Künstliche Intelligenz hat bemerkenswerte Fortschritte gemacht, aber in drei grundlegenden Bereichen hapert es noch: Sie kann nicht mit der physischen Welt interagieren, sie lernt auf fragile Weise und verbraucht zu viel Energie und Daten. Ein aktueller Bericht eines Workshops der National Science Foundation zeigt auf, wie Prinzipien der Neurowissenschaft diese Lücken schließen können und den Weg für ein neues Feld namens NeuroAI ebnen.
Drei Lücken in der aktuellen KI
Im August 2025 berief die NSF führende Neurowissenschaftler und KI-Forscher zusammen, darunter Anthony Zador, Jean-Marc Fellous und Terrence Sejnowski. Ihre Analyse, die im April 2026 auf arXiv veröffentlicht wurde, identifiziert drei Fähigkeitslücken:
- Unfähigkeit zur Interaktion mit der physischen Welt: KI-Systemen fehlt die verkörperte, reale Erfahrung, die selbst einfache Tiere haben.
- Unzureichendes Lernen: KI produziert oft fragile Systeme, die versagen, wenn sich die Bedingungen geringfügig ändern.
- Nicht nachhaltige Energie- und Datenineffizienz: Das Training großer Modelle erfordert enorme Rechenressourcen und Daten, weit über das hinaus, was ein biologisches Gehirn nutzt.
Neurowissenschaftlich inspirierte Lösungen
Der Bericht hebt fünf neurowissenschaftliche Prinzipien hervor, die diese Lücken schließen können:
- Gemeinsames Design von Körper und Steuerung – wie sich die Körper und Nervensysteme von Tieren gemeinsam entwickeln.
- Vorhersage durch Interaktion – Lernen durch aktive Auseinandersetzung mit der Umgebung.
- Mehrskaliges Lernen mit neuromodulatorischer Kontrolle – Nutzung chemischer Signale zur Regulierung des Lernens über verschiedene Zeitskalen.
- Hierarchische verteilte Architekturen – Organisation der Berechnung über Ebenen hinweg, wie es der Kortex tut.
- Sparsame ereignisgesteuerte Berechnung – Verarbeitung von Informationen nur bei Bedarf, um Energie zu sparen.
Die Autoren skizzieren eine Forschungs-Roadmap mit kurz- (1-5 Jahre), mittel- (5-10 Jahre) und langfristigen (10+ Jahre) Meilensteinen. Sie betonen, dass die Verwirklichung von NeuroAI die Ausbildung einer neuen Generation von Forschern erfordert, die sowohl in Neurowissenschaft als auch in Ingenieurwesen versiert sind.
Warum das für Ihr Gehirn wichtig ist
Zu verstehen, wie das Gehirn funktioniert, verbessert nicht nur die KI, sondern vertieft auch unser Wissen über unsere eigene Kognition. Die identifizierten Prinzipien – wie Vorhersage durch Interaktion und sparsame Berechnung – sind relevant dafür, wie Sie lernen und sich erinnern. Zum Beispiel ist aktives Lernen (sich mit dem Material auseinandersetzen, statt passiv zu lesen) effektiver, weil es den prädiktiven, interaktiven Stil des Gehirns widerspiegelt. Ebenso passt das Einlegen von Pausen und das Verteilen des Lernens mit der mehrskaligen neuromodulatorischen Kontrolle zusammen.
Was Sie tun können
Um Ihre eigene kognitive Effizienz zu steigern, probieren Sie diese evidenzbasierten Strategien aus:
- Lernen durch Handeln: Setzen Sie sich aktiv mit neuen Informationen auseinander – lehren Sie sie, wenden Sie sie an oder diskutieren Sie sie.
- Verteilen Sie Ihre Übung: Nutzen Sie verteiltes Wiederholen, um das Gedächtnis über die Zeit zu stärken.
- Reduzieren Sie Multitasking: Konzentrieren Sie sich auf eine Aufgabe nach der anderen, um mentale Energie zu sparen, ähnlich wie die sparsame Berechnung des Gehirns.
Quelle: arXiv q-bio.NC
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder versuchen Sie 306 Gehirntrainings-Level.
