Používáte hodně AI? Varovná zjištění o dopadech na paměť, myšlení a riziko demence

V posledních dvou letech se v neurovědách i kognitivní psychologii stále častěji objevuje zajímavý trend: nástroje generativní umělé inteligence začínají ovlivňovat to, jak každý den pracujeme s informacemi a jak zapojujeme vlastní myšlení. Pro mnoho z nás se AI mezitím stala běžnou součástí práce i studia: používáme ji při psaní, hledání a třídění informací nebo rychlém rozhodování, často aniž bychom se nad tím nějak výrazně zamýšleli. Pro mě jako člověka s akademickým zázemím v neurovědě i informatice je proto nesmírně zajímavé sledovat, jak rychle se tento posun začíná projevovat ve výsledcích studií i v našich každodenních mentálních návycích.

Současně se ale začínají objevovat i první náznaky možných dopadů: častější delegování mentálních operací na AI může souviset se změnami v tom, jakým způsobem a do jaké míry při práci s informacemi zapojujeme vlastní uvažování. Právě tyto posuny přitom mohou mít v dlouhodobějším horizontu širší důsledky, a to nejen pro způsob, jakým přemýšlíme, ale i pro udržování našich mentálních schopností a jejich stability v průběhu života.

Základním pojmem, který se ve studiích opakovaně objevuje, je tzv. kognitivní offloading, tedy odlehčení myšlení tím, že část mentálních operací přeneseme na vnější nástroje. Tento mechanismus samozřejmě není nový – využíváme jej už od vynálezu písma, kalkulaček či internetu. Tyto technologie přitom neovlivňovaly pouze paměť nebo mechanické výpočty, ale v širším smyslu zasahovaly i do způsobu, jakým řešíme problémy a organizujeme informace. Písmo umožnilo uchovávat a strukturovat znalosti, kalkulačka zjednodušila numerické operace a internet zásadně proměnil přístup k informacím i strategie jejich vyhledávání a hodnocení.

Současné systémy umělé inteligence však tento princip posouvají o krok dál. Nejde ani tak o zcela nový typ offloadingu, jako spíše o jeho rozšíření směrem k úlohám, které byly dosud ve větší míře závislé na aktivním zapojení člověka. AI totiž neodlehčuje pouze paměti nebo vyhledávání, ale stále častěji přebírá i procesy, jako je porovnávání možností, formulace argumentů, hledání vysvětlení nebo rozhodování mezi alternativami. Jinými slovy, nejde už jen o to, kde informace najít, ale i o to, že část mentální práce spojené s jejich interpretací a uspořádáním může být přenesana na systém AI.

A právě zde se začíná objevovat první možný problém, kdy například studie z roku 2025 s téměř 700 účastníky ukazuje, že častější používání AI nástrojů při práci s informacemi souvisí s menší mírou samostatného kritického vyhodnocování a vyšší mírou kognitivního offloadingu.

Zatímco dřívější technologie tak rozšiřovaly lidské poznání tím, že zefektivňovaly přístup k informacím, současné AI systémy mohou částečně přebírat jednotlivé fáze v samotném procesu myšlení (resp. jeho dílčí kognitivní složky). Čím více totiž na stroj přesouváme nejen paměť, ale i vyvozování závěrů a hodnocení, tím méně je obvykle sami aktivně provádíme.

Zatímco předchozí část ukazuje, co všechno může být na umělou inteligenci delegováno, klíčová otázka zní, jak tento posun mění samotný průběh myšlení. Experimentální studie naznačují, že může docházet k určité „kompresi“ (zkrácení a zjednodušení) kognitivního zpracování: redukuje se počet mezikroků, které musíme aktivně projít při řešení úloh – od porozumění zadání přes vyhledání a vyhodnocení informací až po formulaci závěru.

Výsledkem není pouze úspora času, ale také menší vystavení tzv. produktivnímu trápení (productive struggle). Tím se v pedagogickém a kognitivním výzkumu označuje situace, kdy se jedinec musí s problémem aktivně „poprat“, tedy hledat řešení, dělat chyby, vracet se zpět a postupně tak budovat porozumění. Právě tato fáze zvýšeného mentálního úsilí je považována za důležitý faktor pro hlubší zpracování informací, konsolidaci znalostí a rozvoj exekutivních funkcí.

Používání AI může tuto fázi částečně zkracovat nebo obcházet tím, že nám nabídne již hotové řešení. To sice zvyšuje efektivitu, ale zároveň snižuje množství situací, ve kterých člověk musí projít celým procesem sám. Zároveň je však důležité dodat, že tento efekt není jednoznačně negativní: v některých případech může AI naopak pomoci udržet obtížnost úlohy v optimálním rozmezí a tím učení podpořit. Některé experimenty nicméně ukazují nižší míru kognitivního zapojení u jedinců využívajících AI při psaní nebo řešení komplexních úloh.

Z neurokognitivního hlediska může tento posun znamenat slabší aktivaci sítí spojených s hlubším zpracováním informací, zejména pak těch, jež hrají zásadní roli v řízení pozornosti, pracovní paměti a kognitivní kontrole. Tyto změny samy o sobě ještě neznamenají trvalý pokles schopností, ale otevírají otázku, jaké důsledky může mít jejich dlouhodobě snížené využívání.

Jedním z velmi pravděpodobných mechanismů, který může na tuto změnu navazovat, je postupná atrofie méně využívaných mentálních dovedností. Tento princip je dobře známý z jiných oblastí a bývá shrnován pravidlem „use it or lose it“ (tedy „používej to, nebo to ztratíš“).

Pokud určité kognitivní operace vykonáváme méně často, nedochází jen k poklesu jejich výkonu, ale i k posunu ve způsobu, jakým přemýšlíme. Typicky přitom nejde o náhlou ztrátu schopností, ale o nenápadnou změnu způsobu, jakým k problémům přistupujeme.

Místo toho, abychom řešení aktivně vytvářeli, si postupně zvykáme vybírat z již hotových návrhů. Hlubší analýzu častěji nahrazuje rychlé posouzení toho, co dává „smysl“, a vnitřní uvažování se posouvá směrem k ověřování a potvrzování toho, co nám nabídne externí nástroj. Tento posun je pozvolný a často téměř neviditelný, ale právě v tom spočívá jeho význam.

V kontextu AI to znamená, že dovednosti jako formulace argumentu,strukturování problému nebo postupné promýšlení a vyvozování závěrů mohou být vykonávány stále méně často v plném rozsahu. Uživatel se místo toho posouvá do role editora nebo kurátora výstupů.

Důležité je, že tento proces nemusíme sami vnímat jako zhoršení. Naopak, díky kvalitě AI výstupů může vznikat pocit stabilního nebo dokonce zlepšeného výkonu. Skutečná změna se ale odehrává na úrovni závislosti na externí podpoře: schopnost dosahovat stejné úrovně výkonu bez ní může postupně klesat.

Tento efekt lze interpretovat jako důsledek nižší frekvence aktivace sítí zapojených do náročného zpracování – zejména těch, které podporují pracovní paměť, kognitivní kontrolu a generativní aspekty myšlení. Dlouhodobě to může znamenat, že se tyto procesy zapojují méně a v odlišném režimu.

Tento mechanismus nám zde zároveň vytváří přirozený most k dalšímu faktoru, který ovlivňuje míru, do jaké se na AI spoléháme: důvěře.

Výzkumy ukazují, že čím více lidé věří tomu, co jim AI nabízí, tím méně mají tendenci její výstupy dál prověřovat nebo zpochybňovat. Pokud odpověď působí dostatečně sebejistě a koherentně, často už nepřichází potřeba hledat další zdroje nebo ověřovat alternativní pohledy.

V praxi to může vést k nenápadnému snížení vnitřní kontroly nad informacemi. Místo aktivního porovnávání a hledání možných chyb se člověk snadněji spokojí s první přijatelně znějící odpovědí. Nejde přitom o ztrátu schopnosti kriticky myslet, ale spíše o to, že se tato schopnost méně často aktivně používá.

To je důležité, protože kritické myšlení není jen o tom, že ho máme k dispozici, ale také o tom, kdy a jak často ho skutečně zapojujeme.

Možná jste v médiích zaregistrovali (často senzacechtivě podanou) zprávu, že podle nové studie z MIT může používání AI vést až k téměř polovičnímu snížení funkční propojenosti mozkových sítí, tedy toho, jak silně spolu při činnosti spolupracují. Toto sdělení se velmi rychle rozšířilo i na sociálních sítích, a proto vyžaduje přesnější vysvětlení.

Zmíněná studie zkoumala, jak se liší zapojení mozku při psaní textu (eseje) s pomocí AI, klasického vyhledávače nebo bez nástrojů. Pomocí EEG pak ukázala, že lidé používající ChatGPT vykazovali zhruba o 40–50 % nižší míru propojení mozkových sítí spojených s pozorností, pamětí a kontrolou myšlení oproti těm, kteří pracovali bez pomoci nástrojů.

Tento výsledek ale sám o sobě nemusí znamenat problém ani zhoršení kognitivních funkcí. Nižší míra propojení mozkových sítí spíše popisuje odlišný způsob zapojení mozku v situaci, kdy část procesu probíhá v interakci s nástrojem. V neurovědě navíc obecně neplatí, že vyšší aktivace nebo propojení automaticky znamená lepší výkon – může jít jednoduše o jiné rozložení kognitivní námahy v daném úkolu.

Autoři tento jev popisují jako „kognitivní dluh“: AI sice krátkodobě ulehčuje práci, ale může vést k menšímu zapojení vlastního uvažování. Zároveň ale zdůrazňují, že nejde o důkaz trvalého snížení kognitivních schopností, spíše o první náznak toho, jak může způsob používání AI ovlivňovat míru aktivního zapojení mozku při myšlení.

Z pohledu neurovědy je nejzajímavější otázka dlouhodobá: jak může systematický kognitivní offloading ovlivnit kognitivní rezervu?

Připomeňme si, že kognitivní rezervu lze chápat jako záložní kapacitu našeho mozku, která může kompenzovat nebo oddalovat poškození způsobené demencí, například u Alzheimerovy nemoci (blíže jsem psal zde). Ovšem kognitivní rezervu je třeba aktivně budovat, ideálně učením se novým věcem, tréninkem paměti atd. Pokud by v důsledku častého využívání AI docházelo ke snížení frekvence a intenzity těchto aktivit, nabízí se hypotéza, že by to mohlo ve výsledku přispívat i k oslabení procesů, které se na budování kognitivní rezervy podílejí.

Ačkoli přímé důkazy z dlouhodobého sledování zatím chybí, nepřímé indicie jsou konzistentní. Například studie ukazují, že vyšší zapojení do „deep thinking activities“ (čtení, řešení problémů, diskuse) koreluje s lepším kritickým myšlením bez ohledu na používání AI, jež přitom tyto aktivity může částečně nahrazovat.

Analogii lze částečně najít v literatuře o kognitivní rezervě a digitalizaci obecně – některé studie naznačují, že dlouhodobě nižší kognitivní zapojení může souviset s méně efektivním fungováním mozkových sítí, ačkoli výsledky nejsou zcela konzistentní.

Klíčovým faktorem je především to, jakým způsobem je AI používána. Stejný nástroj může mít odlišné dopady podle toho, zda myšlení rozšiřuje, nebo nahrazuje. Pokud AI slouží k ověřování vlastních úvah, hledání alternativ nebo testování argumentů, může naopak podporovat hlubší a pečlivější zpracování informací.

Naopak pokud přebírá samotné uvažování – tedy formulaci závěrů, výběr řešení nebo hodnocení – může postupně docházet k oslabení těchto schopností, jednoduše proto, že jsou méně často aktivně používány.

Důležité je, že tyto dopady nejsou automaticky negativní ani pozitivní. Rozhoduje spíše to, zda AI funguje jako nástroj pro rozšíření myšlení, nebo jako jeho náhrada v každodenní praxi.

Zvláštní pozornost si zaslouží věkové rozdíly. Některé studie naznačují, že mladší uživatelé využívají AI nástroje častěji a mají větší tendenci se na ně spoléhat při práci s informacemi. Současně se v některých výzkumech objevují rozdíly ve skóre kritického myšlení mezi věkovými skupinami, tyto výsledky jsou však silně závislé na metodice a nelze je jednoduše interpretovat jako přímý důsledek používání AI.

Z hlediska neuroplasticity to přesto otevírá důležitou otázku: pokud se kognitivní strategie formují zejména v průběhu vývoje a vzdělávání, může způsob, jakým mladší generace běžně pracuje s AI, ovlivňovat jejich dlouhodobé kognitivní návyky. Nejde nutně o oslabení schopností, ale spíše o posun v tom, jak jsou tyto schopnosti využívány – například směrem k větší roli výběru, ověřování a úprav již existujících řešení.

Zda se tyto změny promítnou i do hlubších aspektů kognitivního fungování, zatím nevíme. Jde spíše o otevřenou výzkumnou otázku než o uzavřený závěr.

Praktický dopad těchto zjištění nespočívá v omezení používání AI, ale ve způsobu, jakým je do kognitivní práce začleněna. Rozdíl mezi oslabením a posílením kognitivních funkcí se v praxi neodvíjí od intenzity používání, ale od toho, zda AI vstupuje do procesu jako náhrada, nebo jako rozšíření již probíhajícího myšlení.

V tomto smyslu se jako klíčové ukazuje zachovat alespoň minimální fázi vlastního uvažování ještě před tím, než použijeme AI. I krátké, neúplné nebo nejisté vlastní zpracování problému vytváří vnitřní referenční rámec, který následně umožňuje výstupy AI aktivně porovnávat, upravovat a zpochybňovat. Bez této fáze se proces snadno změní na pouhý výběr z hotových řešení, což je kognitivně výrazně méně náročné.

Podobně zásadní je i to, zda uživatel s AI pracuje jako s nástrojem pro generování odpovědí, nebo jako s prostředkem pro rozšiřování vlastní perspektivy. V prvním případě člověk často přijme odpověď AI jako hotové řešení a přestane ji dál zkoumat. Ve druhém případě naopak s odpovědí dál pracuje – ověřuje ji, porovnává a hledá její limity, čímž si udržuje aktivní kritické hodnocení. V praxi to znamená používat AI spíše k ověřování vlastních nápadů, hledání slabých míst a zkoušení jiných možných vysvětlení než k tomu, aby za nás udělala konečné rozhodnutí.

Z dlouhodobého hlediska je důležité, abychom z běžné práce úplně neodstranili úkoly, které vyžadují plné zapojení našeho vlastního myšlení. Pokud totiž většinu složitějších činností systematicky přenecháme AI, může se postupně změnit způsob, jakým pracujeme – místo hlubšího přemýšlení jen rychle posuzujeme hotové výsledky. Proto dává smysl část aktivit dělat i bez podpory AI, zejména tam, kde jde o porozumění, tvorbu nebo rozhodování. Takové situace pomáhají udržet schopnost samostatného myšlení a zároveň vyvažují tendenci, kdy nás AI vede k rychlejšímu, ale méně hlubokému zpracování informací.

Důležité je také to, jak s výstupy AI pracujeme. Místo jejich bezprostředního přebírání je užitečné s nimi dál aktivně zacházet – například je přepsat vlastními slovy, použít v jiném kontextu nebo zkoumat jejich limity. Takový přístup nutí zapojit hlubší úroveň porozumění, která by jinak mohla zůstat neaktivní. Jde o jednoduchý krok, který ale výrazně mění způsob, jakým s informacemi pracujeme.

Roli hraje i to, jak moc výstupům AI věříme. Ukazuje se, že ani úplná důvěra, ani přílišná skepse nejsou ideální. Lepší je počítat s tím, že výstup může být užitečný, ale zároveň nemusí být konečný nebo bezchybný. Tento přístup umožňuje zůstat aktivně zapojený, aniž bychom ztráceli výhodu rychlosti a efektivity.

Celkově tedy nejde o to AI omezovat nebo se jí vyhýbat, ale spíše o to, jakou roli jí v myšlení přisuzujeme. Klíčové je, aby nepřebírala funkce, které tvoří jádro našeho vlastního uvažování.

Debata o AI a kognici se postupně posouvá od otázky „škodí, nebo ne“ k mnohem otevřenější otázce „jakým způsobem ji vlastně používáme“. Z pohledu neurovědy se často uvádí jednoduchý princip: mozek se do určité míry přizpůsobuje tomu, co dlouhodobě děláme, i když přesné důsledky u AI zatím neznáme.

Pokud se často spoléháme na delegování myšlení, může to postupně ovlivňovat způsob, jakým přemýšlíme. Pokud ale AI využíváme spíš jako partnera, který naše myšlenky rozšiřuje a zpřesňuje, může naopak podporovat aktivnější práci s informacemi.

Jak se to nakonec projeví v dlouhodobém horizontu, zatím neumíme přesně říct. Zdá se ale, že rozhodující nebude samotná technologie, nýbrž to, jaké způsoby jejího používání se stanou běžnou součástí našeho každodenního myšlení.

Pokud se vám moje příspěvky líbí, budu rád za sledování také na Instagramu.

Alhur AA, Khlaif ZN, Hamamra B, Hussein E. Paradox of AI in Higher Education: Qualitative Inquiry Into AI Dependency Among Educators in Palestine. JMIR Med Educ. 2025 Sep 15;11:e74947. doi: 10.2196/74947. PMID: 40953310; PMCID: PMC12435755.

Britten-Neish, G. Cognitive offloading and the causal structure of human action. Synthese 205, 47 (2025). https://doi.org/10.1007/s11229-024-04887-3

Gerlich, M. (2025), ‚AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking‘

Grinschgl S and Neubauer AC (2022) Supporting Cognition With Modern Technology: Distributed Cognition Today and in an AI-Enhanced Future. Front. Artif. Intell. 5:908261. doi: 10.3389/frai.2022.908261

Chen Y, Wang Y, Wüstenberg T, Kizilcec RF, Fan Y, Li Y, Lu B, Yuan M, Zhang J, Zhang Z, Geldsetzer P, Chen S, Bärnighausen T. Effects of generative artificial intelligence on cognitive effort and task performance: study protocol for a randomized controlled experiment among college students. Trials. 2025 Jul 11;26(1):244. doi: 10.1186/s13063-025-08950-3. PMID: 40646586; PMCID: PMC12255134.

Chirayath G, Premamalini K and Joseph J (2025) Cognitive offloading or cognitive overload? How AI alters the mental architecture of coping. Front. Psychol. 16:1699320. doi: 10.3389/fpsyg.2025.1699320

Kumar M, Dr.Seetha lakshmi.A. The Cognitive Impact of AI-Assisted Thinking: Investigating the Effects of LLM Tools (e.g., ChatGPT) on Critical Thinking, Memory Retention, and Decision-Making in Young Adults. International Journal For Multidisciplinary Research. 2026;8(1). doi:https://doi.org/10.36948/ijfmr.2026.v08i01.69276

Nataliya Kosmyna, Hauptmann E, Yuan YT, Situ J, Maes P. Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. ResearchGate. doi:https://doi.org/10.48550/arXiv.2506.08872

Montebello M. From Cognitive Necessity to Cognitive Choice: Higher Education Assessment and Learning in the Age of Generative AI. AI in Education. 2026; 2(2):12. https://doi.org/10.3390/aieduc2020012