Test Stroopa i AI: dlaczego nawet najlepsze modele tracą uwagę przy dłuższym zadaniu

Wyobraź sobie, że siedzisz na poduszce do medytacji, a w głowie zamiast spokoju masz galopadę myśli. To normalne. Ale co, jeśli problem nie leży w tobie, tylko w naturze samej uwagi? Najnowsze badania nad sztuczną inteligencją ujawniają coś zaskakującego: nawet najbardziej zaawansowane systemy, które potrafią pisać eseje i rozwiązywać skomplikowane problemy, na dłuższych zadaniach po prostu się „rozsypują”. I to może być klucz do zrozumienia, dlaczego i nam czasem tak trudno utrzymać skupienie.

Test Stroopa: stara metoda, nowe odkrycie

Naukowcy pod kierunkiem Suketu Patela postanowili sprawdzić, jak modele językowe radzą sobie z klasycznym psychologicznym testem – zadaniem Stroopa. Polega ono na nazywaniu koloru atramentu, którym wydrukowano słowo oznaczające inny kolor (np. słowo „czerwony” napisane niebieską czcionką). Dla człowieka to wyzwanie, bo mózg automatycznie czyta słowo, zamiast skupić się na barwie. Dla AI – jak się okazało – też.

Wyniki opublikowane w czasopiśmie PNAS Nexus pokazują, że przy krótkich listach pięciu słów modele radziły sobie świetnie. GPT-4o osiągnął 91% celności. Gdy lista wydłużyła się do dziesięciu słów, celność spadła do 57%. Przy czterdziestu słowach – do zaledwie 15%. Podobne załamanie wystąpiło u innych modeli, w tym Claude 3.5 Sonnet i Gemini 2.5.

Dlaczego uwaga słabnie?

Badacze zauważyli, że AI zamiast identyfikować kolor atramentu, zaczynało po prostu czytać słowa. Innymi słowy, systemy nie potrafiły konsekwentnie tłumić automatycznej odpowiedzi – tej, do której zostały wytrenowane. To uderzająco podobne do tego, co dzieje się z nami, gdy podczas medytacji myśl ucieka w stronę nawykowego gadania. Różnica? Człowiek, nawet zmęczony, potrafi utrzymać stabilną celność przez długi czas. AI – nie.

To odkrycie ma praktyczne przełożenie na naszą codzienną praktykę uważności. Jeśli nawet zaawansowane algorytmy, zaprojektowane do przetwarzania informacji, gubią się przy dłuższym wysiłku, to nasze własne rozproszenia nie są oznaką porażki. Są raczej sygnałem, że uwaga ma swoje granice – i że trzeba je respektować.

Co to oznacza dla medytacji?

Zamiast walczyć z rozproszeniem, warto potraktować je jako informację zwrotną. Kiedy podczas siedzenia myśl odpływa, nie chodzi o to, by się złościć, ale by delikatnie wrócić do oddechu. To ćwiczenie jest jak trening dla mięśnia uwagi – im częściej wracamy, tym silniejszy staje się nasz „mięsień” kontroli poznawczej. Badanie Patela pokazuje, że nawet najlepsze systemy potrzebują wsparcia przy długich sekwencjach. My też.

W medytacji chodzi nie o idealne skupienie, ale o umiejętność łagodnego powrotu. To właśnie ta elastyczność – a nie sztywna koncentracja – jest prawdziwą siłą ludzkiego umysłu. AI może nas zawieść na dłuższym dystansie, ale my, dzięki praktyce, mamy szansę budować uwagę, która nie załamuje się po dziesięciu minutach.

Może więc następnym razem, gdy podczas medytacji przyłapiesz się na myśleniu o liście zakupów, nie oceniaj tego jako porażki. Potraktuj to jako dowód, że twój mózg działa dokładnie tak, jak powinien – i że właśnie wróciłeś do punktu wyjścia, gotów spróbować jeszcze raz.