Künstliche Intelligenz kann Prüfungen bestehen und Aufsätze schreiben, aber bei einem klassischen psychologischen Konzentrationstest versagt sie schnell. Eine neue Studie aus PNAS Nexus zeigt, dass führende KI-Modelle – darunter GPT-4o, Claude 3.5 Sonnet und Gemini 2.5 – Schwierigkeiten haben, die Aufmerksamkeit aufrechtzuerhalten, wenn Aufgaben länger werden. Diese Schwäche hat wichtige Lehren für die menschliche Kognition.
Die Forschung
Forscher unter der Leitung von Suketu Patel gaben mehreren großen Sprachmodellen (LLMs) die Stroop-Aufgabe, einen bekannten psychologischen Test. Bei diesem Test erscheinen Farbwörter in farbiger Tinte, und die Teilnehmer müssen die Tintenfarbe benennen, anstatt das Wort zu lesen. Zum Beispiel erfordert das Wort „rot“ in blauer Tinte, die automatische Lesegewohnheit zu unterdrücken. Bei kurzen Listen mit fünf Wörtern schnitten die KI-Modelle gut ab – GPT-4o erreichte 91 % Genauigkeit. Aber je länger die Listen wurden, desto mehr brach die Leistung ein. Bei zehn Wörtern fiel die Genauigkeit von GPT-4o auf 57 %, bei vierzig Wörtern auf nur 15 %. Claude 3.5 Sonnet hielt die Leistung bis zu zwanzig Wörtern stabil, fiel dann aber bei vierzig Wörtern auf 24 % Genauigkeit. Die Forscher beobachteten ähnliche Muster bei GPT-5, Claude Opus 4.1 und Gemini 2.5. Wenn übereinstimmende und nicht übereinstimmende Wörter zusammen auftraten, sank die Genauigkeit für nicht übereinstimmende Elemente auf nahezu null. Die Modelle lasen zunehmend die Wörter, anstatt die Tintenfarbe zu benennen – ein Hinweis auf die Unfähigkeit, das vorgegebene Ziel aufrechtzuerhalten.
Warum es wichtig ist
Diese Studie beleuchtet einen entscheidenden Unterschied zwischen menschlicher und maschineller Aufmerksamkeit. Auch Menschen tun sich mit der Stroop-Aufgabe schwer – Lesen ist automatisierter als Farbbenennung – aber die meisten behalten auch bei langen Listen eine stabile Leistung. Der dramatische Genauigkeitsabfall der KI deutet darauf hin, dass aktuellen LLMs eine robuste exekutive Kontrolle fehlt, also die Reihe mentaler Prozesse, die uns helfen, die Aufmerksamkeit zu regulieren und Ablenkungen zu widerstehen. Anders als biologische Gehirne haben diese Modelle keinen Mechanismus, um den Fokus über längere Sequenzen aufrechtzuerhalten. Für alle, die sich für kognitive Fähigkeiten interessieren, unterstreicht dies den Wert der menschlichen Aufmerksamkeitsflexibilität. Während KI große Informationsmengen verarbeiten kann, kann sie nicht mit unserer Fähigkeit mithalten, ein einzelnes Ziel im Kopf zu behalten und konkurrierende Signale auszublenden.
Was Sie tun können
Um Ihre eigene Aufmerksamkeit zu schützen, praktizieren Sie „Single-Tasking“. Führen Sie regelmäßig Aktivitäten aus, die anhaltende Konzentration erfordern, wie z. B. ein Buch ohne Unterbrechung zu lesen oder selbst Rätsel wie den Stroop-Test zu lösen. Das stärkt Ihre exekutive Kontrolle und hält Ihren Geist fit.
Quelle: ScienceDaily Mind & Brain
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder probieren Sie 306 Gehirntrainings-Stufen.
