Generative KI: Neue Theorie erklärt Lernengpässe bei Informationsverarbeitung

Mit dem Aufkommen generativer KI hat sich die Kostenstruktur für die Produktion von Wissen drastisch verändert. Erklärungen, Beweise und Beispiele sind heute fast kostenlos verfügbar – doch ihr Nutzen hängt entscheidend davon ab, ob die Nutzer sie tatsächlich verstehen und anwenden können.

In einem neuen arXiv‑Papiertitel „A Mathematical Theory of Understanding“ wird ein mathematisches Modell vorgestellt, das genau diesen Lernengpass erfasst. Der Autor beschreibt den Lernenden als ein abstraktes „Mind“ – sei es ein Mensch, ein neuronales Netzwerk oder ein beliebiger Agent – dessen Fähigkeit, Signale zu deuten, von zuvor erworbenen Konzepten abhängt.

Lehrende werden als sequentielle Kommunikation mit einem latenten Ziel modelliert. Ein Signal ist nur dann nutzbar, wenn der Lernende die notwendigen Voraussetzungen besitzt. Dadurch wird der Informationskanal dynamisch: je mehr Wissen ein Lernender erwirbt, desto informativer werden die Instruktionen. Das Modell liefert zwei Grenzen für die Lerngeschwindigkeit: eine strukturelle, die durch die Erreichbarkeit von Voraussetzungen bestimmt wird, und eine epistemische, die die Unsicherheit über das Ziel reflektiert.

Ein zentrales Ergebnis ist die Vorhersage von Schwellenwirkungen. Wenn die Lehrzeit unter die Tiefe der erforderlichen Voraussetzungen fällt, kann zusätzliche Instruktion keine Fortschritte bringen. Nur wenn die Lernenden die nötigen Bausteine besitzen, entfaltet sich das volle Potenzial der generativen KI für effektives Lernen.