Vorige vrijdag zat ik in Parijs bij wat zonder overdrijven een van de beste lezingen was die ik de voorbije jaren zag. Barbara Oakley stond op het podium en deed wat ze als geen ander kan: complexe cognitieve en neuro­wetenschappelijke inzichten helder maken, zonder ze plat te slaan. En vooral: ze legde verbanden die je achteraf niet meer níét kunt zien.

In haar 30 minuten verwees ze ook naar een preprint die perfect aansluit bij haar lezing en waar ik al eerder over blogde. Het artikel verdient extra aandacht, en door haar te horen spreken kan ik nu ook enkele andere accenten leggen. Het gaat om The Memory Paradox: Why Our Brains Need Knowledge in an Age of AI. Oakley schreef het samen met onder meer Terrence Sejnowski, en het is precies het soort tekst dat in het huidige AI-debat vaak ontbreekt: niet technologisch naïef, niet nostalgisch, maar scherp over wat leren eigenlijk ís.

De kern van het betoog is even eenvoudig als ongemakkelijk. We leven in een tijd waarin informatie altijd beschikbaar is. Waarom nog onthouden, als je het kan opzoeken? Waarom automatiseren, als een tool het voor je kan doen? Het antwoord van Oakley en collega’s is niet moreel, maar neurocognitief: omdat je brein zo niet werkt. En omdat je zonder interne kennis letterlijk slechter leert denken. Zo sluit ze aan bij wat Paul, Casper en ik al jaren schreven over het belang van kennis in tijden van zoekmachines.

Het artikel vertrekt vanuit een onderscheid dat in onderwijsdiscussies vaak wordt genegeerd of verdoezeld: dat tussen declaratieve en procedurele kennis. Declaratieve kennis gaat over feiten en begrippen die je bewust kan oproepen. Procedurele kennis gaat over vaardigheden die ‘vanzelf’ lijken te gaan: lezen, rekenen, redeneren, patroonherkenning. Wat de auteurs laten zien, is dat echte expertise ontstaat wanneer declaratieve kennis via herhaalde oefening wordt omgezet in procedurele kennis. Niet door magie, maar via goed gedocumenteerde hersenmechanismen in onder meer hippocampus en basale ganglia (nee, dat is niet belangrijk om te weten als leerkracht).

En daar wringt het met cognitieve offloading, of het uitbesteden van taken aan technologie. Wie voortdurend rekent met een rekenmachine, schrijft met spellingscorrectie of denkt met ChatGPT, kan perfecte antwoorden produceren zonder dat die interne overgang ooit plaatsvindt. Het brein leert dan vooral waar het antwoord te vinden is, niet hoe het antwoord structureel tot stand komt. Dat verschil lijkt klein, maar is fundamenteel. Weten waar iets staat, is geen schema. Het is een pointer.

Een van de sterkste delen van de preprint vind ik de bespreking van predictief leren. Onze hersenen leren door verwachtingen te vormen en die te toetsen aan de werkelijkheid. Wanneer er iets onverwachts gebeurt, denk aan een fout antwoord, een verrassend resultaat, dan gaat er letterlijk een leersignaal af in het brein. Maar dat mechanisme werkt alleen als er überhaupt interne verwachtingen zijn. Zonder interne kennis is er geen prediction error, en dus ook geen echte bijsturing. Dat verklaart waarom leerlingen die nooit tafels hebben geautomatiseerd soms een compleet fout rekenresultaat accepteren: er is niets dat ‘alarm’ slaat.

Interessant is ook de parallel die de auteurs trekken met artificiële neurale netwerken. In AI spreekt men over grokking: modellen die na lange, schijnbaar overbodige training plots veel beter beginnen generaliseren. Wat vroeger werd afgedaan als overtraining, blijkt net cruciaal voor diep begrip. Oakley en collega’s maken overtuigend duidelijk dat hetzelfde geldt voor mensen. Wat we in onderwijs vaak wegzetten als “drill”, blijkt in werkelijkheid het fundament voor intuïtie, creativiteit en kritisch denken.

Dat maakt dit voor alle duidelijkheid geen anti-AI-tekst. Integendeel. De auteurs zijn opvallend genuanceerd: goede samenwerking met AI veronderstelt sterke interne modellen. Je kan pas kritisch omgaan met output, fouten herkennen of slimme vragen stellen als je zelf voldoende kennis hebt geïnternaliseerd. AI vervangt dat niet; het vergroot juist de kloof tussen wie wel en wie geen robuuste schema’s heeft.

De implicaties voor onderwijs zijn groot, en niet altijd comfortabel. Het artikel is expliciet kritisch voor vormen van ontdekkend leren waarbij expliciete instructie wordt gemeden, en voor het idee dat ‘leren leren’ losstaat van inhoud. Biologisch primaire kennis, zoals bijvoorbeeld taalverwerving, leren we spontaan. Biologisch secundaire kennis, denk dan aan wiskunde, lezen, wetenschap, niet. Die vraagt structuur, uitleg, oefening en herhaling. Dat is geen ideologisch standpunt, maar een neurocognitief feit. Ik weet dat er op andere plekken door onder andere mensen die ook op de conferentie waren, twijfels worden geuit bij deze opdeling, maar voorlopig is haar neurocognitieve onderbouwing overtuigender dan de alternatieven die ik las en hoorde.

Wat deze preprint zo sterk maakt, is dat hij een vals dilemma doorprikt. Het gaat niet om kennis versus vaardigheden, of om mens versus machine. Het gaat om augmentatie zonder atrofie of afsterven. Technologie kan ons denken versterken, maar alleen als we het onderliggende denkwerk niet uitbesteden voordat het is opgebouwd.

Na die lezing in Parijs en het lezen van deze tekst blijft één gedachte hangen: in een wereld waarin alles kan worden opgezocht, is wat je niet hoeft op te zoeken belangrijker dan ooit. Niet ondanks AI, maar precies erdoor. Juist: het belang van kennis is wellicht groter dan ooit.

Afbeelding: https://commons.wikimedia.org/wiki/File:Barb_Oakley_jpg.jpg