Zum Inhalt springen

Künstliche Intelligenz

Künstliche Intelligenz bzw. artifizielle Intelligenz ist ein Teilgebiet der informationellen Psychologie, das sich mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen befasst.

Angst, etwas zu verpassen, und maladaptives Verhalten

McKee et al. (2022) haben in einer zweiteiligen Querschnittsstudie die Beziehung zwischen der Angst, etwas zu verpassen und maladaptiven Verhaltensweisen bei Studenten untersucht. Dabei wurde erfasst, ob FOMO bei Hochschulstudenten maladaptive Verhaltensweisen in verschiedenen Bereichen wie Alkohol- und Drogenkonsum, akademisches Fehlverhalten, illegales Verhalten voraussagt. Die Teilnehmer füllten Fragebögen in Papierform aus, in denen die FOMO-Eigenschaften und Fragen zu unethischem und illegalem Verhalten während des Studiums erfasst wurden, wobei im ersten Teil traditionelle statistische Analysen (hierarchische Regressionsmodelle) eingesetzt… Weiterlesen »Angst, etwas zu verpassen, und maladaptives Verhalten

Künstliche Intelligenz in Suchalgorithmen verstärkt die geschlechtsspezifischen Ungleichheiten

Menschen verlassen sich häufig auf Algorithmen der künstlichen Intelligenz, um ihre Entscheidungseffizienz und Objektivität zu erhöhen, doch wurden bisher häufig in den Ergebnissen dieser Algorithmen systembedingte soziale Verzerrungen festgestellt. Vlasceanu & Amodio (2022) haben nun die Beziehung zwischen gesellschaftlicher Geschlechterungleichheit und algorithmischen Suchergebnissen überprüft und dann die Auswirkungen dieser Ergebnisse auf die menschliche Entscheidungsfindung untersucht. Zunächst fanden sie in zwei multinationalen Stichproben, dass eine größere Ungleichheit zwischen den Geschlechtern auf nationaler Ebene mit mehr männlich dominierten Google-Suchergebnissen… Weiterlesen »Künstliche Intelligenz in Suchalgorithmen verstärkt die geschlechtsspezifischen Ungleichheiten

Das katastrophische Vergessen neuronaler Netzwerke

? Erworbenen Wissen künstlicher neuronaler Netze kann nicht einfach bis ins Unendliche erweitert werden, wobei das Problem des katastrophalen Vergessens hinzukommt, denn kaum hat ein Algorithmus mühsam eine Aufgabe gelernt, werden die nun dazu passenden gewichteten Verknüpfungen des neuronalen Netzes auf eine zweite Aufgabe hin optimiert und letztlich dadurch überschrieben. Das ist im Unterschied zum tierischen oder menschlichen Lernen, denn wenn eine eine Maus etwas Neues lernt, verstärkt das die beteiligten Synapsen zwischen den Nervenzellen. Dabei wachsen… Weiterlesen »Das katastrophische Vergessen neuronaler Netzwerke

Fünfundachtzig-Prozent-Regel

Eine der zentralen Fragen des menschlichen Lernens ist die Festlegung des Schwierigkeitsgrades eines Stoffes und dessen Einfluss auf die Lerngeschwindigkeit. In vielen Situationen stellt man fest, dass es einen Punkt gibt, an dem das Üben weder zu leicht noch zu schwer ist und in dem das Lernen am schnellsten voranschreitet. Wilson et al. (2019) haben die Bedingungen für diesen Punkt bei Lernalgorithmen im Kontext binärer Klassifikationsaufgaben überprüft und festgestellt, dass die optimale Fehlerquote für das Training bei… Weiterlesen »Fünfundachtzig-Prozent-Regel