Modell trennt Intuition vs. Überlegung – Bounded liefert Ergebnisse

In einer neuen Studie auf arXiv wird gezeigt, dass ein begrenztes neuronales Netzwerk in der Lage ist, die beiden kognitiven Prozesse Intuition und Überlegung klar zu differenzieren. Das Modell wurde auf einem klassischen 64‑Punkte‑Syllogismus‑Benchmark getestet, der häufig in Diskussionen über Weltmodelle und mehrstufiges Denken in der KI verwendet wird.

Experiment 1 nutzte einen einfachen neuronalen Baseline, der die vollständigen 9‑Wege‑Antwortverteilungen der Menschen unter 5‑Fold‑Cross‑Validation vorhersagen sollte. Experiment 2 führte eine duale, begrenzte Architektur ein, die separate Intuitions‑ und Überlegungswege nutzt, inspiriert von der mentalen Modelltheorie. Die Ergebnisse sind beeindruckend: Die Intuitions‑Komponente erreichte eine Korrelation von r = 0,7272, während die Überlegungs‑Komponente r = 0,8152 erzielte – ein signifikanter Unterschied (p = 0,0101). Besonders stark verbesserten sich die Leistungen bei den Kategorien NVC, Eca und Oca, was auf eine bessere Handhabung von Ablehnungsantworten und c‑a‑Schlüssen hinweist.

Eine 80:20‑Interpretierbarkeitssimulation und ein fünf‑Seed‑Stabilitätssweep zeigten, dass die Überlegungs‑Komponente ein spärliches, differenziertes internes Netzwerk entwickelt. Es entstehen Zustände wie ein Oac‑neigender Zustand, ein dominanter Arbeitspferde‑Zustand sowie mehrere schwach genutzte oder ungenutzte Zustände, deren genaue Indizes je nach Lauf variieren. Diese Struktur deutet stark auf ein reasoning‑ähnliches internes Organigramm hin, selbst unter stark begrenzten Bedingungen.

Die Ergebnisse liefern überzeugende Belege dafür, dass begrenzte neuronale Architekturen nicht nur flüchtige assoziative Vorhersagen liefern, sondern echte, strukturierte interne Rechenprozesse entwickeln können. Dies hat weitreichende Implikationen für die Entwicklung von KI‑Systemen, die robuste Weltmodelle und mehrstufiges Denken benötigen, und trägt damit wesentlich zur aktuellen Debatte über die kognitive Architektur von intelligenten Maschinen bei.