Ein neues Papier argumentiert, dass große Sprachmodelle (LLMs) wie GPT-4 keine fremden Intelligenzen sind, sondern tatsächlich in fünf grundlegenden Prinzipien mit der menschlichen Kognition übereinstimmen, was die verbreitete Ansicht herausfordert, dass ihre Ähnlichkeiten mit uns nur anthropomorphe Projektion sind.
Die Forschung
Chandra Sripada und Richard Lewis, Forscher, die mit dem Bereich Quantitative Biologie von arXiv verbunden sind, analysierten bestehende kognitionswissenschaftliche Literatur und verglichen sie mit der Architektur zeitgenössischer LLMs. Sie identifizierten fünf Dimensionen struktureller Übereinstimmung: inferentielle Organisation (wie Schlussfolgerungen gezogen werden), Rechnerarchitektur (das Gesamtdesign), Repräsentationsstruktur (wie Informationen gespeichert werden), prädiktionsgetriebenes Lernen (wie Systeme aus Vorhersagen lernen) und Mechanismen ähnlich dem verstärkenden Lernen (wie Systeme aus Belohnungen lernen).
Diese Übereinstimmungen sind nicht oberflächlich. Beispielsweise verwenden sowohl Menschen als auch LLMs bei der inferentiellen Organisation probabilistisches Denken, um Überzeugungen basierend auf Beweisen zu aktualisieren. In der Rechnerarchitektur verlassen sich beide auf geschichtete, parallele Verarbeitung, die neuronalen Netzen ähnelt. Die Repräsentationsstruktur zeigt Ähnlichkeiten darin, wie beide Informationen in Kategorien und Konzepte komprimieren.
Das Papier mit dem Titel „Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition“ wurde am 28. Juli 2026 eingereicht und ist auf arXiv verfügbar. Es umfasst 23 Seiten und enthält keine Abbildungen.
Warum es wichtig ist
Diese Forschung überbrückt die Kluft zwischen künstlicher und menschlicher Intelligenz. Wenn LLMs tatsächlich Kernprinzipien mit menschlichem Denken teilen, kann ihre Untersuchung Einblicke in unseren eigenen Geist bieten. Zum Beispiel kann das Verständnis des prädiktionsgetriebenen Lernens in LLMs beleuchten, wie Menschen Ergebnisse antizipieren und aus Fehlern lernen, was zentral für Lernen und Gedächtnis ist.
Darüber hinaus legt diese Konvergenz nahe, dass Intelligenz – ob biologisch oder digital – bestimmten universellen Organisationsprinzipien folgen könnte. Dies kann Kognitionswissenschaftlern helfen, bessere Modelle menschlicher Kognition zu entwickeln und auch KI-Systeme zu verbessern, indem Erkenntnisse aus der menschlichen Psychologie übernommen werden.
Was Sie tun können
Sie können diese Prinzipien anwenden, um Ihre eigenen kognitiven Fähigkeiten zu stärken. Konzentrieren Sie sich auf prädiktionsgetriebenes Lernen: Wenn Sie neue Informationen lernen, versuchen Sie vorherzusagen, was als Nächstes kommt, und überprüfen Sie dann Ihre Genauigkeit. Oder nutzen Sie verstärkendes Lernen: Belohnen Sie sich für kleine Erfolge, um Gewohnheiten aufzubauen. Diese Methoden sind durch die Kognitionswissenschaft gestützt.
Quelle: arXiv q-bio.NC
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder probieren Sie 306 Gehirntrainingslevel.
