Ein neues Paper argumentiert, dass die ungleichmäßigen, „zackigen" Fähigkeiten moderner KI-Systeme auf ein fehlendes Trainingssignal zurückgehen, das die Autoren „kognitive dunkle Materie" (CDM) nennen – Hirnfunktionen, die Verhalten prägen, aber allein durch Verhaltensbeobachtung nahezu unsichtbar bleiben.
Die Forschung
Das am 3. März 2026 auf arXiv veröffentlichte (am 31. Juli 2026 überarbeitete) Paper stammt von Patrick J. Mineault, Thomas L. Griffiths und Sean Escola. Griffiths ist Professor für Psychologie und Informatik an der Princeton University und ein führender Forscher im Bereich der computationalen Kognitionswissenschaft; Mineault und Escola arbeiten an der Schnittstelle von Neurowissenschaft und maschinellem Lernen.
Die Autoren definieren kognitive dunkle Materie als Hirnfunktionen, die Verhalten maßgeblich prägen, sich aber kaum aus Verhalten allein ableiten lassen. Sie identifizieren sechs zentrale CDM-Domänen:
- Metakognition (über das eigene Denken nachdenken)
- Kognitive Flexibilität (Anpassung an neue Regeln oder Kontexte)
- Lebenslanges Lernen (Wissensakkumulation über die Zeit)
- Abduktives Denken (die beste Erklärung aus unvollständigen Informationen ableiten)
- Soziales und Alltagsdenken
- Emotionale Intelligenz
Das Team präsentiert Belege dafür, dass diese CDM-beladenen Funktionen in aktuellen KI-Benchmarks weitgehend ungemessen bleiben und dass die benötigten groß angelegten neurowissenschaftlichen Trainingsdatensätze, um sie zu vermitteln, noch nicht existieren. Sie skizzieren ein Forschungsprogramm, das auf drei komplementären Datentypen aufbaut, um CDM für das Modelltraining sichtbar zu machen: (i) latente Variablen aus groß angelegten kognitiven Modellen, (ii) Prozessverfolgungsdaten wie Eye-Tracking und Laut-Denk-Protokolle sowie (iii) gepaarte neuronale und Verhaltensdaten.
„Diese Daten werden KI-Training auf kognitive Prozesse statt nur auf Verhaltensergebnisse ermöglichen und Modelle mit allgemeinerer, weniger zackiger Intelligenz hervorbringen", schreiben die Autoren.
Warum es wichtig ist
Dieselben blinden Flecken, die KI-Benchmarks unvollständig machen, gelten wahrscheinlich auch dafür, wie wir menschliche Intelligenz messen. Standard-IQ-Tests und die meisten kognitiven Assessments konzentrieren sich auf Ergebnisse – richtige Antworten, Reaktionszeiten, Punktzahlen – statt auf die dahinterliegenden Prozesse. Wenn CDM-Funktionen wie Metakognition und kognitive Flexibilität so wichtig sind, wie dieses Paper nahelegt, dann könnte das Verstehen und Trainieren dieser Funktionen der Schlüssel sein, um das eigene Lernen, die Entscheidungsfindung und die Anpassungsfähigkeit zu verbessern. Die Forscher nennen einen „doppelten Nutzen": Dieselben Daten, die KI verbessern könnten, würden auch unser Verständnis menschlicher Intelligenz selbst voranbringen.
Was Sie tun können
- Üben Sie Metakognition: Fragen Sie sich nach einer Aufgabe, welche Strategie Sie verwendet haben und was Sie beim nächsten Mal ändern würden.
- Trainieren Sie kognitive Flexibilität, indem Sie in einer Sitzung zwischen verschiedenen Arten von Rätseln oder Aufgaben wechseln.
- Betreiben Sie Problemlösen mit Laut-Denken – das Verbalisieren Ihrer Überlegungen kann verborgene Denkmuster sichtbar machen.
- Fordern Sie sich mit sozialen und emotionalen Denkaufgaben heraus, etwa mit Perspektivwechsel-Übungen.
Quelle: arXiv q-bio.NC
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder probieren Sie 306 Gehirntraining-Level.