AI klarade ett klassiskt hjärntest – tills uppgiften blev för lång
En ny studie visar att några av världens mest avancerade AI-modeller klarar ett klassiskt psykologiskt uppmärksamhetstest så länge uppgifterna är korta. När informationen blir mer omfattande försämras dock resultaten dramatiskt, vilket avslöjar en oväntad svaghet hos dagens artificiella intelligens.
Ny forskning avslöjar en oväntad svaghet hos dagens mest avancerade AI-system. Trots imponerande språkförmåga verkar artificiell intelligens ha svårt att behålla fokus när uppgifter blir längre och mer komplexa.
Artificiell intelligens kan skriva artiklar, svara på frågor och lösa avancerade problem på några sekunder. Men när forskare utsatte några av världens mest avancerade AI-modeller för ett klassiskt psykologiskt test uppstod ett oväntat problem: AI:n tappade koncentrationen.
I en studie publicerad i tidskriften PNAS Nexus testade forskare flera ledande språkmodeller, däribland GPT-4o, GPT-5, Claude och Gemini, med hjälp av det så kallade Stroop-testet – ett av psykologins mest välkända verktyg för att mäta uppmärksamhet och självkontroll.
Ett test som lurar hjärnan
Stroop-testet används sedan länge för att undersöka hur människor hanterar konkurrerande information.
I testet visas färgord som ”röd”, ”blå” eller ”grön”, men orden är ibland skrivna i en annan färg än den de beskriver. Exempelvis kan ordet ”röd” vara tryckt med blå text.
Uppgiften är att ange färgen på texten – inte läsa själva ordet.
För människor skapar detta en konflikt eftersom läsning är en automatiserad process. Hjärnan måste aktivt undertrycka impulsen att läsa ordet och istället fokusera på färgen.
Psykologer använder därför testet för att mäta det som kallas exekutiv kontroll – förmågan att styra uppmärksamheten, stå emot distraktioner och hålla fokus på ett mål.
AI klarade korta listor
När forskarna gav språkmodellerna korta listor med fem färgord gick det förvånansvärt bra.
GPT-4o uppnådde exempelvis en träffsäkerhet på 91 procent. Även Claude, Gemini och andra modeller presterade starkt när uppgiften var begränsad.
Problemen började dock visa sig när antalet ord ökade.
När GPT-4o fick tio ord sjönk träffsäkerheten till 57 procent. Vid fyrtio ord återstod endast 15 procents korrekthet.
Claude 3.5 Sonnet höll sig stabil längre, men tappade kraftigt när listorna blev längre och nådde bara 24 procents träffsäkerhet vid fyrtio ord.
Liknande mönster observerades även hos GPT-5, Claude Opus 4.1 och Gemini 2.5.
Föll tillbaka på sina vanor
Forskarna upptäckte att AI-systemen gradvis började ignorera instruktionen att identifiera färgen och istället återgick till det de tränats mest på – att läsa och tolka ord.
När matchande och icke-matchande färgord blandades i samma lista blev problemet ännu tydligare. I vissa fall föll träffsäkerheten för de motsägelsefulla orden nästan till noll.
Det verkar alltså som om modellerna hade svårt att upprätthålla den ursprungliga instruktionen under längre sekvenser av information.
Människor klarar sig bättre
Människor påverkas också av Stroop-effekten. De flesta reagerar långsammare när ordets betydelse och färgen inte stämmer överens.
Trots detta lyckas människor vanligtvis behålla en hög träffsäkerhet även när uppgiften blir längre och mer krävande.
Forskarna menar att detta visar en viktig skillnad mellan biologisk och artificiell intelligens. Människans hjärna har utvecklade mekanismer för att bibehålla fokus och motstå störande information under längre tid.
Dagens språkmodeller verkar däremot sakna motsvarande förmåga till stabil exekutiv kontroll.
Viktig insikt om AI:s begränsningar
Resultaten påminner om att dagens AI-system fortfarande fungerar på ett fundamentalt annorlunda sätt än mänskliga hjärnor.
Även om moderna språkmodeller kan framstå som intelligenta och ibland resonera på ett mänskligt sätt, betyder det inte att de bearbetar information på samma sätt som människor gör.
Studien pekar på att artificiell intelligens fortfarande har betydande begränsningar när det gäller att behålla fokus över längre informationskedjor och motstå konkurrerande impulser.
För forskare som utvecklar nästa generation AI kan detta bli en viktig ledtråd till varför dagens modeller ibland gör märkliga misstag – inte för att de saknar kunskap, utan för att de tappar greppet om uppgiften de egentligen skulle utföra.
Källa
Patel, S. C., Wang, H. & Fan, J. (2026). Deficient executive control in transformer attention. PNAS Nexus, 5(6).