Volgens Oakley leven we in een tijd waarin kennis altijd binnen handbereik lijkt. Zoekmachines en AI-systemen maken het mogelijk om antwoorden direct op te vragen, wat de indruk wekt dat onthouden minder belangrijk is geworden. De kern van The Memory Paradox is dat deze aanname misleidend is. Juist doordat informatie zo gemakkelijk beschikbaar is, wordt interne kennis belangrijker. Zonder een goed gevulde mentale basis kunnen mensen informatie niet goed beoordelen, verbanden leggen of creatief toepassen. De paradox is dat wie alles uitbesteedt aan technologie, uiteindelijk minder goed kan denken.

Oakley baseert haar betoog op inzichten uit de cognitieve psychologie en neurowetenschap. Leren verloopt via twee samenhangende systemen. In het declaratieve systeem slaan we bewust feiten en concepten op. Via oefening en herhaalde actieve oproep kan die kennis verschuiven naar het procedurele systeem, waarin vaardigheden, patronen en intuïtie ontstaan. Dat proces verlaagt de belasting van het werkgeheugen en maakt complex denken mogelijk. In Oakley’s woorden: “Knowledge and skills are two sides of the same coin.” Vaardigheden kunnen niet los worden gezien van de kennis waarop ze rusten.

Een eenvoudig voorbeeld maakt dit concreet. Wie bij het leren van een taal voortdurend een vertaalapp gebruikt, leert de taal niet echt spreken. De woorden en structuren worden geen onderdeel van een intern netwerk van kennis. Volgens Oakley geldt hetzelfde voor rekenen, programmeren of schrijven. De vaak gehoorde vraag “Why memorize it when you can look it up?” mist de kern. Zonder kennis in het eigen hoofd blijft begrip oppervlakkig en kwetsbaar.

Een centraal begrip in Oakley’s visie is cognitive offloading, het uitbesteden van denken en onthouden aan externe hulpmiddelen. Dat kan efficiënt zijn, maar kent duidelijke risico’s. Wanneer mensen te snel grijpen naar AI of andere tools, oefenen ze hun eigen denkprocessen onvoldoende. Neurale verbindingen die niet worden gebruikt, kunnen verzwakken. In recente talks benadrukt Oakley dat AI hierdoor gemakkelijk leerillusies kan creëren. Een correct antwoord voelt als begrip, terwijl het onderliggende denkproces niet is opgebouwd.

Oakley plaatst deze observaties in een bredere context door te verwijzen naar onderzoek naar het Flynn-effect. IQ-scores stegen decennialang, vaak in verband gebracht met veranderingen in onderwijs en leefomstandigheden, maar in verschillende landen is sinds de jaren zeventig sprake van stagnatie of daling. Volgens Oakley valt die periode samen met onderwijsveranderingen en een toenemende afhankelijkheid van hulpmiddelen. Zij presenteert dit niet als sluitend causaal bewijs, maar als een waarschuwend signaal dat cognitieve vaardigheden gevoelig zijn voor hoe en wat we leren, waaronder de afnemende nadruk op basiskennis en oefening.

Tegelijkertijd is Oakley niet anti-technologie. Integendeel, in haar werk laat ze zien hoe AI leren juist kan versterken. AI kan dienen als feedbackgever, als hulpmiddel om uitleg te herformuleren of als bron van metaforen die nieuwe kennis koppelen aan bestaande inzichten. Voorwaarde is wel dat de lerende zelf al over voldoende voorkennis beschikt. Een eenvoudig principe vat dit samen: eerst zelf denken, dan pas de tool gebruiken.

De belangrijkste conclusie van The Memory Paradox is dat kennis geen overblijfsel is uit een pre-digitale tijd, maar een noodzakelijke voorwaarde blijft voor kritisch denken en creativiteit. AI verandert de middelen waarmee we leren, maar niet de biologische basis van leren zelf. Wie technologie wil inzetten om beter te leren, moet blijven investeren in geheugen, oefening en begrip, ook als dat inspanning vraagt.

Gebruik AI dus als versterker, niet als vervanger. Probeer eerst zelf te begrijpen en te formuleren, gebruik AI daarna om te controleren, te verdiepen of alternatieve uitleg te krijgen, en zorg dat kernkennis actief wordt geoefend en onthouden. Wie zo met AI omgaat, vergroot zijn denkvermogen in plaats van het uit te besteden.

Bronnen

• Oakley, B., et al. (2025). The memory paradox: Why our brains need knowledge in an age of AI. SSRN.
• Oakley, B. (2024). Using generative AI to strengthen & accelerate learning, GOTO 2024.
• Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. Springer.
• Flynn, J. R. (2007). What is intelligence? Beyond the Flynn effect. Cambridge University Press.