Künstliche-Intelligenz-Modelle scheitern an einem von Menschen mühelos bestandenem Aufmerksamkeits-Test
Eine neue Studie zeigt, dass fortschrittliche KI-Modelle wie GPT-4o, Claude 3.5 Sonnet und Gemini im klassischen Stroop-Test bei langen Wortlisten massiv an Genauigkeit verlieren, während sie bei kurzen Listen noch hohe Werte erreichen. Im Gegensatz dazu können Menschen auch bei längeren Aufgaben ihre automatische Leseimpulse unterdrücken und die ursprüngliche Anweisung beibehalten, was auf einen fundamentalen Unterschied zwischen den biologischen Aufmerksamkeitsmechanismen des menschlichen Gehirns und den Transformer-basierten Systemen der künstlichen Intelligenz hinweist.
Kurzfassung
Warum das wichtig ist
- Eine neue Studie zeigt, dass fortschrittliche KI-Modelle wie GPT-4o, Claude 3.5 Sonnet und Gemini im klassischen Stroop-Test bei langen Wortlisten massiv an Genauigkeit verlieren, während sie bei kurzen Listen noch hohe Werte erreichen.
- Im Gegensatz dazu können Menschen auch bei längeren Aufgaben ihre automatische Leseimpulse unterdrücken und die ursprüngliche Anweisung beibehalten, was auf einen fundamentalen Unterschied zwischen den biologischen Aufmerksamkeitsmechanismen des menschlichen Gehirns und den Transformer-basierten Systemen der künstlichen Intelligenz hinweist.
- Obwohl die fortschrittlichsten KI-Modelle der Gegenwart in komplexen Aufgaben wie Programmierung, Analyse und Texterstellung außergewöhnliche Leistungen erbringen, weisen sie eine erhebliche Schwäche in einem grundlegenden kognitiven Prozess auf, den das menschliche Gehirn mühelos steuern kann.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Eine neue Studie zeigt, dass fortschrittliche KI-Modelle wie GPT-4o, Claude 3.5 Sonnet und Gemini im klassischen Stroop-Test bei langen Wortlisten massiv an Genauigkeit verlieren, während sie bei kurzen Listen...
Warum relevant
Eine neue Studie zeigt, dass riesige Sprachmodelle wie GPT-5, Claude und Gemini in einem klassischen psychologischen Test zur Messung.
Einordnung
SvyTech ordnet die Meldung aus scitechdaily.com als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
Eine neue Studie zeigt, dass riesige Sprachmodelle wie GPT-5, Claude und Gemini in einem klassischen psychologischen Test zur Messung. Wissenschaftler betonen, dass die künstliche Intelligenz, selbst bei steigender Rechenleistung, im Bereich des langfristigen Aufmerksamkeitsmanagements fundamental anders funktioniert als der menschliche Geist.
Was ist der Stroop-Test? Der Stroop-Test ist ein klassisches Experiment, das seit vielen Jahren in der Psychologie verwendet wird, um Mechanismen der Aufmerksamkeit und mentaler Kontrolle zu untersuchen. In diesem Test werden den Teilnehmern Wörter mit Farbbezeichnungen angezeigt, deren Bedeutung jedoch nicht mit der Farbe der Tinte übereinstimmt.
Beispielsweise wird eine Person aufgefordert, nicht das Wort zu lesen, sondern die Farbe der Tinte anzugeben – also bei einem mit blauer Tinte geschriebenen roten Wort die Farbe Blau zu nennen. Da Menschen daran gewhnt sind, Wrter automatisch zu lesen, erfordert das Unterdrcken dieser automatischen Reaktion geistige Anstrengung und exekutive Kontrolle.
Technik und Auswirkungen
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- scitechdaily.com
- Canonical
- https://svytech.de/artikel/kunstliche-intelligenz-modelle-scheitern-an-einem-von-menschen-muhelos-bestandenem-aufmerk
- Quell-URL
- https://scitechdaily.com/even-gpt-5-failed-this-human-attention-test/
Aehnliche Inhalte
Verwandte Themen und interne Verlinkung
Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.
Seagate plant 2027 den Test von Festplatten mit 50-Terabyte-Kapazität.
Aufgrund der hohen Nachfrage nach Speicherkapazitäten für KI und Cloud-Computing hat Seagate die Produktion von 50-Terabyte-Festplatten bis Ende 2027 voll ausgelastet und plant Lieferungen erst ab 2028 sowie eine Hochvolumenproduktion ab 2029. Im Geschäftsjahr 2026 erreichte das Unternehmen einen Umsatz von 12,195 Milliarden US-Dollar mit einem Nettogewinn von 3,184 Milliarden US-Dollar, wobei der Anteil der auf HAMR-Technologie basierenden Produkte bis Juli 2027 auf 70 Prozent steigen soll.
29.07.2026
Live Redaktion
