In dem Beitrag Menschliches Lernen und Maschinelles Lernen unterscheiden sich wurden die Unterschiede zwischen dem Lernen von Maschinen und dem Lernen von Menschen deutlich. In der Diskussion um Künstliche Intelligenz gibt es allerdings weitere Begriffe, die verwechselt werden. Ich vermute, dass das oft absichtlich passiert, um Maschinen immer mehr an den Menschen zu adaptieren, bis zu einem Grad in dem „eine generelle Intelligenz (AGI: Artificial General Intelligence“ alles übernimmt. Mit solchen Storys von Big Tech wird viel Geld eingesammelt.
Schauen wir uns nun zwei weitere Begriffe an, die immer wieder verwechselt werden: Vorhersagen und Erklären.
Wenn wir an große Datenmengen wie Large Language Models (LLMs) denken, so entstehen Ergebnisse in den KI-Modellen aus der Vorhersage des nächsten Buchstabens, Wortes oder Aussagen. So eine Vorhersage (Prognose) kann schnell mit dem menschlichen Erklären verwechselt werden. In dem folgenden, lesenswerten Paper wird das ausführlich – auch in Bezug zu anderen Themen – erläutert;
Knauff et al. (2026): Vorhersage ist nicht Erklärung. Eine Perspektive der Fachgruppe Allgemeine Psychologie (gemeinsam mit der Gesellschaft für Kognitionswissenschaft), Psychologische Rundschau, vol. 77, no. 4, pp. 225–231, Oct. 2026, doi: 10.1026/0033-3042/a0007811
„Erklärung ist mehr als Prognose. Eine Theorie beschränkt sich nicht darauf, zukünftige Ereignisse korrekt vorherzusagen; sie macht die Struktur des zugrunde liegenden Mechanismus explizit und nachvollziehbar. Genau hier verläuft die entscheidende Differenz zwischen datengetriebener KI und psychologischer Theoriebildung“ /ebd.).
„Unsere These lautet: Auch beeindruckende Performanz ersetzt keine mechanistische Theorie psychologischer Prozesse. Vorhersage ist nicht Erklärung“ (ebd.).
Copyright © 2026. All Rights Reserved.