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:
24.09.2026

Ex-Google-Designerin Elizabeth Churchill über die Autonomie von KI-Agenten und menschliche Kontrolle

KI wird zunehmend selbstständig handeln – und damit wachsen auch die Risiken. Wenn Maschinen eigenständig Entscheidungen treffen, stellt sich die Frage, wo ihre Autonomie enden muss und der Mensch Kontrolle behalten sollte. Elizabeth F. Churchill, ehemalige Senior Director of User Experience bei Google, erklärt brutkasten gegenüber, welche Prinzipien im Umgang mit agentischer KI künftig entscheidend werden.
/artikel/ex-google-designerin-elizabeth-churchill-ueber-die-autonomie-von-ki-agenten-und-menschliche-kontrolle
24.09.2026

Ex-Google-Designerin Elizabeth Churchill über die Autonomie von KI-Agenten und menschliche Kontrolle

KI wird zunehmend selbstständig handeln – und damit wachsen auch die Risiken. Wenn Maschinen eigenständig Entscheidungen treffen, stellt sich die Frage, wo ihre Autonomie enden muss und der Mensch Kontrolle behalten sollte. Elizabeth F. Churchill, ehemalige Senior Director of User Experience bei Google, erklärt brutkasten gegenüber, welche Prinzipien im Umgang mit agentischer KI künftig entscheidend werden.
/artikel/ex-google-designerin-elizabeth-churchill-ueber-die-autonomie-von-ki-agenten-und-menschliche-kontrolle
KI-Agenten
© Philipp Lipiarski - Elizabeth F. Churchill.

Auf der diesjährigen uxcon hielt Elizabeth F. Churchill eine Keynote über die Zukunft der Mensch-Maschine-Interaktion. Sie ist Professorin sowie Gründungsdirektorin des Fachbereichs für Human-Computer Interaction (HCI) an der MBZUAI in Abu Dhabi und zählt zu den prägenden Stimmen im Bereich Psychologie, Künstliche Intelligenz und Kognitionswissenschaften.

Bei Google, eBay und Yahoo tätig

Im Laufe ihrer Karriere baute sie Forschungsteams für Tech-Giganten wie Google, eBay, Yahoo und PARC auf. Für ihre Führungsrolle und ihren Einfluss auf die Tech-Branche wurde die Wissenschaftlerin vielfach ausgezeichnet, zuletzt unter anderem mit dem SIGCHI Lifetime Practice Award 2024.

In Wien erörterte sie in den Hallen der Hauptuniversität das Zusammenspiel von Mensch und Technologie und erklärte brutkasten gegenüber den fundamentalen Paradigmenwechsel, der aktuell die gesamte Software-Welt erfasst: den Aufstieg agentischer KI-Systeme. Dabei machte sie deutlich, dass dieser Wandel ein neues Verständnis von Kontrolle und Autonomie erfordert.

Vom Werkzeug zum Agenten: Der Unterschied

Die entscheidende Veränderung bei KI sei weniger, dass Systeme „bessere Antworten“ geben, sondern dass sie zunehmend selbstständig handeln könnten. Klassische Software – ob deterministisches Werkzeug oder reaktives KI-System – habe stets auf konkrete Eingaben des Menschen gewartet.

Ein KI-Agent dagegen bekommt ein Ziel und bestimmte Rahmenbedingungen und kann daraus einen adaptiven Ausführungsplan ableiten, Werkzeuge und APIs nutzen sowie mehrere Schritte selbstständig ausführen. Bei Multi-Agenten-Systemen arbeiteten mehrere solcher Agenten zusammen, oft als sich selbst korrigierende „Schwärme“, die asynchron im Hintergrund laufen.

Damit verändert sich auch die Rolle des Menschen „dramatisch“: Menschen bedienen das System nicht mehr zwangsläufig Schritt für Schritt, sondern würden zu einer Art „Flugdirektor“ (Supervisory UX), der Ergebnisse definiere und den Weg dorthin überwache. Diese Entwicklung bringe, Churchill zufolge, bisherige, starre Benutzeroberflächen an ihre Grenzen.

Ghost-State-Dilemma

Wenn Agenten im Hintergrund arbeiteten, drohe Nutzer:innen der Verlust des Kontexts – ein sogenanntes „Ghost-State-Dilemma“, bei dem nicht mehr nachvollziehbar sei, in welchem Zustand sich Prozesse aktuell befänden. Ein Kernrisiko dabei ist die unterschiedliche Entscheidungsarchitektur (Choice Architecture) von Mensch und Maschine: Während der Mensch bei Aufgaben – wie etwa einer Hotelbuchung – intuitive, visuelle und kontextuelle Nuancen (Größe des Zimmers, Lage) abwäge, operierten Agenten rein deterministisch anhand von API-Vorgaben.

Diese Diskrepanz kann dazu führen, dass Agenten durch kumulative Fehler vom eigentlichen Ziel abwichen oder APIs auf unerwartete Weise ausnutzten. Achtsam mit agentischen Systemen zu arbeiten, erfordere deshalb ein völlig neues Design-Paradigma: Autonomie müsse bewusst begrenzt und Kontrolle sichtbar gehalten werden, meint Churchill.

Kill Switches

Aus diesem Rollenwechsel leitet die Expertin konkrete Gestaltungsmechanismen ab: Vor kritischen Aktionen sollte der Mensch geplante Schritte in sogenannten „Trockenläufen“ (Plan Dry Runs) prüfen und freigeben können. Zudem brauche es klare und vor allem transparente Zusammenfassungen, sobald sich ein Prozess plötzlich ändert, sowie „Circuit Breaker“ (Kill Switches), um laufende Prozesse sofort zu unterbrechen, falls sie aus dem Ruder laufen.

Die zentrale Frage lautet somit für Churchill nicht mehr nur: „Was kann die KI?“, sondern: „Wie gestalten wir die Sichtbarkeit ihrer autonomen Entscheidungen – und wo muss der Mensch zwingend die Kontrolle behalten?“

„Je höher die Tragweite des Kontexts, desto weniger Autonomie sollte das KI-System bei kritischen Entscheidungen haben“, sagt sie. Wo genau diese Grenze verläuft, müssten KI-Designer für jeden Anwendungsfall neu bestimmen.

Die Falle der heimlichen Entmächtigung

Aus Churchills Sicht sei ein entscheidender Punkt, dass Unternehmen die Falle der „heimlichen Entmächtigung“ vermeiden müssten, also der stillen Einschränkung menschlicher Handlungsfähigkeit unter dem „Deckmantel der Bequemlichkeit“. Systeme sollten keine „undurchsichtigen Blackboxen“ sein, die allein Entscheidungen treffen.

Co-Governance als Notwendigkeit

Über einzelne Sicherheitsmechanismen hinaus brauche es laut Churchill zudem ein grundsätzliches Governance-Prinzip: Menschen gewöhnten sich zunehmend daran, mit Systemen über Gespräche einfache Aufgaben zu erledigen. Wenn es jedoch um wichtige oder emotionale Entscheidungen gehe, stießen sie schnell an ihre Grenzen. Deshalb müssten sie im Sinne von Co-Governance weiterhin informiert und in den Entscheidungsprozess eingebunden bleiben.

Churchills Erfahrung nach konzentriert sich die Industrie vor allem auf Leistungstests, gute Sprache und die Fähigkeiten von KI-Modellen. Dabei würde die langfristige Wirkung auf Menschen und Gesellschaft oft zu wenig berücksichtigt.

„Menschliche Erfahrung bleibt chaotisch, kulturell vielfältig und in gelebten Umgebungen verankert“, sagt sie. „Wir müssen den Fokus vom Bau von Generalisten-Modellen, die plausible Antworten produzieren, hin zur Entwicklung kulturell kontextualisierter und resilienter Werkzeuge verschieben, die echtes menschliches Aufblühen (human flourishing) und kritisches Denken unterstützen.“

Ratschläge für Startups

Laut Churchill sei es ein großer Fehler, generative KI als Ersatz für Fachwissen zu sehen. Sie sollte vielmehr dazu dienen, vorhandenes Fachwissen zu unterstützen und zu erweitern. Startups würden dabei oft ein zentrales Problem übersehen: Sie würden Foundation-Modelle in „Thin Wrappers“ verpacken (wie automatisierte Bewerber-Screenings oder Kundensupport-Bots), ohne robuste Schutzmechanismen einzubauen.

„So sahen sich beispielsweise Unternehmen wie die ‚National Eating Disorders Association‚ (NEDA) unmittelbar mit Gegenreaktionen konfrontiert, nachdem sie geschulte menschliche Mitarbeiter der Helpline durch einen KI-Chatbot ersetzt hatten, der innerhalb weniger Tage begann, schädliche Ratschläge zum Thema Diäten zu geben“, nennt sie ein warnendes Beispiel. „Unternehmen können erfolgreich sein, wenn sie KI direkt in spezifische, professionelle Arbeitsabläufe einbetten, beispielsweise indem sie das Modell als fachkundiges kollaboratives Gerüst behandeln, anstatt zu versuchen, die Fachkraft vollständig zu automatisieren bzw. überflüssig zu machen.“

„Ich vermeide gerne utopische und dystopische Visionen“

Neben der Gefahr, dass Menschen aus der Kontrolle gedrängt werden, sieht Churchill ein zweites Problem: die Eskalation des Wettbewerbs der Tech-Giganten rund um KI, die sie als berechtigte Krise innerhalb der Spitzenforschung bezeichnet.

„Leider übertreffen wettbewerbsorientierte Marktanreize die Governance-Mechanismen immer wieder“, sagt sie. „Es ist enttäuschend, dass dies der Fall ist. Aber das Problem als ein spekulatives Science-Fiction-Szenario des Aussterbens zu rahmen, kann von systemischen Schäden ablenken, die in Echtzeit stattfinden. Persönlich vermeide ich gerne utopische und dystopische Visionen. Daher bin ich weniger besorgt über eine sich selbst verbessernde Superintelligenz, die außer Kontrolle gerät, als vielmehr über den schleichenden Zusammenbruch institutioneller Verantwortlichkeit und die Übertragung lebensverändernder Entscheidungen an fragile, nicht nachvollziehbare statistische Systeme.“

Florieren kleiner Volkswirtschaften

Für Europa sieht Churchill in diesem „Rennen“ mit den USA und Asien „nicht alles verloren“, vielmehr bestehe der Fehler darin, die hochzentralisierten, rechenintensiven Foundation-Modelle aus Silicon Valley oder Shenzhen zu kopieren.

„Ich glaube, dass die Zukunft der KI auf Vertrauen, Präzisionstechnik, eingebetteter industrieller Automatisierung, souveräner Dateninfrastruktur und strikter regulatorischer Compliance (EU AI Act) beruht“, betont sie. „Kleine Volkswirtschaften mit hohem Vertrauen wie Österreich werden florieren, indem sie spezialisierte Nischen fördern. Wie etwa verifizierbare industrielle KI, menschenzentrierte Fertigungsautomatisierung, hochzuverlässige biomedizinische Werkzeuge und vertrauenswürdige Systeme des öffentlichen Sektors.“

Die Welt in fünf Jahren

Churchill wagt einen – wenn auch schwierigen – Blick in die Zukunft: „In fünf Jahren wird die Neuartigkeit von Konversationen hoffentlich nicht mehr so sehr im Mittelpunkt der Aufmerksamkeit stehen“, meint sie. „Hoffentlich werden wir erkennen, dass der generative Hype eine Infrastrukturphase für eine Ära hybrider kollektiver Intelligenz war. Die dominante Herausforderung wird nicht die technische Skalierung sein, sondern soziotechnische kognitive Architekturen. Und die Frage, wie wir das Bauen, Managen, Ausbilden, Kurskorrigieren und Steuern navigieren, wenn hybride menschlich-synthetische Agentenlogik in die grundlegende Struktur der täglichen Arbeit und des gesellschaftlichen Lebens eingewoben ist?“

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“.