Denken wir richtig über KI-Intelligenz?

Ihre Perspektive stellt die herkömmlichen Annahmen darüber in Frage, wie Maschinen Informationen verarbeiten und ob ihre Ergebnisse ein echtes Verständnis oder nur eine anspruchsvolle Mustererkennung widerspiegeln. Diese Debatte hat Dringlichkeit gewonnen, da große Sprachmodelle (LLM) zunehmend die wissenschaftliche Forschung, politische Entscheidungen und den Alltag beeinflussen. Die Diskussion konzentriert sich darauf, ob diese Systeme wirklich denken oder einfach nur das Denken durch statistische Techniken simulieren.

Traditionelle psychologische Werkzeuge, die zur Bewertung der Intelligenz beim Menschen verwendet werden, wie z. B. Problemlösungstests oder Verhaltensbeobachtungen, sind für die Analyse der inneren Funktionsweise der KI ungeeignet. Diese Modelle arbeiten durch komplexe neuronale Netzwerke, denen es an Transparenz mangelt, was es schwierig macht zu bestimmen, ob ihre Reaktionen aus tatsächlichem Verständnis oder algorithmischer Nachahmung stammen. Diese Mehrdeutigkeit hat tiefgreifende Auswirkungen darauf, wie die Gesellschaft KI-Technologien regulieren und vertrauen sollte.

Die Episode, die am 23. Juli 2026 veröffentlicht wurde, ist eine Fortsetzung eines früheren Interviews mit Mitchell aus dem Jahr 2021, kurz nach dem Start von ChatGPT. Zu dieser Zeit äußerte Mitchell bereits Bedenken über die Kluft zwischen menschlicher und maschineller Intelligenz. Jetzt, da KI-Systeme fortschrittlicher sind als je zuvor, haben ihre Ansichten eine neue Bedeutung erlangt. Sie betont, dass das Verständnis von KI die Übernahme von Methoden erfordert, die für das Studium von Intelligenz bei anderen Arten und Kindern entwickelt wurden, ein Feld, das als vergleichende Psychologie bekannt ist. Strogatz und Levin stellten fest, dass die schnelle Evolution von KI seit 2021 es schwierig gemacht hat, mit den Entwicklungen Schritt zu halten.

Während des Interviews diskutierte Mitchell, wie Forscher Erkenntnisse aus der Entwicklungspsychologie anwenden könnten, um das Verhalten der KI besser zu interpretieren. Zum Beispiel könnten Studien darüber, wie Säuglinge Sprache erwerben und Probleme lösen, Strategien für die Bewertung der Frage liefern, ob KI-Systeme ähnliche Prozesse durchführen. Sie warnte jedoch davor, die Fähigkeiten aktueller Modelle zu überschätzen, und zitierte historische Beispiele wie die mathematischen Fähigkeiten eines Pferdes, das in den frühen 1900er Jahren trainiert wurde, die später als Ergebnis menschlichen Eingreifens und nicht der angeborenen Intelligenz erwiesen wurden.

Mitchell schlug sechs Leitprinzipien für die Beurteilung der maschinellen Kognition vor, darunter die Bedeutung von Transparenz, Reproduzierbarkeit und Ausrichtung auf menschenähnliches Denken. Sie argumentierte, dass KI-Systeme bis zur Erfüllung dieser Kriterien als Entscheidungsinstrumente unzuverlässig bleiben.

Während der Konversation betonte Mitchell, dass die Herausforderung nicht nur in der Verbesserung der KI-Leistung liegt, sondern auch in der Verfeinerung unseres konzeptionellen Rahmens für das Verständnis von Intelligenz selbst. Sie schlug vor, dass das Streben nach der Schaffung wirklich intelligenter Maschinen einen grundlegenden Wandel in der Definition und Messung von Kognition erfordern könnte. Dies beinhaltet das Umdenken traditioneller Benchmarks und die Übernahme interdisziplinärer Ansätze, die Erkenntnisse aus Neurowissenschaften, Philosophie und Computertheorie integrieren. Solche Anstrengungen, so glaubt sie, sind unerlässlich, um sicherzustellen, dass sich KI auf eine Weise entwickelt, die der Menschheit zugute kommt, anstatt sie zu untergraben.

Die Episode endete mit Mitchell, der Optimismus über zukünftige Fortschritte zum Ausdruck brachte, während er die Komplexität der vor uns liegenden Aufgabe anerkannte. Da sich die KI weiter entwickelt, wird die Notwendigkeit strenger Bewertungsmethoden immer dringender. Ob diese Systeme schließlich ein Verstandesniveau erreichen werden, das mit dem Menschen vergleichbar ist, bleibt ungewiss, aber der Weg zur Klarheit erfordert sowohl technische Innovation als auch philosophische Reflexion.