
Wenn es um Künstliche Intelligenz geht, werden oftmals Begriffe benutzt, die in der Diskussion beliebig verwendet werden. Wenn es beispielsweise um den Begriff „Lernen“ geht, vermuten viele, dass es sich beim maschinellen Lernen um eine Art menschliches Lernen handelt. Durch Verkürzungen in den Beschreibungen werden (manchmal bewusst) Begriffe synonym verwendet. BTW: Joe Pine hat dieses Phänomen in Bezug auf Mass Customization and Personalization als Bastardization bezeichnet.
Wenn es um den Begriff „Lernen“ geht, haben Knauff et al. in ihrem aktuellen Paper folgendes deutlich gemacht:
„Der Unterschied ist dennoch entscheidend: anders als bei KI Systemen, zielt menschliches Lernen darauf ab, strukturierte, handlungsrelevante mentale Modelle in einer verkörperten Umwelt aufzubauen (Bohn, & Casillas, 2026; Butz & Kutter, 2017). Es geht um den aktiven Erwerb von Wissen und Überzeugungen, die zielgerichtete Entscheidungen in der physikalischen und sozialen Welt leiten. Maschinelles Lernen hingegen ist meist passiv: vorgegebene Daten werden genutzt, um die Parameter des vorgegebenen Modells zu optimieren.“
M. Knauff, M. V. Butz, B. Kaup, W. Kunde, and und I. Scharlau, “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/a000781.
Die Autoren widersprechen also der landläufigen Meinung, und den Marketingversprechen von Big Tech, in diesem Fall deutlich. Doch: Warum wird dennoch versucht, technische Systeme wie Menschen zu sehen? Indem technische Systeme punktuell mit der Leistungsfähigkeit von Menschen verglichen werden wird deutlich, wie unterlegen der Mensch gegenüber solchen Systemen ist, denn Künstliche Intelligenz kann vieles besser und schneller als es der Mensch jemals können wird. Es geht um die Dominanz der Technologie über den Menschen.
So eine Herangehensweise ist ein bewusster Kategorienfehler, wie von Knauff et al. alleine beim Begriff des „Lernens“ dargestellt wurde. Auch andere haben in der letzten Zeit große Bedenken, wenn es darum geht, die Leistungsfähigkeit von technischen Systemen mit der von Menschen zu vergleichen. Siehe dazu auch
Künstliche Intelligenz – Menschliche Kompetenzen: Anmerkungen zu möglichen Kategorienfehler
OpenAI Model „o1“ hat einen IQ von 120 – ein Kategorienfehler?
Künstliche Intelligenz – ein Kategorienfehler?
Künstliche Intelligenz, die Jagd nach AGI und der Intelligenz-Quotient
Künstliche Cleverness statt Künstliche Intelligenz?









