Intellectual Kessler Syndrome: When AI Generates Research Opportunities Faster Than Humans Can Resolve Them

Abstract / 要旨

Generative artificial intelligence is rapidly reducing the cost of literature search, synthesis, hypothesis generation, data analysis, drafting, and research-question development. This paper examines a less discussed consequence: research opportunities may become easier to generate than to evaluate, reject, integrate, and complete.

I propose Intellectual Kessler Syndrome, a hypothesized regime in which investigating existing research questions recursively generates additional viable questions, causing unresolved research opportunities to accumulate faster than human researchers can close them. The concept differs from information overload, cognitive overload, project overload, and idea overload because the proliferation is endogenous: research activity itself creates further objects demanding attention.

Generative AI may amplify this process asymmetrically. It can expand external intellectual throughput while human attention, judgment, working memory, and available research time remain comparatively constrained. A stronger form of the hypothesis predicts a feedback loop in which a growing stock of unresolved, cognitively active opportunities increases attentional competition, task switching, or rumination and thereby reduces effective completion capacity.

The framework integrates work on AI-assisted scientific ideation, unfinished goals, project overload, scientific attention, idea selection, and the adjacent possible. It yields testable predictions about recursive question branching, unresolved-project accumulation, cognitive interference, and completion. The central implication is that generative AI may shift the scarce resource in science from question generation toward question triage and completion.

生成AIは、文献検索、統合、仮説生成、データ分析、草稿作成、研究問いの形成に要するコストを急速に低下させている。本稿は、これまで十分に論じられてこなかった帰結に注目する。すなわち、研究機会を生み出すことが、それを評価し、棄却し、統合し、完結させることより容易になる可能性である。

本稿は「知的ケスラーシンドローム(Intellectual Kessler Syndrome)」という仮説的状態を提案する。これは、既存の研究問いを検討する行為が再帰的に新たな実行可能な問いを生み、その結果、未解決の研究機会が人間の研究者が研究を閉じる速度を上回って蓄積する状態である。この概念は、情報過多、認知的過負荷、プロジェクト過多、アイデア過多とは異なる。増殖が内生的であり、研究活動そのものが新たに注意を要求する対象を作り出すからである。

生成AIは、この過程を非対称的に増幅しうる。AIは外部的な知的処理量を拡大できる一方、人間の注意、判断、ワーキングメモリ、研究に使える時間は比較的制約されたままである。さらに強い仮説では、未解決で認知的に活性化した研究機会のストックが増えるほど、注意の競合、タスク切替、反芻などが増え、実効的な完結能力が低下するというフィードバックを予測する。

本枠組みは、AI支援による科学的アイデア生成、未完了目標、プロジェクト過多、科学的注意、アイデア選別、adjacent possible(隣接可能性)に関する研究を統合する。そこから、再帰的な問いの分岐、未解決プロジェクトの蓄積、認知干渉、完結に関する検証可能な予測を導く。中心的含意は、生成AIによって科学における希少資源が、問いの生成から「問いのトリアージ」と完結へ移行する可能性である。