03.01.2020

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei der Artikelreihe "#unchAIn - Demystifying AI" kooperiert der brutkasten mit Ms. AI, um Vorurteile rund um Künstliche Intelligenz zu entmystifizieren. Expertinnen beantworten dazu die heikelsten Fragen rund um das Thema KI. Heute widmen wir uns der Frage, ob Maschinen das menschliche Gehirn kopieren können.
/artikel/koennen-maschinen-das-menschliche-gehirn-kopieren
Kernel, Flux, Flow, Gehirn, Johnson Künstliche Intelligenz: Maschine kopiert Gehirn
(c) Stock.Adobe/peshkov - US-Unternehmen Kernel ermöglicht "On-Demand"-Funktion im Bereich Neuroscience.

Künstliche Intelligenz ist eines der wichtigsten Tech-Themen unserer Zeit – denn es gibt wohl keinen Bereich des politischen, wirtschaftlichen und gesellschaftlichen Lebens, der nicht das Potenzial hat, von KI grundlegend verändert zu werden. Zugleich gibt es in diesem  Bereich viele Falschinformation und überzogene Erwartungen. Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Expertinnen der jeweiligen Felder – von Philosophinnen über Wissenschaftlerinnen bis zu Managerinnen aus der Wirtschaft – beantworten dabei in einer mehrteiligen Artikelreihe die wichtigsten Fragen zum Thema Künstliche Intelligenz.

+++Mehr zum Thema AI & DeepTech+++

Im ersten Teil der Serie über KI haben wir uns mit der Frage beschäft, was Intelligenz eigentlich ist. Im zweiten Teil der Serie beschäftigen wir uns mit der Frage, ob Maschinen das menschliche Gehirn 1:1 kopieren können. Die Fragen werden beantwortet von der AI-Expertin und Quantenphysikerin Dilek Demir, Isabell Claus, Co-Founder & Managing Director thinkers.ai, dem Philosophen Reid Blackman und Nancy Nemes, Founder Ms. AIA und #humanAIze, sowie CEO Nemes Ventures.

Ist es möglich, die Funktionen des menschlichen Hirns in einer Maschine zu kopieren?

Blackman: Es gibt die Theorie, dass das Fleisch und Blut des menschlichen Gehirns etwas Besonderes ist. Dementsprechend brächten auch Maschinen diese „Feuchtware“. Von dieser Theorie bin ich nicht besonders überzeugt. Ich verstehe nicht, warum wir nicht zum Beispiel synthetische Neuronen herstellen könnten. Oder synthetische Versionen von allem, was wir haben. Im Prinzip sehe ich also nicht, warum wir nicht alle Funktionen eines menschlichen Gehirns in eine Maschine kopieren könnten. Aber in der Praxis ist es außerordentlich schwierig. Die Komplexität des Gehirns selbst und der verschiedenen Umgebungen, in denen es gedeiht und verdorrt, ist so groß, dass ich skeptisch bin, dass wir es jemals herausfinden werden.

Nemes: Einige Forscher sagten vor mehr als 10 Jahren voraus, dass das menschliche Gehirn innerhalb von 10 Jahren repliziert werden könnte. Davon sind wir noch weit entfernt. Heutzutage verstehen wir nur 1 Prozent der Funktionsweise des menschlichen Gehirns. Was wir heute also replizieren können, beschränkt sich auf mechanische Aspekte wie das Screening und die Kartierung von Informationen von Programmen, die Zehntausende mal schneller sind als Menschen. Ich glaube, dass die vollständige Simulation des gesamten Gehirns am Computer eine weit entfernte Science-Fiction-Vision ist. Etwas, das, wenn es jemals zur Realität wird, komplexer sein wird als das menschliche Genom.

Claus: Wir nutzen die einzelnen Erkenntnisse rund um die menschliche Intelligenz als konzeptionelle Basis für maschinelles Lernen. Wir brechen also die Komplexität herunter und nehmen die grundlegenden Eigenschaften her, um dann mit Hilfe von Algorithmen und Modellen Nachbildungen zu erzielen. Das ist heute noch mit großem Aufwand verbunden und damit für die Befriedigung der menschlichen Neugier nicht ausreichend. Es liegt in der Natur des Menschen, hier nicht locker zu lassen bis immer bessere Lösungen gefunden sind.

Demir: Jedes Geschöpf in unserem Universum ist ein einzigartiges, komplexes System, das wir noch nicht erforscht haben. Das wird uns viel Zeit kosten, denn jede Funktion ist mit Konstruktionen wie Gefühlen, Gedanken und dem, was man Seele nennt, verbunden.

Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Wie soll ein Mensch, der keine Ahnung hat, wie er funktioniert, dieses Wissen eins zu eins in eine Maschine übertragen? Außerdem glaube ich nicht, dass wir das Wissen von Mutter Natur über die richtige Materialkonstruktion aufwerfen. Eine Funktion des menschlichen Gehirns benötigt auch die richtige Menge an Trigger-, Kühl-, Heiz- und Austauschfunktionen, um richtig zu funktionieren, und die Einbeziehung von Emotionen bringt eine weitere Komplexität mit sich. Die Simulation eines solchen „menschenähnlichen“ Systems würde eine große Menge an klassischer Rechenleistung erfordern.

Denken wir an das folgende Gedanken-Experiment:
Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“
Deine Antwort: „Ja, bitte!“

Klingt sehr einfach, wenn man diese einfache, kleine Mutter-Kind-Interaktionssituation betrachtet und in verschiedene kleine Schritte zerlegt, die man versteht.
Was passiert hier?

  • Die Mutter-Kind-Verbindung, die dynamisch ist und sich von Zeit zu Zeit ändert.
  • Die Schnelligkeit, Stimme, Worte und Inhalte dieser Mutterfrage enthalten eine große Menge an Informationen, deren Diskussion mindestens 5 Stunden dauern würde.
  • Die Antwort des Kindes. Das Gefühl, die Stimme, der Inhalt, die Geschwindigkeit der Sprache.
  • Die Frage, warum sie Milch zum Frühstück trinken.
  • Die Entscheidungen, die sie innerhalb einer Sekunde treffen.
  • Das Wissen, dass sie Milch haben.
  • Die Art und Weise, wie sie interagieren, sprechen und die verschiedenen Gedanken, die sie gleichzeitig haben.
  • …und vieles mehr.

Die Analyse dieser Entscheidungen braucht eine Weile. Und die Erstellung eines Entscheidungsbaums, mit dem die Situation rekonstruiert wird, ist eine weitere Herausforderung.

Deshalb glaube ich nicht, dass ein Kopieren und Einfügen eines menschlichen Gehirns in eine Maschine vielleicht in der Zukunft möglich ist – aber derzeit müssen wir die aktuellen Probleme, die die Menschen in den letzten Jahren verursacht haben, beseitigen.

Welche Voraussetzungen muss eine Maschine erfüllen, um als „intelligent“ zu gelten?

Demir: Wir müssen diese Frage zuerst für uns selbst beantworten, bevor wir über Maschinen nachdenken.
Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst.
Beispiel: Ein achtsamer, intelligenter Mensch besitzt eine andere Art von Intelligenz als andere Menschen mit weniger Achtsamkeit. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen.

Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“. Nach diesem Maßstab können die heutigen Sprachassistenten als intelligente Maschinen betrachtet werden, ebenso wie fahrerlose Autos, E-Mails, die Ihre Antworten vervollständigen, oder ein GPS-System. So werden unsere Maschinen intelligenter und die Zukunft wird mehr vernetzte Systeme bringen, die ihren Nutzen im täglichen Leben weiter steigern werden. Dennoch gilt: „Intelligenz“ ist schwer zu kategorisieren.

Claus: Wir haben gerade mehrere Jahrzehnte des Datensammelns und deren Verarbeitung in (nahezu) „unintelligenten“ Systemen hinter uns. Aus zukünftiger Sicht würde man die aktuellen Möglichkeiten der automatisierten Text- oder Bildverarbeitung wohl als die Anfänge der maschinellen Intelligenz bezeichnen. Ähnlich wie bei der Entwicklung des aufrechten Gangs des Menschen ist das ein Schlüsselereignis für eine sehr grundlegende Weiterentwicklung. Aufgrund des ökonomischen Potentials der Maschinenintelligenz werden wir mit großen Schritten zu einem „next level“ von Intelligenz kommen, also einem abstrakterem Ursache-Wirkung-Verständnis bei Maschinen.

Blackman: Es gibt einige Leute, die nie zulassen werden, dass eine Maschine intelligent sein könnte. Aber wie ich schon sagte: Ich verstehe nicht, warum das nicht passieren sollte. Ich bin schließlich damit einverstanden, dass ein Taschenrechner eine bestimmte Art von Intelligenz manifestiert. Ich denke auch, dass unser eigenes Gehirn eine Art Maschine ist, indem ich denke, dass unsere Gehirne und Körper alle physisch sind und der Verstand aus physischen Einheiten besteht (die Dinge, die Neurowissenschaftler natürlich studieren, aber auch die Moleküle und Atome, die diese Dinge ausmachen). Für mich müssen sie also nur etwas erreichen, das funktional gleichwertig aussieht wie andere Dinge, die wir bereits als intelligent bezeichnen.

„Aber sind diese Dinge wirklich intelligent oder scheinen sie nur intelligent zu sein?“, könnte jemand fragen. Aber auch das hängt nur davon ab, wie man den Begriff „Intelligenz“ verwenden will, und es ist nichts, worüber ich mir besonders Sorgen mache. Wenn wir jedoch über das Bewusstsein sprechen – etwas das Empfindungsvermögen, dann denke ich, dass die Frage zutiefst wichtig ist. „Fühlt es etwas oder scheint es einfach so, als würde es etwas fühlen?“ ist eine Frage mit tiefen ethischen Implikationen – und das ist etwas, worüber wir uns aufregen sollten.

Der nächste Teil der Artikelreihe erscheint am Freitag, 10. 1. 2010. 

Redaktionstipps
Deine ungelesenen Artikel:
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI

Wieder einmal ist es Linz. Die Stahlstadt mausert sich immer mehr zu Österreichs KI-Hauptstadt und auch eines der bislang sicher ambitioniertesten Startups in dem Bereich kommt von dort: Ablatic AI. Mit Talos wagt es sich über die Herausforderung schlechthin in der KI-Welt: ein eigenes Large Language Model (LLM) – brutkasten berichtete bereits.

Bei einer Benchmark vor Sol von OpenAI

Nun erfolgte der offizielle Launch und Ablatic gab erste Benchmark-Vergleiche aus (siehe Tabelle unten). An Claude Opus 5 kommt man demnach noch in keiner Kategorie ganz heran, in mehreren aber ziemlich nahe. DeepSeek V4 kann man dagegen gleich bei drei Werten schlagen, Qwen3.8 von Alibaba bei zwei und OpenAIs Flagship-Modell GPT-5.6 Sol immerhin bei einem, konkret der exakten Befolgung schriftlicher Anweisungen (IFBench). Unterm Strich spielt das Linzer LLM also in den vorgelegten Benchmarks in der internationalen Top-Liga mit.

„Es kann ja nicht sein, dass es in Europa nur Mistral gibt“

Aber warum überhaupt noch ein weiteres LLM? „Julian [Anm. Mauerkirchner] und ich kennen uns schon seit der Schule. Später haben wir als Unternehmer damit gestartet, Legacy-ERP-Systeme zu erneuern. Dabei sind wir auf ein Problem gestoßen: Wir konnten dafür aus Daten-Gründen keine US-KI-Systeme nutzen“, erzählt CEO Florian Zimmermann, der Ablatic AI gemeinsam mit Julian Mauerkirchner (CTO) gegründet hat, im Gespräch mit brutkasten. Man habe nur Mistral aus Frankreich oder Open-Source-Modelle verwenden können. „Mistral war für den Zweck aber nicht passend und unser Business Case bald tot“.

Mit dem Entschluss, eine neue Idee zu verfolgen, sei daher auch eine neue Motivation einher gegangen: „Es kann ja nicht sein, dass es in Europa nur Mistral gibt“, so Zimmermann. Man habe sich danach mit der Johannes Kepler Universität Linz (JKU) kurzgeschlossen und sei darüber auch zur AI Factory Austria AI:AT gekommen, wo man wiederum im Rahmen des EuroHPC-Programms europäische Hochleistungsrechenressourcen nutzt, um das Modell zu trainieren. „Ohne diese EU-Ressourcen würde es kostentechnisch überhaupt nicht gehen“, sagt Zimmermann.

Öffentliche Forschungsergebnisse statt eigenes Riesen-Research-Team

Doch auch mit diesen Ressourcen – wie lässt sich ein konkurrenzfähiges LLM mit einem kleinen Team und bislang gänzlich ohne VC-Kapital umsetzen? Schließlich beschäftigen die globalen KI-Player, mit denen sich Ablatic misst, riesige Teams. Mistral etwa ist mit seiner kürzlich kommuniziert Drei-Milliarden-Euro-Finanzierungsrunde im Vergleich zu Anthropic und OpenAI nach wie vor ein kleiner Fisch (brutkasten analysierte).

„Wir können kein 200-köpfiges Research-Team finanzieren und gleich von 0 auf 100 gehen, also greifen wir auf Bestehendes zurück“, erklärt der Gründer. Konkret verwende man einerseits Open-Source-Layer und code sie auf die eigenen Bedürfnisse um. Andererseits nutze man die neuesten Forschungsergebnisse von Universitäten wie dem MIT oder Stanford, die laufend über die Plattform arXiv veröffentlicht werden. „Wir orientieren uns an der Frontier-Forschung. Wir analysieren die Paper, legen die Erkenntnisse auf unsere Architektur um und testen es durch. Vieles davon funktioniert nicht, aber alles was funktioniert, bringt uns weiter“, so Zimmermann.

Mehr als 100 B2B-Testkunden – viele konvertieren gleich zum Launch

Die Beta-Version wurde nun bereits seit einiger Zeit mit mehr als 100 Unternehmen getestet – Ablatic konzentriert sich nämlich vorerst klar auf den B2B-Markt. Man habe für diese Tests schnell auch größere Unternehmen und Konzerne gewonnen. „Ich bin dafür wochenlang gesessen, habe Leute angeschrieben und einen Call nach dem anderen gemacht“, räumt Zimmermann ein. Dass man ein eigenes LLM und nicht nur eine Oberfläche baue, sei dabei zum entscheidenden Bonus geworden. „Und dass wir von der JKU kommen und im EuroHPC-Programm sind, hat unsere Glaubwürdigkeit enorm gesteigert“, sagt der Gründer.

Jetzt zum Launch würden viele der Testkunden bereits zu regulären Nutzern konvertieren, viele weitere noch die Testphase abschließen, mit dem Vorhaben, das dann auch zu tun, verrät Zimmermann. „Wir werden nicht 100 Prozent, aber einen Großteil konvertieren können“, ist er sicher. Punkten will Ablatic dabei nicht nur mit der europäischen Herkunft – Stichwort: Digitale Souveränität – sondern auch mit dem Pricing. „Wir haben eine relativ effiziente Architektur. Wir können kostengünstig hosten und das an die Kunden weitergeben“, so der CEO. Dass der offizielle Launch genau jetzt erfolgt, hat vor allem mit dem Gründungsprozess zu tun, der länger dauerte, als erhofft. „Ich gründe nie wieder im Sommer ein Unternehmen“, sagt der Gründer lachend.

Investment geplant: „Das Ziel ist definitiv, keine kleine Bude zu bleiben“

Und wie geht es weiter? „Wir wollen zuerst im DACH-Raum Fuß fassen und ohne große weitere Standorte skalieren. Dann wollen wir es auf Europa hochziehen“, erläutert Zimmermann. Auf Dauer werde dabei auch die Aufnahme von VC-Kapital relevant, vor allem wenn es darum gehe, die nächste Modell-Version herauszubringen. „Dann ist es wichtig, dass man schnell skaliert und iteriert. Wir sind stolz darauf, dass wir ein Modell ohne VC-Kapital trainiert haben. Wir haben gezeigt, dass auch so Großes möglich ist. Aber langfristig ist es völlig logisch, dass wir Kapital aufnehmen müssen“, sagt der Gründer.

Und es seien bereits mehrere Investoren aktiv auf das Team zugekommen, mit einigen befinde man sich schon in Gesprächen. „Das Ziel ist definitiv, keine kleine Bude zu bleiben, sondern eine größere Firma zu werden. Wir wollen jedenfalls nicht in Vergessenheit geraten“, so Zimmermann. Und der Zeitpunkt sei angesichts der Souveränitätsdebatte gut.


Benchmark-Vergleichstabelle

Anmerkungen zur Tabelle:

  • Fette Zahlen: Höchster Wert in der jeweiligen Zeile unter den Vergleichsmodellen.
  • „text-only“: Das Modell verarbeitet keine Bilder/visuellen Dokumente, weshalb OmniDocBench nicht anwendbar ist.
  • „–“: Kein veröffentlichter Wert vorhanden.

Kurzerklärungen der Benchmarks

  • Agents‘ Last Exam (UC Berkeley): Prüft langwierige, echte Arbeitsaufgaben an einem Computer (Terminal und Bildschirm zusammen), bewertet anhand des fertigen Gesamtergebnisses.
  • AutomationBench (Zapier): Testet 600 Business-Workflows über 47 simulierte Unternehmens-Softwaretools hinweg, die vollständig durchgehend ausgeführt werden müssen.
  • Toolathlon: Bewertet das Erledigen von Aufgaben in echter Büro-Software (z. B. E-Mail, Kalender, Tabellenkalkulationen und GitHub) über deren direkte Schnittstellen.
  • BrowseComp (OpenAI): Stellt schwierige Fragen, deren Antworten über das gesamte Internet verstreut liegen und durch selbstständiges Surfen recherchiert werden müssen.
  • DeepSWE v1.1 (Datacurve): Misst das eigenständige Beheben echter Softwareprobleme (Bugs) in bestehenden Quellcode-Sammlungen. Hinweis: Talos-1 wurde hierfür nicht optimiert und liegt 22 Punkte hinter der Spitze zurück.
  • OmniDocBench: Bewertet das fehlerfreie Lesen und Verstehen echter Dokumente inklusive visueller Layouts, Tabellen und mathematischer Formeln.
  • IFBench: Prüft die exakte Einhaltung von schriftlich vorgegebenen Anweisungen und Formatierungsregeln.
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 2: Können Maschinen das menschliche Gehirn kopieren?

Bei dem Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit Miss AI, um gängige falsche Vorstellungen zu entmystifizieren. Ein Kopieren und Einfügen der Funktionen eines menschlichen Gehirns in eine Maschine wird nie passieren, denn wir sind einfach schlecht beim Verstehen der grundlegenden Prozesse im System. Denken wir an das folgende Gedanken-Experiment: Deine Mutter fragt dich: „Willst du Milch zum Frühstück?“ Sicherlich erfordert eine „intelligente“ menschengemachte Maschine eine andere Art der Intelligenz als der Mensch selbst. Maschinen wären nicht in der Lage, genau so zu „fühlen“ wie Menschen, und das würde direkt in eine andere „Intelligenzmatrix“ für Maschinen führen. Nancy Nemes: Hier gibt es eine Definition von Alan Turing, Erfinder des Turing-Test, aus dem Jahr 1950: „Wenn ein Computer mit einem Menschen in einer textbasierten natürlichen Sprachumwandlung sprechen kann und einen Richter täuschen kann, dass er zumindest für einen Teil der Zeit denkt, dass es sich um einen Menschen handelt, wird er als intelligent angesehen“.