Unterschiede im Denken von Menschen und KI: Auswirkungen auf die Praxis

MÜNCHEN (IT BOLTWISE) – Ein kürzlich veröffentlichter Bericht hebt die signifikanten Unterschiede zwischen menschlichem und KI-gestütztem Denken hervor und beleuchtet die potenziellen Auswirkungen auf reale Anwendungen.

Die jüngste Studie, die im Februar 2025 im Journal Transactions on Machine Learning Research veröffentlicht wurde, untersucht die Fähigkeit großer Sprachmodelle, Analogien zu bilden. Diese Forschung zeigt, dass Künstliche Intelligenz (KI) in bestimmten Aufgaben, wie der Lösung von Buchstabenfolgen-Analogien und digitalen Matrixproblemen, deutlich schlechter abschneidet als Menschen. Während Menschen in diesen Tests konstant gute Leistungen erbrachten, sank die Leistung der KI-Modelle erheblich.

Ein bemerkenswerter Aspekt der Studie ist die Anfälligkeit der KI-Modelle für Antwortreihenfolge-Effekte. Dies bedeutet, dass die Reihenfolge, in der Fragen gestellt werden, die Antworten der KI beeinflussen kann. Zudem neigen die Modelle dazu, Antworten zu paraphrasieren, was auf eine fehlende Fähigkeit zur „Zero-Shot“-Lernfähigkeit hinweist. Diese Fähigkeit beschreibt die Möglichkeit, aus Klassen, die während des Trainings nicht vorhanden waren, Vorhersagen zu treffen.

Ein Beispiel für die Schwierigkeiten der KI bei analogem Denken ist das Problem der Buchstabenfolgen. Während Menschen bei der Aufgabe „wenn abbcd zu abcd wird, was wird aus ijkkl?“ typischerweise „ijkl“ antworten, neigt GPT-4 dazu, solche Probleme falsch zu lösen. Dies zeigt, dass KI-Modelle zwar Muster erkennen und zuordnen können, jedoch Schwierigkeiten haben, von spezifischen Mustern auf allgemeinere Regeln zu abstrahieren.

Die Implikationen dieser Unterschiede sind weitreichend, insbesondere in Bereichen wie dem Rechtswesen, wo KI zunehmend für Recherchen, Fallanalysen und Empfehlungen zur Strafzumessung eingesetzt wird. Die Unfähigkeit der KI, Analogien zu bilden, könnte dazu führen, dass sie nicht in der Lage ist, rechtliche Präzedenzfälle auf leicht abweichende Fälle anzuwenden, was zu unvorhergesehenen Ergebnissen führen könnte.

Die Studie unterstreicht die Notwendigkeit, KI-Systeme nicht nur auf Genauigkeit, sondern auch auf die Robustheit ihrer kognitiven Fähigkeiten zu evaluieren. Dies ist entscheidend, um sicherzustellen, dass KI-Anwendungen in der Praxis zuverlässig und sicher sind. Die Fähigkeit zur Generalisierung und zur Anwendung von Wissen auf neue Situationen bleibt eine Herausforderung, die es zu überwinden gilt, um das volle Potenzial der KI auszuschöpfen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!