Przeuczony mózg: dlaczego rutyna robi z nas słabszych graczy — i jak sny, błądzenie oraz ciekawość przywracają przewagę nad AI
Jeśli dzień po dniu karmisz mózg tym samym zestawem bodźców, uczysz go jednego: „optymalizuj pod powtarzalny świat”. Problem w tym, że świat rzadko jest powtarzalny. Przeuczenie (overfitting) działa na ludzi podobnie jak na modele AI: świetne wyniki w znanym formacie, słabe w nowej sytuacji.
Da się z tego wyjść bez rewolucji w życiu. Mechanizm ratunkowy masz wbudowany — sen i sny — a do tego możesz świadomie projektować codzienność tak, by mózg znów stał się elastyczny, ciekawy i kreatywny.
Przeuczenie w praktyce: eksperyment z piłeczkami i koszem, który obnaża błąd „klepania tego samego”
Najprostszy obraz przeuczenia pochodzi z eksperymentu szkolnego: dzieci rzucały piłeczkami do kosza (dosłownie do śmietnika). Podzielono je na dwie grupy:
- Grupa A trenowała tylko z jednego miejsca — z dystansu ok. 5 metrów — i dokładnie z tego miejsca miała później test.
- Grupa B rzucała z wielu różnych punktów i dystansów, z wyjątkiem tego testowego.
Intuicja podpowiada, że wygra Grupa A, bo ćwiczy „idealnie pod egzamin”. Stało się odwrotnie: Grupa B zmiażdżyła Grupę A w teście z 5 metrów.
To jest kwintesencja problemu: powtarzanie identycznego zadania uczy mózg skrótów pod konkretne warunki, a nie umiejętności. Tak samo działa przygotowanie typu „jadę tylko arkuszami maturalnymi” — daje obycie z formatem, ale słabiej buduje skuteczność, gdy zadanie minimalnie zmieni zasady.
Działa tu ta sama logika, co w treningu biegowym: do półmaratonu robi się interwały, choć w zawodach nie biegnie się sprintem. Po co? Żeby organizm był gotowy na zmienność i wysiłek, a nie tylko na jedną, wąską wersję świata.
Overfitted Brain Hypothesis: po co są sny, skoro sen „ewolucyjnie nie ma sensu”?
Sen jest dziwny z perspektywy przetrwania: podczas snu nie zdobywa się pokarmu, nie rozmnaża, jest się bardziej narażonym na drapieżniki. A jednak natura nie „usunęła” snu, w tym faz głębokich i REM, w których pojawiają się najbardziej odjechane obrazy.
Hipoteza przeuczonego mózgu (Overfitted Brain Hypothesis, OBH) proponuje konkretną funkcję: sny mają rozpraszać i mieszać dane, żeby mózg nie przeuczył się na monotonnym, powtarzalnym życiu. W nocy dostajesz więc serię scenariuszy typu „a co gdyby?”, czasem kompletnie absurdalnych — jak sen o nowym gatunku chomików wyglądających jak banan.
To nie jest „błąd systemu”. To mechanizm, który:
- przeplata koncepty z dnia w nowe konfiguracje,
- buduje elastyczność,
- zwiększa szansę na kreatywne połączenia.
Stąd znane doświadczenie: kładziesz się spać z problemem, rano budzisz się z „eureka”. Rozwiązanie nie spada z nieba — w nocy mózg łączy kropki, a precyzyjniej: łączy neurony, tworząc nowe ścieżki skojarzeń.
Źródło: Overfitted Brain Hypothesis, Patterns (Cell Press)
Dwa tryby pracy mózgu: „task mode” i kreatywna autostrada w tle
W ciągu dnia przełączasz się między dwoma sieciami:
- Executive Control Network — tryb zadaniowy: planowanie, skupienie, „klapki na oczach”.
- Default Mode Network — tryb domyślny: błądzenie myśli, skojarzenia, symulacje, dzienny sen na jawie.
Gdy utkniesz w problemie i odchodzisz od biurka, to nie jest lenistwo. To świadome przejście do trybu, w którym mózg w tle dalej mieli temat, ale już bez sztywnego trzymania się jednej ścieżki.
Ten mechanizm przewija się w klasycznych historiach genialnej produktywności:
- Richard Feynman odchodził od pracy i grał na bongo.
- Albert Einstein brał do ręki skrzypce.
Efekt jest znany wielu osobom: najlepsze pomysły wpadają pod prysznicem albo na spacerze, bo na chwilę puszczasz kontrolę, a Default Mode Network robi „montaż” z materiału, który zebrałeś wcześniej.
„Halucynacje” AI, błądzenie i kreatywność: to nie tylko wada, to surowiec
Wokół AI panuje silne oczekiwanie: ma być deterministyczna, nieomylna, „bez halucynacji”. Tyle że świadome błądzenie jest integralną częścią rozwiązywania złożonych problemów — także u ludzi.
Da się to zobaczyć na dwóch poziomach:
- Nauka i przełamywanie „prawdy”
Einstein potrafił zaprzeczyć temu, jak rozumiano rzeczywistość. W 1908 roku opublikował trzy artykuły, które dla wielu były „błędne”, bo nie pasowały do ówczesnego obrazu świata. Kreatywność często polega na tym, że coś wygląda jak błąd — dopóki nie okaże się nową, lepszą definicją prawdy.
2. Programowanie i podpowiedzi, które nie istnieją
Model potrafi zasugerować metodę w bibliotece, która… nie istnieje. To irytuje, bo marnuje czas. Ale czasem ta „zmyślona” metoda jest tak sensowna, że pojawia się myśl: to powinno być w tej bibliotece. Wtedy halucynacja staje się prototypem pomysłu — nie gotową odpowiedzią.
W praktyce warto traktować to jak pracę z „kreatywnym kolegą”: nie bierzesz wszystkiego literalnie, ale wyciągasz z tego nowe kierunki.
ARC 3: benchmark, który pokazuje, gdzie człowiek nadal ma twardą przewagę
ARC 3 to trzecie podejście do benchmarku, który nie pyta: „czy umiesz rozwiązać test?”. Pyta: czy umiesz wejść w nowe środowisko, w którym nie znasz zasad, nauczyć się ich i działać skutecznie.
Wynik mierzy się w dwóch wymiarach:
- jak dobrze poszło,
- ile kosztowało dojście do wyniku (ile „spalono” zasobów).
I tu pada liczba, która ustawia dyskusję: najwyższy wynik to 0,6%, a koszt podejścia to ok. 8,5 tysiąca dolarów za jedną próbę / jedną „gierkę”.
To prowadzi do prostego wniosku o przewadze człowieka: ludzka inteligencja jest przede wszystkim adaptacyjna i efektywna kosztowo. Dlatego pojawia się obrazowa granica strachu: ludzie zaczną się realnie bać w momencie, gdy „serwer AI będzie można nakarmić bananem”, a on przepracuje cały dzień na jednym bananie. Dopóki tak nie jest, koszt i efektywność nadal są po stronie biologii.
Sztuka, sny i koszt „zamkniętej codzienności”: przypadek Beksińskiego
Sny potrafią produkować obrazy, na które „żaden artysta by się nie odważył” — bo są zbyt dziwne, zbyt intensywne, zbyt bezkompromisowe.
Tu pojawia się mocny punkt odniesienia: Zdzisław Beksiński i jego turbomroczne obrazy. Zdarza się, że widz rozpoznaje w nich postacie z doświadczeń granicznych — np. z epizodów paraliżu sennego, kiedy „coś stoi w pokoju” i wygląda dokładnie jak figura z płótna.
Jednocześnie pojawia się koszt: jeśli codzienna różnorodność jest minimalna (Beksiński słynął z tego, że mało wychodził z mieszkania w warszawskim bloku), to „materiał na intensywność” przenosi się niemal w całości do snu. Wtedy kreatywność może rosnąć, ale życie na jawie robi się ciasne.
Wniosek praktyczny brzmi: różnorodność lepiej dostarczać także na jawie, zamiast liczyć, że mózg załatwi wszystko nocą.
Wnioski, które realnie zmieniają sposób uczenia się i pracy
- Przeuczenie (overfitting) dotyczy ludzi: rutyna i ćwiczenie jednego formatu budują kruchą skuteczność.
- Zmienność treningu wygrywa z „klepaniem” — co pokazuje eksperyment z rzutami do kosza (różne dystanse > idealne warunki testowe).
- Sen i sny są aktywnym mechanizmem anty-overfittingowym: mieszają dane i budują nowe połączenia.
- Default Mode Network to kreatywny tryb działania — aktywuje się, gdy odpuszczasz kontrolę (spacer, prysznic, muzyka).
- „Halucynacje” nie są tylko wadą: błądzenie jest paliwem kreatywności, także w nauce i w rozwiązywaniu problemów.
- ARC 3 punktuje przewagę człowieka: adaptacja do nieznanych reguł przy niskim koszcie (AI: 0,6% przy ~8,5 tys. USD za próbę).
- Ciekawość i różnorodność są treningiem inteligencji rozumianej jako adaptacja, nie jako rozwiązywanie testów na kartce.
Jak to wdrożyć (od zaraz): 7 prostych kroków przeciw przeuczeniu
- Zmieniaj trasę do pracy 2–3 razy w tygodniu (nawet jeden skręt „losowo” wystarczy).
Cel: nowe bodźce, nowe punkty orientacyjne, nowe skojarzenia. - Rób „wariacje” w banalnych czynnościach: inne tempo marszu, inna pora spaceru, inna kolejność zadań.
Cel: mózg przestaje optymalizować pod jedną ścieżkę. - Dawaj czas Default Mode Network: 15 minut spaceru bez telefonu albo prysznic bez treści w tle.
Cel: uruchomić błądzenie i łączenie kropek. - W uczeniu się stosuj „interleaving”: mieszaj typy zadań zamiast mielić jeden arkusz.
Cel: elastyczność, a nie tylko dopasowanie do formatu. - Wplataj mikroróżnorodność językową: 10–20 minut dziennie rozmowy z modelem głosowym (Gemini / ChatGPT) w obcym języku — tak jak robi to Vlad w drodze do pracy (np. po francusku).
Cel: adaptacja w czasie rzeczywistym, bez „czekania do stycznia”. - Karm ciekawość detalem: raz dziennie wybierz jedną rzecz do zauważenia (architektura, układ ulic, dźwięk, zachowanie ludzi).
Inspiracja: notatki da Vinciego o rzeczach, które zwykle ignorujemy (np. kanały ściekowe). - Traktuj kreatywne „błędy” jako materiał: gdy AI podsuwa coś nieistniejącego (metoda, biblioteka), zadaj pytanie: „czemu to miałoby sens?” i zapisz pomysł.
Cel: wykorzystać błądzenie jako generator kierunków, nie jako wyrocznię.
Te kroki robią jedną rzecz: przestajesz trenować mózg pod przewidywalny świat, a zaczynasz trenować go pod świat, który zmienia zasady w trakcie gry. Właśnie to jest praktyczna odporność na „przeuczony mózg”.