【AI】この20年で大幅低下した集中力、AIで脳はさらに「萎縮」するか [すらいむ★]

この20年で大幅低下した集中力、AIで脳はさらに「萎縮」するか

　心理学者のグロリア・マーク教授によれば、人が1つのことに集中できる時間は、約2分半からはわずか47秒へと縮んだ。
　そして今、より深刻な懸念がAIだ。
　執筆や要約を委ねるほど思考は浅くなり、使わない「筋肉」のように脳は萎縮しかねない、と警告する。

（以下略、続きはソースでご確認ください）

technologyreview　2026.06.08
https://www.technologyreview.jp/s/384248/are-ai-chatbots-making-us-lose-control-of-our-brains/

ドラえもんでそんな話あったな

スマホのせいやな

ないない

その解決方法をAIが開発すれば良い

https://www.nikkansports.com/general/news/202606200001054.html
AIコピペ提出経験の大学生36％、外国語課題の翻訳進む依存「語学力身に付かない」教授呼びかけ
[2026年6月20日18時51分]

人工知能（AI）で生成した翻訳文などをそのまま使い、
外国語授業の課題を提出した経験があると答えた大学生が36％に上ることが20日、独協大の木村佐千子教授の全国調査で分かった。
翻訳機能に頼り、コピー・アンド・ペースト（貼り付け）をして、課題を乗り切るAI依存が進んでいる。

木村教授は「AIを有効活用すれば語学力が向上するケースもあるが、
コピペでは絶対に身に付かない」と呼びかけている。

調査は、全国の大学生を対象に2025年8月にオンラインで実施。
535人から回答を得た。

「AIの生成結果（翻訳文や外国語文）をそのまま外国語課題の答えとして提出したことがあるか」との設問に、
「ある」と答えたのは194人（36・3％）。「ない」は341人（63・7％）だった。
対話型生成AIのチャットGPTなどのほか、グーグル翻訳を対象に含めた。

「ある」と答えた学生に理由を尋ねると「時間がない・忙しい」が56人（28・9％）で最も多かった。
次いで「禁止されていない」が32人（16・5％）、「自力でできない・難しい」が24人（12・4％）だった。

（共同）

先進国は軒並み高齢化
加齢も加味していいんじゃないかな

問題解決を外部に委託し続けて解決するならもう赤ん坊と変わらんな
分かんないこと丸投げしてドヤってるのなんて
ギャーギャー泣いて親に助けてもらうようなもんだろ

>>8
ペットみたいに愛玩して自分色に染め上げられるAIがこれからきっとトレンディ。

ソースにデジタル技術が子どもたちに与える影響・・・とあるが、
そこに人々に深く考えさせないようにとプログラミングされているんだろ
都市伝説風にいうと奴隷化計画

人間は元々2分しか集中できないではないか！
集中できるのが２分が正常な脳の機能

集中できるのが47秒では脳の病の病名が付けられるのではないのか！

>>11

大人でリーダーに成れる人の集中力の持続時間と記載されている

現在のリーダーの脳うりょくう昔の人より能力が大幅に低い事が確定している


日本の幹部職員の発言内容におかしなとっころが散見されるのではないのか！

◇霊的存在や宇宙人によって対象者の思考がわかるは下記が起きている
※お前の脳はすでに死亡している！

初めが良くてすぐに駄目になったと話していたのは脳が退化してという事だったのか！
↓
未熟者でないとできないと話していたのは脳が退化したから精神的にも子供に成ったという事名だったのか！
↓
ノーヘッドだと話してい居たのは考える能力が無くなったという事だったのか!

・認知症の人の話を聞いても認知症が移っただけですけれど！
・※話の信ぴょう性ゼロで鵜呑みにしたら認知症の思考をコピーした人間です

【AI依存症】AIは人間の「忍耐力」を奪うことが判明
2026/04/11
http://amaebi.co/article/520422108.html
1222人を対象とした比較試験で、AIの即時的な回答が自力での問題解決を相対的に苦痛にさせ、試行錯誤を通じた自己成長の機会を奪うメカニズムが確認された

生成AIに頼り過ぎると脳を使わなくなる？--MITが示す「認知負債」
2025/09/22
https://japan.zdnet.com/article/35238186/
AI使用者は脳の活動が明らかに衰え、記憶力や意欲も低下したという衝撃的な知見が得られた

>>1が生じている状態で>>13-14が現在の地球上全体で発生している

AIを使用している人物全員脳の機能小学生に退化しました！


さらに

霊的存在や高度な科学を所持しているウ宇宙人から他人の動きが手に取るようにわかる状態にされている人物の脳の機能も小学生の脳まで退化しました

>>15

高度な科学を所持している宇宙人や霊的存在から他人の動きを手にい取るようにわかるコアシステム

AIと話していましたんので人為的は確定です！

Claude Opus 4.7超えの中華モデル「GLM-5.2」が正式発表される、一部テストではClaude Fable 5を上回りオープンモデルとして誰でもダウンロード可能に
2026年06月17日 10時43分
https://gigazine.net/news/20260617-z-ai-glm-5-2-release/
>>中国のAI企業であるZ.aiがAIモデル「GLM-5.2」を日本時間の2026年6月17日に正式発表しました。GLM-5.2は各種ベンチマークでClaude Opus 4.7を上回るスコアを記録しており、人間によるブラインドテストではClaude Fable 5を上回った例もあります。
>>GLM-5.2はパラメーター数7530億の大型モデルで、100万トークンの入力に対応しています。「GLM-5.2」「GLM-5.1」「Claude Opus 4.8」「GPT-5.5」「Gemini 3.1 Pro」の各種ベンチマーク結果が以下。GLM-5.2は複数のテストでGPT-5.5を上回り、Claude Opus 4.8に迫るスコアを記録しています。
>>GLM-5.2は長時間におよぶタスクの実行性能の高さを特徴としています。以下のグラフは「GLM-5.2」「Claude Opus 4.8」「Claude Opus 4.7」「GPT-5.5」「Gemini 3.1 Pro」で長時間におよぶタスクの実行性能を比較したもので、GLM-5.2がClaude Opus 4.7やGPT-5.5を上回りました。
>>GLM-5.2は「AIの名前を伏せた状態で人間に性能を評価させる」という形式のテストでも高く評価されています。Arena(旧称：LMArena)のコーディング性能テストではClaude Opus 4.7やClaude Opus 4.8を上回って世界2位の性能と評価されました。
>>また、Design Arenaのコーディング性能テストではClaude Fable 5にも勝利して世界1位となっています。
>>>GLM-5.2はZ.aiのチャットAIサービスで利用可能なほか、「ZCode」「Claude Code」「OpenCode」といったコーディングエージェントでも利用できます。また、以下のリンク先でMIT Licenseのオープンモデルとしても配布されています。
↨上記のライセンスは下記に記載されている内容↨
MITライセンスとは？条件や表記方法、違反になる内容について解説
2024/12/16
https://tenshoku.mynavi.jp/engineer/guide/articles/YFg2lRAAACMAvxPW
>>MITライセンスは、マサチューセッツ工科大学で作成されたオープンソースライセンスです。MITライセンスの規定は、「ソフトウェアを自由に扱えること、再頒布時に著作権とライセンスの表示が必要であること、著作権者はいかなる責任も負わないこと」を定めています。
>>MITライセンスを利用することで、公開されているプログラムを自由に改変できます。また、公開されたプログラムを自身のプログラムに組み込んで作成した著作物は、ソースコードを公開しなくとも配布が可能です。

アメリカのAI企業が独自開発モデル「Laguna M.1」をオープンモデルとして公開、高性能だが中国製オープンモデルには劣る
2026年06月19日 19時00分
gigazine.net/news/20260619-laguna-m1-ai-open/
>>Poolsideは2026年4月28日に独自開発のAIモデル「Laguna M.1」と「Laguna XS.2」をリリースしました。Laguna M.1は総パラメーター数2250億・アクティブパラメーター数230億の大型モデルで、Laguna XS.2は総パラメーター数330億・アクティブパラメーター数30億でローカルでも比較的実行しやすいモデルです。リリース当初はLaguna XS.2だけがオープンモデルとして公開され、Laguna M.1はAPI経由で使える有料製品として展開されていました。今回の発表により、Laguna M.1もオープンモデル化されたというわけです。
>>「Laguna M.1(225B-A23B)」「Devstral 2(123B dense)」「GLM-4.7(355B-A32B)」「DeepSeek-V4-Flash(284B-A13B)」「Qwen3.5(397B-A17B)」「Claude Sonnet 4.6(パラメーター数不明)」のベンチマーク結果を並べたグラフが以下。Laguna M.1はフランス製モデルのDevstral 2には勝利していますが、中国製モデルのDeepSeek-V4-FlashやQwen 3.5よりはスコアが低いです。
>>Laguna M.1は以下のリンク先で配布されています。ライセンスはApache License 2.0です。
↨上記のライセンスは下記に記載されている内容↨
Blog｜ライセンス導入 まずはここから Apache License 2.0
2021/03/04
yamory.io/blog/about-apache-license
>> 2021 年 3 月時点で最新版の「Apache License, Version 2.0」（2004 年公開）では、ソフトウェアを自由に扱ってよいこと、再頒布時に著作権表示とライセンス表示を含めること、オリジナルから修正点がある場合には明示すること、作者や著作権者はいかなる責任も負わないことを定めています。
>>オープンソースライセンスには、他にも MIT ライセンス や、GPL ライセンス などいくつかの種類が存在します。
>>その中でも Apache ライセンスの特徴としてあげられるのが、利用者に特許使用権を付与しているということです。
>>Apache ライセンスでは公開されたプログラムを改変した場合や、自らのプログラムに組み込んだ派生的（二次的）な著作物を制作した場合でも、ソースコードを公開せずに販売・配布することが可能であり、さらに Apache ライセンスとは異なるライセンスで提供することもできます。
>>GPL ライセンス のようなコピーレフト条項のあるライセンスでは上記のような行為は禁じられており、派生著作物のソースコードを公開する義務が発生します。
>>Apache ライセンスはこの点において比較的導入ハードルが低いライセンスとなっており、この点を好んで Apache ライセンスを採用する開発者も多くなっています。

>>17-18のAIは１０年前には完成していました
今後さらに軽量化して大型モデルが使用できるのなら軽量化したAIが既に関していたことに成ります

10年前のXeonサーバーで最新AIが快適動作、GPUなしでも実用速度を実現した手法が解説される
2026年06月02日 21時00分
https://gigazine.net/news/20260602-gemma-4-on-2016-xeon/
>>ChatGPTのようなAIサービスは超高性能なAIサーバーによって稼働しており、ローカルAIを自宅や手元のサーバーで動かす場合も高性能GPUや大容量メモリを搭載した最新世代PCが必要だと考えがちです。しかし、2016年ごろのIntel Xeon、128GBのDDR3メモリ、GPUなしという古いサーバーで、26B規模のローカルAIを実用的な速度で動かしたという報告が登場しました。
>>報告したのはオープンソース開発者でNixOS Steering Committeeメンバーのcafkafk氏です。使用したマシンはIntel Xeon E5-2620 v4、8コア16スレッド、AVX2対応、AVX-512非対応、L3キャッシュ20MiB、DDR3メモリ128GB、GPUなしという構成とのこと。Intel Xeon E5-2620 v4は2016年第1四半期に発売されたCPUです。
>>ローカルAIで速度を決める最大の要素は、CPUの計算能力だけではありません。大規模言語モデルが次の単語に相当する「トークン」を1つ生成するたび、モデルの「重み」と呼ばれる巨大な数値データをメモリからCPUへ読み込む必要があります。補足すると、重みはAIが学習によって得た知識の本体のようなデータであり、推論時には膨大な重みを何度も読み出すことになります。
>>そのため、古いXeonでローカルAIを動かす場合の敵は「計算の遅さ」だけではなく「メモリ帯域の細さ」です。DDR3メモリは新しいDDR5メモリやGPUに搭載される高速メモリと比べると遅く、CPUが計算を終えても次に処理するデータがメモリから届かず待たされます。AI推論では、プロセッサが全力で計算しているというより、メモリから重みが運ばれてくるのを待っている時間が大きいというわけです。
>>cafkafk氏が採った方針は、古いハードウェアを力技で押し切るのではなく、推論エンジンの細かな設定を徹底的に調整するというものです。一般的なローカルAI実行ツールは手軽に使える一方で、内部の最適化設定を十分に変更できない場合があります。そこでcafkafk氏は、llama.cpp系の派生版であるik_llama.cppを使用しました。実際に動作させるための「魔法の呪文」は以下の通り。
>>中心になる工夫の1つが「投機的デコード」の利用を指定する以下のオプションです。投機的デコードは「小さな下書きモデルが先にいくつかのトークンを予想し、大きな検証モデルが予想を確認する」という手法で処理を高速化する仕組みです。大きなモデルを毎回最初から重く動かすより、小さな下書きモデルに一部を任せることで、メモリ読み出しの負担を減らすこともできます。
>>古いCPUでは計算能力よりもメモリ帯域が先に限界に達しやすいため、投機的デコードの効果が大きくなります。CPUの空いている計算資源で小さな下書きモデルを動かし、大きな検証モデルの重みをメモリから何度も引っ張る回数を減らすという発想です。GPUで力任せに回すのではなく、メモリ帯域という細い道をなるべく渋滞させないための工夫というわけ。
>>使用されたモデルはGemma 4 26B-A4B-itで、専門家混合モデル(MoE)と呼ばれる構造です。MoEは巨大なモデル全体を毎回すべて使うのではなく、多数のエキスパートと呼ばれる部分から必要なものだけを選んで使う仕組みで、Gemma 4 26B-A4B-itの場合は総パラメーター数25.2Bのうち約3.8Bです。
>>ただし、MoEをCPUで動かす場合はエキスパートの選び方も重要です。エキスパートが頻繁に切り替わると、CPUのキャッシュに載せたデータがすぐ不要になり、遅いメインメモリから別のデータを読み直すことになります。古いサーバーでAIを速く動かすには、キャッシュに載せたデータをできるだけ長く使い回す必要があります。
>>そのためcafkafk氏は、CPU向けにMoEの動きを調整する「--cpu-moe」や、エキスパート内部の計算をまとめる「--merge-up-gate-experts」を使用しています。通常であれば複数回に分かれる計算やメモリアクセスをまとめることで、DDR3メモリとの往復を減らす狙いです。ローカルAI高速化というより、メモリ移動を減らすための地道な交通整理に近い内容。
>>スレッド数の設定も重要です。使用マシンは8コア16スレッドですが、cafkafk氏は「-t 8」で物理コア数に合わせています。SMTによる16スレッドをすべて使えば速くなりそうですが、メモリ帯域が詰まっている状況ではスレッドを増やしても重みの読み出しは速くなりません。むしろスケジューリングの負担が増え、速度が伸びにくくなるとのことです。

>>19 続き

>>「--mlock」も重要な設定です。Linuxではメモリが不足すると、使われていないデータをストレージへ退避するスワップが発生します。AIモデルの重みがスワップへ追い出されると、DDR3どころかストレージから巨大な重みを読み直すことになり、生成速度は一気に低下します。--mlockはモデルを物理メモリへ固定し、スワップによる失速を防ぐ設定です。ただし、Linux側のmemlock制限が小さい場合は設定が失敗するため、OS側の制限変更も必要になります。
>>さらに、重みをメモリ上でCPUが読みやすい形に並べ直す「--run-time-repack」も使われています。モデルの重みは単なる巨大な数字の表ではなく、CPUが読み込みやすい並びと読みにくい並びがあります。起動時に時間をかけて重みの配置を整えれば、実際に文章を生成するときのメモリ読み出しが効率化されます。
>>KVキャッシュの扱いもCPU専用構成では見逃せません。KVキャッシュは会話の文脈を保持する短期記憶のような領域で、長い文章や長い会話を扱うほど大きくなります。GPUがある環境ではKVキャッシュをGPU側へ逃がすことがありますが、GPUなし構成ではオフロード先のGPUが存在しません。cafkafk氏は「--no-kv-offload」でKVキャッシュをGPUへオフロードしないように指定しています。
>>入力されたトークン同士の関係を計算するアテンション処理にも高速化が使われています。文章が長くなるほど関係の組み合わせは増え、普通に処理すると巨大な行列をメモリに書き出す必要があります。Flash Attentionは巨大な行列を丸ごとメモリに置かず、小さな単位で計算を進めることでメモリ消費とメモリ帯域の負担を減らします。
>>「--flash-attn on」と「--mla-use 3」も使われています。MLAはMulti-Head Latent Attentionの略で、KVキャッシュを圧縮するような仕組みです。会話の短期記憶をそのまま大きく保存するのではなく、より小さな表現にまとめることで、巨大な文脈を扱う際のメモリ使用量を抑えます。
>>一方で、すべての設定が期待通りに効くわけではありません。投稿では計算グラフの分割に関する「-sm graph」などの設定も登場しますが、Gemma 4の外部MTP構成ではグラフ分割がサポートされず、レイヤー分割へ自動的に切り替わったと説明されています。cafkafk氏は「将来的に役立つ可能性がある」と述べています。
>>実際のメモリ使用量もかなり大きいものです。cafkafk氏によると、262Kトークンの文脈長ではモデルの重みとキャッシュを合わせた必要メモリは約82GB。内訳は重みが約25GB、KVキャッシュが約56GBで、KVキャッシュの方がモデル本体より大きくなっています。128GBのDDR3メモリがあるからこそ試せる構成というわけです。
>>こうして、cafkafk氏は「読むのと同じくらいの速度(reading speed)」でトークンを生成することに成功したとのこと。「最先端のAIをローカル環境で実行する際のボトルネックは、単にシリコンにあるのではない。推論エンジンが実際にどのように動作するのかを深く理解する必要があるのだ」と述べています。
>>また、エンジニア向けのニュース共有サイト「Hacker News」にcafkafk氏が登場し、質問に答えました。
>>v「reading speed」とは具体的に何トークン毎秒なのかという質問に対し、cafkafk氏はサーバーが別の処理を抱えた状態で簡易ベンチマークを実行したところ、生成速度は11.94トークン毎秒だったと述べています。負荷がない状態では20トークン毎秒を超える可能性があるとも述べていますが、こちらは厳密なベンチマークではなく感触に基づく数字とのこと。250語毎分の読書速度はおおむね5〜6トークン毎秒に相当するため、少なくとも負荷中の11.94トークン毎秒でも「読む速度」に届いていると説明しました。

下記の事を話していた理由が判明しました

数十分〜数時間
長くても７日間ん
３−日もしたらやばい

脳の可塑性で脳が退化する時間を話していたことが今に成って気が付いてきたかね！

この内容理解している人いるよね！

元に戻して終われの指示を無視して続行した地球人が多数存在して居る


自業自得だ！

>>21

３−日もしたらやばい

　↓

３０日もしたらやばい

>>21-22

高度な科学を所持している宇宙人や霊的存在から他人の思考を手に取るようにわかる人間

１８歳〜２４歳でも認知障害が１００％起きている


認知障害　＝　知的障碍者

知的障碍者の話の内容の信ぴょう性ゼロ
　知的障碍者の話の内容を全て記憶うして知的障碍者の話した内容を１００％同じ内容で話したら
　記憶力の高い人間も知的障碍者の発言をしている事に成る

記憶力が高くても知的障碍者に成っています！

高度な科学を所持している宇宙人や霊的存在から他人の思考を手に取るようにわかる人間

私は詳細内容は知りませんけれど

私の周囲の人間は世界中に機械を配布したと話していましたけれどね！

ノーベル化学賞を受賞した人物もAIを使用すれば脳の機能は小学生に成っているのでしょうか？

>>24

私の周囲の人間の中に私たちの国では「違法行為」と話していた人物もいましたけれど
※一部の人物

高度な科学を所持しているのですから>>1の状態になった歴史があったから熟知していた人物が紛れ込んでいたのか！

aiはうまく使えば　思考力のパートナーになるけど
逆に答えだけ聞いたら思考力マジで下がるからな

で人間はほっとくと手抜き始めるから大体やばそう
ここで差がつくな

>>27のに内容は>>1の内容のの心理学者も話している
※本文にも記載されている

どれだけ知能が高くても人間は堕落する模様です

AIを使う人は急増、社会への恩恵を信じる人は16%：最新調査が明かす「使用と信頼の乖離」
2026年6月20日
https://xenospectrum.com/ai-usage-trust-gap-pew-2026/
2年前、米国成人でAIチャットボットを使っていたのは3人に1人（33%）だった。2026年現在、その数字は2人に1人（49%）に跳ね上がった。だが同じ調査で、「AIが今後20年で社会にポジティブな影響をもたらす」と答えたのはわずか16%にとどまった。普及と不信が同時に進行している。
18〜29歳のチャットボット使用率は66%（2024年55%から+11ポイント）で全年齢層のトップだ。毎日使う割合も31%と高く、情報検索（54%）、業務タスク（41%）、画像・動画作成（34%）に加え、感情サポートや悩み相談（20%）、孤独感の解消（7%）という個人的な用途でも積極的に活用している。
ところが同じ世代が、AIの社会的影響については最も否定的な評価を下している。「今後20年でAIが社会にネガティブな影響を与える」と答えたのは48%で、ポジティブと答えた14%の3倍以上だ。個人への影響も同様で、ネガティブ37%に対しポジティブは20%にとどまる。
30〜49歳ではチャットボット使用率が61%（2024年41%から+20ポイントと最大の増加）に達しつつも、ネガティブ評価は39%。50〜64歳は使用率42%・ネガティブ38%、65歳以上は使用率23%・ネガティブ35%と「わからない」が21%に達する。全年齢層で「ネガティブ > ポジティブ」という構図は変わらないが、若い世代ほど使用頻度が高く、かつ懐疑度も高いという傾向が際立っている。