PN Fünf Fakten die zeigen wie anders KI wirklich funktioniert

PN - permanente Notiz

KI ist nicht das, was die Werbung verspricht: kein denkendes Wesen, kein echtes Gedächtnis, kein neutrales Werkzeug. Wer versteht, wie LLMs, Agenten und neuromorphe Chips tatsächlich funktionieren — und wo sie an Gehirngrenzen stoßen — denkt KI klarer als die meisten.

1. ChatGPT benutzen bevor du selbst gedacht hast, macht dich dümmer

Eine Studie zeigt: Wer am Anfang einer Aufgabe KI nutzt, lernt kaum etwas dazu. Wer zuerst selbst denkt und dann KI nutzt, wird besser. Der Grund liegt im PFC: Zu Beginn einer neuen Aufgabe ist er stark aktiv — dort entstehen neue synaptische Verbindungen. ChatGPT short-circuits genau diesen Prozess. Je anstrengender das Denken, desto stärker die Verbindungen. KI ist wertvoll für die, die bereits vor ihrer Nutzung gedacht haben.

→ YT - was macht KI Nutzung mit dem Gehirn?, Wieviele Weltmodelle braucht eine KI und wie macht es unser Gehirn?

2. LLMs haben kein echtes Gedächtnis — sie haben Post-its

ChatGPTs „Gedächtnis” ist eine Sammlung kleiner Nutzerprofile. Echtes Gedächtnis ist episodisch: der Hippocampus speichert Wann, Wo, mit Wem als unterscheidbare Episoden — durch pattern separation und pattern completion. KI hat nur ein Kontextfenster (Kurzzeitgedächtnis), RAG-Datenbanken (Suchindex) und statische Profile. Sie kann Episoden nicht im Schlaf „replayen” und daraus Strategien für die Zukunft bauen. Genau das macht den Unterschied zwischen Wissen und Verstehen.

→ YT-LLMs sind nicht die Lösung - Erinnerung fehlt ihnen, Hippocampus

3. Google zahlt 2,4 Milliarden nicht für ein besseres Modell — sondern für einen Loop

Als Google Windsurf für 2,4 Milliarden kaufte, kauften sie kein besseres Sprachmodell. Sie kauften eine Pipeline: Client → Agent → Model Client → Sandbox → iFrame — ein vollautomatischer Loop, der Feedback iterativ verarbeitet, ohne neu zu starten. Der Wert liegt nicht in der KI-Intelligenz, sondern in der Software-Architektur drumherum. Bessere Systeme schlagen oft bessere Modelle.

→ Warum Google 2,4 Milliarden für einen Agenten-Loop zahlt, AI Agents

4. Chain-of-Thought emergiert erst ab 100 Milliarden Parametern

„Denke Schritt für Schritt” — dieser einfache Zusatz steigert die Leistung bei Matheaufgaben von 17,7 % auf 78,7 % (Wei et al., 2022 auf PaLM 540B). Aber: Unter ~100B Parametern passiert gar nichts. CoT ist ein Schwellenwertphänomen. Es externalisiert Arbeitsgedächtnisfunktionen des Modells — analog zu System 2 in der Dual-Process Theory. Gleichzeitig ist CoT nicht dasselbe wie Denken: Das Modell kann plausible aber falsche Ketten produzieren, ohne es zu merken.

→ Chain-of-Thought Reasoning, Dual-Process Theory, Large Language Models

5. Spiking Neural Networks: Das Gehirn als Blaupause für AGI

LLMs stoßen durch reines Skalieren an ihre Grenzen (Yann LeCun). Das Gehirn dagegen ist ein Schwarm kleiner Experten: Jedes Neuron feuert nur bei Überschreiten eines Schwellenwerts (Sparse Coding — nur wenige Prozent aktiv), Wissen in einem Bereich kontaminiert nicht andere. Spiking Neural Networks (SNNs) kopieren genau dieses Prinzip: diskrete Spikes statt kontinuierlicher Aktivierungen, lokal-asynchrone Verarbeitung (GALS-Architektur), Speicher und Verarbeitung in einer Einheit. Neuromorphe Chips machen SNNs jetzt erst praktisch. Ob das der Weg zu AGI ist — offen. Aber es ist der einzige Ansatz, der das Energieproblem ernst nimmt.

→ Sins SNNs die Lösung für AGI?, Wieviele Weltmodelle braucht eine KI und wie macht es unser Gehirn?

Warum das wichtig ist / Why this matters

Diese fünf Fakten zusammen zeigen: KI ist mächtig, aber falsch verstanden. Sie hat kein Gedächtnis, kein Bewusstsein, keinen stabilen Weltmodell-Update — und ihr Wert steckt oft weniger im Modell als im System drumherum. Wer das weiß, nutzt KI besser und fürchtet sie weniger.

Verbindungen / Connections

YT - was macht KI Nutzung mit dem Gehirn? — Studie zu KI & PFC
YT-LLMs sind nicht die Lösung - Erinnerung fehlt ihnen — Gedächtnisarchitektur
Warum Google 2,4 Milliarden für einen Agenten-Loop zahlt — Agentenarchitektur
Chain-of-Thought Reasoning — CoT & Schwellenwert
Sins SNNs die Lösung für AGI? — Neuromorphes Computing
Wieviele Weltmodelle braucht eine KI und wie macht es unser Gehirn? — Weltmodelle & Sparse Coding
Hippocampus — episodisches Gedächtnis
Dual-Process Theory — System 1/2 & CoT
Large Language Models — Basis-Architektur
AI Agents — Agentensysteme

Brain Online

Explorer

PN Fünf Fakten die zeigen wie anders KI wirklich funktioniert