認知的ダイバージェンス：AIのコンテキストウィンドウ、ヒトの注意力低下、そして委任フィードバックループ

概要: 本論文は、2つの測定可能なトレンドの間に存在する自己強化的なダイナミクスを記録し、その理論化を行う。すなわち、大規模言語モデル（LLM）のコンテキスト・ウィンドウが指数関数的に拡大していくことと、人間の持続的注意力の能力が長期的に収縮していくことの間である。本論文では、この結果として生じる非対称性を「認知的ダイバージェンス（Cognitive Divergence）」と呼ぶ。AIのコンテキスト・ウィンドウは、2017年の512トークンから、2026年には2,000,000トークンへと増加している（係数 約3,906；当てはめたλ = 0.59/年；倍化時間 約14か月）。同期間に、人間の有効コンテキスト・スパン（Effective Context Span; ECS）――検証済みの読書速度に関するメタ分析（Brysbaert, 2019）から導出され、さらに経験的に動機づけられた理解度スケーリング係数によって補正される、トークン相当の指標――は、約16,000トークン（2004年のベースライン）から、推定1,800トークン（2026年、縦断的行動データに基づき2020年までのデータを外挿（Mark, 2023）；不確実性の議論は第9節参照）へと低下している。AI対人間の比は、ChatGPTのローンチ（2022年11月）時点でほぼ同等だったところから、検索による劣化を考慮した後、原データで556--1,111倍、品質調整後で56--111倍まで増大した（Liu et al., 2024; Chroma, 2025）。このダイバージェンスを記録することに加えて、本論文は「委任フィードバックループ（Delegation Feedback Loop）」仮説を導入する。すなわち、AI能力が成長するにつれて、人間がAIへ委任する際の認知的な閾値が下がり、要求がほとんどないタスクにまで委任が広がる、というものである。その結果としての認知的な実践の減少は、すでに低下が示されている能力をさらに弱める可能性がある（Gerlich, 2025; Kim et al., 2026; Kosmyna et al., 2025）。どちらのトレンドも、自発的には反転しない。本論文は、このダイバージェンスを統計的に特徴づけ、査読付き神経画像研究8件にまたがる神経生物学的メカニズムを概観し、委任の閾値に関して示唆を与える実証的証拠を提示し、有効化されたECSの心理測定法（psychometric instrument）と、AIが媒介する認知変化を追跡する縦断研究を中心とした研究アジェンダを提案する。