Empowerment als Schlüssel: Kinder und Erwachsene bauen kausale Modelle

Ein neues arXiv‑Veröffentlichung (2512.08230v1) beleuchtet, wie das Konzept des Empowerments – die Maximierung der gegenseitigen Information zwischen Handlungen und deren Folgen – die Brücke zwischen klassischer Bayesscher Kausalität und Reinforcement Learning schlagen kann. Die Autoren argumentieren, dass ein Agent, der ein präzises kausales Weltmodell erlernt, automatisch sein Empowerment steigert, und umgekehrt führt ein höheres Empowerment zu einem genaueren Modell.

Die Studie untersucht systematisch, wie Kinder und Erwachsene auf Signale von Empowerment reagieren, um kausale Beziehungen zu erkennen und gezielte Interventionen zu planen. Dabei wird gezeigt, dass sowohl bei Kindern als auch bei Erwachsenen die Wahrnehmung von Kontrolle und Variabilität entscheidend dafür ist, welche kausalen Modelle sie konstruieren und welche Handlungen sie wählen.

Diese Erkenntnisse liefern nicht nur ein besseres Verständnis menschlicher Kausalität, sondern eröffnen auch neue Wege, um maschinelles Lernen zu verbessern. Durch die Integration von Empowerment als intrinsisches Belohnungssignal könnten zukünftige KI‑Systeme effizienter kausale Strukturen erlernen und damit ihre Entscheidungsfähigkeit deutlich steigern.