Gerlich, Societies, февраль 2026

Разрыв усугубляется петлёй обратной связи. Когнитивно устойчивые получают больше пользы от ИИ (ускорение анализа, проверка гипотез), что усиливает их преимущество. Зависимые делегируют всё больше — и теряют способность к самостоятельному суждению. Результат: не «все станут умнее с ИИ», а ИИ станет катализатором неравенства — но не экономического, а когнитивного.

Почему это не моральная паника

Аргумент «так всегда боялись нового» — от Сократа, проклинавшего письменность, до учителей, запрещавших калькуляторы — звучит убедительно, но не отменяет эмпирических данных. Разница в том, что письменность и калькуляторы расширяли когнитивные возможности, не заменяя базовые процессы. ИИ первого поколения делает обратное: он не требует от пользователя понимания — он требует только утверждения.

Исследование Gerlich это подтверждает количественно: участники, которые «просто принимали» AI-выход, демонстрировали более низкую уверенность в собственном мышлении. Те, кто редактировал, оспаривал или дополнял ответы — сохраняли «когнитивное владение» (cognitive ownership). Разница не в инструменте. Разница в паттерне использования.

Эмпирическое подтверждение: ОSU и UTS

В мае 2026 года Oregon State University опубликовал исследование на выборке 299 STEM-студентов из пяти университетов Северной Америки. Результат — та же картина: студенты, которые routinely полагались на AI в учёбе, формировали «петлю зависимости» — чем больше они использовали ИИ, тем слабее становились их интеллектуальные привычки, и тем сильнее они начинали зависеть от ИИ. Исследователи назвали это спиралью AI-зависимости (AI dependence spiral).

Параллельно University of Technology Sydney (UTS) и Network for Quality Digital Education опубликовали доклад «Artificial Intelligence, Cognitive Offloading and Implications for Education». Ключевой вывод: unstructured AI-использование в школах создаёт «metacognitive equity gap» — разрыв в метакогнитивных навыках между учащимися, которые используют ИИ осознанно, и теми, кто делегирует ему всё подряд. Доклад фиксирует «performance paradox»: при использовании ИИ студенты показывают более высокие результаты в текущих заданиях, но хуже усваивают материал для будущих задач.

Три независимые исследовательские группы — Gerlich в Швейцарии, Choudhuri в США, UTS в Австралии — приходят к одному выводу. Эффект не зависит от языка, страны или образовательной системы. Он следует из архитектуры взаимодействия человека с AI.

Что будет, если ничего не менять?

Экономисты MIT формализовали сценарий «knowledge collapse» (коллапс знаний): если AI-рекомендации становятся достаточно качественными, человеческие стимулы к обучению падают ниже порога, необходимого для поддержания общего уровня знаний. В модели Acemoglu это — устойчивое равновесие. Выйти из него можно только сознательным изменением институтов: перепроектированием образования, внедрением метакогнитивных практик, изменением UX самих AI-инструментов.

Сценарии развития