Die Menschheit hat gelernt, Wissen zu schaffen, aber nicht, Verständnis zu vermitteln

Die Menschheit hatte noch nie einen solchen Zugang zu Informationen wie heute.

Praktisch jeder Mensch kann innerhalb weniger Sekunden ein Lehrbuch über Quantenphysik, Vorlesungen der besten Universitäten der Welt, Programmierdokumentationen, wissenschaftliche Artikel über Genetik sowie Kurse zu Wirtschaft, Geschichte, Ingenieurwesen oder Medizin finden.

Und mit dem Aufkommen der künstlichen Intelligenz verschwindet sogar die Notwendigkeit, den Großteil dieser Informationen selbst zu suchen. Man kann einfach eine Frage stellen und erhält eine Antwort.

Man könnte meinen, wir hätten das Problem des Informationszugangs gelöst.

Aber wir haben ein weitaus wichtigeres Problem nicht gelöst.

Zugang zu Informationen ist kein Zugang zu Verständnis.

Man kann einem Menschen einen absolut exakten wissenschaftlichen Text geben, der äußerst wertvolle Informationen enthält, und ihm praktisch nichts vermitteln.

Denn um Informationen zu verstehen, muss ein Mensch bereits etwas verstehen.

Und genau hier liegt eines der fundamentalen Probleme des modernen Wissensvermittlungssystems.

Das Konzept – die elementare Einheit des Verständnis

Wir sind es gewohnt, Informationen in Wörtern, Seiten, Büchern, Vorlesungen, Lernstunden und Gigabytes an Daten zu messen.

Aber das menschliche Denken funktioniert anders.

Wir speichern keine Bücher in unserem Inneren.

Wir bauen Konzepte.

Ein Konzept ist eine in sich geschlossene Sinneinheit, die ein Mensch erkennen, gedanklich rekonstruieren und nutzen kann, um etwas Nächstes zu verstehen.

Das Wort „Druck“ zum Beispiel ist an sich kein Wissen.

Für den einen verbirgt sich dahinter die Schuldefinition, die er fast vergessen hat.

Für einen Ingenieur ist es ein ganzes System physikalischer Modelle.

Für einen Klempner kommt noch die praktische Erfahrung hinzu: wie sich Wasser verhält, was bei einer Änderung des Rohrdurchmessers passiert, warum das System Geräusche macht, wo Probleme entstehen.

Das Wort ist dasselbe.

Die Konzepte dahinter sind unterschiedlich.

Und umgekehrt: Ein Mensch kann eine bestimmte Idee hervorragend verstehen, ohne den üblichen wissenschaftlichen Begriff überhaupt zu kennen.

Er versteht zum Beispiel, dass ein System die Einwirkung selbst verringern kann, wenn das Ergebnis zu groß wird, und sie erhöhen kann, wenn das Ergebnis zu klein wird.

Er versteht den Mechanismus bereits.

Er weiß vielleicht einfach nicht, dass es den Begriff „negative Rückkopplung“ gibt.

Deshalb sind Begriff und Konzept nicht dasselbe.

Ein Begriff ist ein Wegweiser.

Ein Konzept ist das, was sich hinter diesem Wegweiser im Kopf eines Menschen entfaltet.

Dieser Unterschied mag gering erscheinen, aber er verändert den Blick auf die Bildung grundlegend.

Der Mensch sammelt Wissen nicht linear

Die Vorstellung von Lernen als einem sequenziellen Füllen des Kopfes mit Informationen ist zu primitiv.

Es passiert etwas anderes.

Ein Mensch eignet sich ein neues Konzept über bereits existierende an.

Zunächst muss eine komplexe Idee lang und breit erklärt werden – durch Beispiele, Analogien und vertraute Phänomene.

Dann versteht der Mensch sie.

Danach kann die gesamte Konstruktion in einen kurzen Namen verpackt werden.

Jetzt reicht es aus zu sagen:

„negative Rückkopplung“

– und im Kopf des Menschen entfaltet sich das ihm bereits bekannte Modell.

Aus mehreren Absätzen Information wurden zwei Wörter.

Aber es ist noch etwas Wichtigeres passiert.

Das neue Konzept kann nun verwendet werden, um die nächsten Konzepte zu verstehen.

Lernen sieht daher nicht so aus:

Wissen + Wissen + Wissen + Wissen.

Sondern eher:

verstanden → komprimiert → wiederverwendet → dadurch etwas Komplexeres verstanden → erneut komprimiert.

Der Mensch baut seine eigene Denksprache ständig um.

Je reicher dieses System ist, desto komplexere Informationen können ihm in einer kurzen Nachricht vermittelt werden.

Ein Satz, der für die eine Person völlig sinnlos ist, kann einer anderen in wenigen Sekunden eine enorme Menge an Wissen vermitteln.

Genau deshalb können zwei Menschen denselben wissenschaftlichen Artikel lesen und faktisch eine völlig unterschiedliche Menge an Informationen daraus ziehen.

Die Übertragung von Informationen bedeutet keine Übertragung von Verständnis

Stellen wir uns folgenden Satz vor:

Moderne Systeme nutzen Knowledge Tracing in Kombination mit Knowledge Graphs, um adaptive Lernpfade unter Berücksichtigung der kognitiven Belastung und der Voraussetzungen des Lernenden zu erstellen.

Für einen Fachmann mag dies eine völlig normale und kompakte Formulierung sein.

Für eine Vielzahl von Menschen ist dies Informationsmüll.

Nicht, weil sie unfähig wären, die Idee zu verstehen.

Sondern weil die Nachricht durch Konzepte codiert ist, die in ihrem Kopf noch nicht existieren.

Man hätte denselben Gedanken auch anders ausdrücken können:

Ein Computer kann schrittweise ermitteln, was ein Mensch bereits versteht, welches Wissen er noch benötigt und in welcher Reihenfolge es ihm am besten vermittelt werden sollte, damit er nicht gezwungen ist, zu viel Neues auf einmal zu lernen.

Nun ist die Nachricht für ein völlig anderes Publikum zugänglich geworden.

Die inhaltliche Information hat sich kaum verändert.

Verändert hat sich die Art ihrer Codierung.

Und dies ermöglicht es, ein wichtiges Prinzip zu formulieren:

Eine gute Erklärung wird nicht nur dadurch bestimmt, was der Sender weiß. Sie wird dadurch bestimmt, was der Empfänger bereits weiß.

Eine universell gute Erklärung existiert möglicherweise überhaupt nicht.

Wissenschaftliches Wissen wird zunehmend komprimiert

Mit der Entwicklung jedes Fachgebiets entsteht eine eigene Sprache.

Das ist notwendig.

Es ist für Fachleute sinnlos, sich gegenseitig jedes Mal grundlegende Ideen von Null an zu erklären. Komplexe Konstruktionen erhalten Namen und werden zu neuen Bausteinen des Denkens.

Ein einziger Begriff beginnt eine Seite von Erklärungen zu ersetzen.

Das ist eine extrem effiziente Informationskomprimierung.

Aber sie hat ihren Preis.

Um einen solchen Begriff zu entpacken, muss ein Mensch von vornherein über das entsprechende Konzept verfügen.

Daher entwickelt jedes fortgeschrittene Fachgebiet schrittweise seinen eigenen Decoder.

Physiker verstehen Physiker.

Biologen verstehen Biologen.

Ökonomen verstehen Ökonomen.

Programmierer verstehen Programmierer.

Das Problem wird besonders an den Grenzen von Disziplinen sichtbar.

Ein hochqualifizierter Spezialist kann eine Arbeit aus einem Nachbargebiet öffnen und feststellen, dass ein großer Teil des Textes für ihn praktisch unverständlich ist.

Er kann jedes einzelne Wort lesen.

Aber er kann die dahinter stehenden Konzepte nicht entpacken.

So entsteht ein Paradoxon.

Die Menschheit weiß immer mehr, aber für den Einzelnen wird es immer schwieriger, Zugang zum gesamten Wissen der Menschheit zu erhalten.

Die moderne Bildung versucht, das falsche Problem zu lösen

Die traditionelle Bildung geht in der Regel vom Fach aus.

Hier ist der Lehrplan.

Hier ist die Themenabfolge.

Hier ist das erste Semester.

Hier das zweite.

Hier ist die Literaturliste.

Und dann versucht man, Tausende völlig unterschiedlicher Menschen durch diesen Lehrpfad zu führen.

Aber diese Menschen haben unterschiedliche Köpfe.

Der eine kennt bereits die Hälfte der notwendigen Konzepte.

Dem anderen fehlen ein paar Grundlagen.

Der dritte versteht die Idee an sich hervorragend, kennt aber den Fachbegriff nicht.

Der vierte kennt den Begriff und kann die Definition wiederholen, aber das Konzept dahinter fehlt faktisch.

Der fünfte ist überhaupt nur wegen einer einzigen konkreten Fähigkeit gekommen, für die 80 % des Kurses niemals benötigt werden.

Wir versuchen, den Menschen an den Lehrplan anzupassen.

Es wäre logischer, es umgekehrt zu machen.

Man muss nicht beim Fach beginnen. Man muss beim Ziel beginnen

Angenommen, ein Mensch möchte eine bestimmte Fähigkeit erlangen.

Nicht „Programmieren lernen“.

Sondern zum Beispiel:

lernen, eigenständig einfache digitale Tools für das eigene Geschäft zu erstellen.

Das ist eine völlig andere Fragestellung.

Jetzt kann man fragen:

Was muss dieser konkrete Mensch wirklich verstehen, um diese Fähigkeit zu erlangen?

Was versteht er bereits?

Welche Konzepte fehlen?

Welche traditionell gelernten Dinge hat die moderne Technologie bereits überflüssig gemacht?

Was reicht es, wenn er es oberflächlich weiß?

Was muss tief verstanden werden?

Welche Zwischenkonzepte können komplett übersprungen werden?

Und plötzlich zeigt sich, dass der traditionelle Weg von tausend konventionellen Wissenseinheiten auf zweihundert verkürzt werden kann.

Nicht durch eine Verschlechterung des Ergebnisses.

Sondern durch das Entfernen von Informationen, die für das gesetzte Ziel dieses konkreten Menschen in der heutigen Technologiewelt nicht erforderlich sind.

Technologie zerstört ständig altes, obligatorisches Wissen

In den Anfängen der Personal Computer musste man einem Menschen tatsächlich beibringen, die grafische Benutzeroberfläche mit dem Befehl win zu starten.

Man musste erklären, was ein Fenster, ein Icon und ein Doppelklick sind.

Heute werden diese Kenntnisse von einer riesigen Anzahl von Menschen niemals benötigt.

Die Technologie hat das entsprechende Komplexitätsniveau versteckt.

Aber das Bildungswesen besitzt eine enorme Trägheit.

Wir bauen weiterhin Lehrpläne auf der Grundlage historisch gewachsener Ketten auf:

Um D zu verstehen, studiere zuerst A, dann B, danach C.

Obwohl die moderne Welt bereits folgendes ermöglicht:

A → D.

Oder sogar:

D.

Das geschieht derzeit besonders schnell dank KI.

Was vor fünf Jahren eine notwendige professionelle Kompetenz war, kann morgen zu einem internen technischen Detail eines intelligenten Systems werden.

Folglich kann die Kette der obligatorischen Konzepte nicht starr sein.

Sie muss kontinuierlich überprüft werden.

Künstliche Intelligenz ermöglicht eine andere Architektur des Lernens

Vor dem Aufkommen moderner KI-Systeme war es praktisch unmöglich, die Wissensvermittlung auf diese Weise zu personalisieren.

Der Autor eines Lehrbuchs ist gezwungen, eine einzige Version des Textes zu schreiben.

Ein Dozent kann die Erklärung zwar ein wenig an das Publikum anpassen, ist aber physisch nicht in der Lage, das genaue Wissensmodell von Hunderten von Schülern ständig aufrechtzuerhalten.

KI ist in der Lage, anders zu arbeiten.

Das System kann schrittweise ein lebendiges Modell der Konzepte einer bestimmten Person aufbauen.

Nicht einfach:

kennt Mathematik – 72 %.

Sondern:

versteht dieses Konzept gut; verwendet es, versteht aber den Mechanismus nicht; kennt es unter einem anderen Namen; hier fehlt der notwendige kausale Zusammenhang; dieser Begriff ist der Person unbekannt, obwohl ihr die Idee selbst bereits klar ist.

Danach wird die Aufgabe der Erklärung berechenbar.

Es gibt:

das Ziel des Menschen;

sein aktuelles Konzeptesystem;

den riesigen Graph des menschlichen Wissens;

die modernen technologischen Möglichkeiten.

Man muss die minimale Kette von Veränderungen finden, die den Menschen vom aktuellen Zustand zu der benötigten Fähigkeit führt.

Nicht die Lernzeit muss minimiert werden

Normalerweise fragen wir:

Wie können wir diesen Kurs schneller erklären?

Das ist eine sekundäre Frage.

Die erste sollte lauten:

Warum sollte ein Mensch diesen ganzen Kurs überhaupt lernen?

Wenn der Lehrplan eintausend Konzepte enthält, für das Ziel einer konkreten Person aber nur hundert nötig sind, ist das Beschleunigen des Lernens von eintausend Konzepten eine schlechte Optimierung.

Zuerst müssen neunhundert weggeworfen werden.

Von den verbleibenden hundert kennt ein Teil der Mensch bereits.

Einige können durch ein allgemeineres Modell ersetzt werden.

Einige reichen aus, um sie zu markieren: „Wisse, dass es diesen Bereich gibt und wann man sich an ihn wenden muss.“

Einige müssen tatsächlich tief verstanden werden.

Erst danach macht es Sinn, die Erklärung zu optimieren.

Wir können das menschliche Gehirn nicht dazu bringen, zwanzigmal schneller zu lernen.

Aber manchmal können wir die Menge dessen, was er tatsächlich lernen muss, um das Zwanzigfache reduzieren.

Das ist ein grundlegend anderer Weg zur Beschleunigung der menschlichen Entwicklung.

Dabei hat jeder seinen eigenen minimalen Pfad

Angenommen, man muss einem Menschen ein bestimmtes Steuerungssystem erklären.

Einem Ingenieur erklärt man es am besten mathematisch.

Einem Programmierer über den Programmzustand und die Feedback-Schleife.

Einem Unternehmer über Preise und Nachfrageänderungen.

Einem Klempner über Druck und Ventile.

Das sind nicht vier verschiedene Konzepte.

Das sind vier verschiedene Wege, um zu einem recht ähnlichen internen Modell zu gelangen.

Sobald das Verständnis entstanden ist, kann man sagen:

In allgemeiner Form nennt man das so und so.

Nun hat der Fachbegriff aufgehört, ein unbekanntes Wort zu sein.

Er ist zu einem komprimierten Wegweiser zu einem bereits existierenden Konzept geworden.

Die nächste Erklärung kann bereits über ihn aufgebaut werden.

Deshalb muss sich das Lernsystem ständig gemeinsam mit dem Menschen verändern.

Die Erklärung, die er heute benötigt, wird in einem halben Jahr frustrierend primitiv sein.

Sein interner Decoder hat sich verändert.

Das bedeutet, dass sich auch die Sprache des Systems ändern muss.

Zuerst muss der Mensch lernen, wie man lernt

Aber es gibt ein Problem, das noch tiefer liegt als jede Technologie.

Eine enorme Anzahl von Menschen versteht überhaupt nicht, was während des Lernprozesses passiert.

Ein Mensch kommt in einen Kurs.

Er hört sich eine Vorlesung an.

Irgendwann hört er auf zu verstehen, was vor sich geht.

Er hört weiter zu.

Die nächsten Erklärungen bauen bereits auf dem nicht verstandenen Konzept auf.

Nach zwanzig Minuten sind drei Konzepte unklar.

Nach einer Stunde die Hälfte des Materials.

Und der Mensch zieht den Schluss:

„Ich bin nicht klug genug.“

Obwohl die technische Beschreibung des Problems eine völlig andere sein kann:

In der Verständnis kette fehlt ein Knotenpunkt.

Möglicherweise hat der Dozent einen Begriff verwendet und angenommen, dieser sei bereits bekannt.

Möglicherweise hat er einen kausalen Zusammenhang ausgelassen.

Möglicherweise hat er eine Abstraktion verwendet, die man der konkreten Person am besten zuerst anhand eines Beispiels gezeigt hätte.

Möglicherweise wird das gesamte Zwischenmaterial für seine Aufgabe überhaupt nicht benötigt.

Deshalb ist eine der ersten Fähigkeiten, die man einem Menschen beibringen muss, die Diagnose des eigenen Nicht-Verständnisses.

Nicht:

Ich verstehe Physik nicht.

Sondern:

In dieser Erklärung verstehe ich A und B, aber ich verstehe nicht, warum aus B das C folgt.

Oder:

Ich weiß nicht, was das Wort X bedeutet.

Oder:

Der Mechanismus selbst ist mir klar, aber ich verstehe nicht, warum er hier angewendet wird.

Das Nicht-Verstehen hört auf, eine Bewertung des Menschen zu sein.

Es wird zu einer konkreten technischen Störung in der Konzept kette, die gefunden und behoben werden kann.

Das bedeutet zu lernen, wie man lernt.

KI kann die intellektuelle Kluft sowohl vergrößern als auch verkleinern

Hier taucht ein weiteres Problem auf.

Wir gehen oft davon aus, dass eine für alle zugängliche KI die Menschen intellektuell angleichen wird.

Das ist keineswegs garantiert.

Stellen wir uns zwei Personen mit demselben Zugang zu demselben Modell vor.

Die erste verwendet es so:

Mach das.

Die KI macht es.

Der Mensch bekommt das Ergebnis.

Der zweite:

Warum ist das genau so geworden? Welche Alternativen gibt es dazu? Was verstehe ich nicht? Welchem allgemeineren Prinzip ähnelt das? Wo wird es sonst noch angewendet? Welche Annahmen haben wir jetzt stumm vorausgesetzt?

Die KI antwortet.

Die Antwort wirft neue Fragen auf.

Neue Antworten schaffen neue Konzepte.

Neue Konzepte ermöglichen es dem Menschen, Fragen zu stellen, die ihm vorher nicht einmal in den Sinn gekommen wären.

Es entsteht eine positive Rückkopplung:

Verständnis → stärkere Fragen → stärkere Nutzung der KI → neues Verständnis → noch stärkere Fragen.

Daher kann derselbe Zugang zur KI zu völlig unterschiedlichen Ergebnissen führen.

Bei dem einen Menschen wächst hauptsächlich die Produktivität.

Bei dem anderen wächst gleichzeitig der Mensch selbst.

Und die Kluft zwischen ihnen wird vielleicht nicht kleiner, sondern wächst rasant an.

Die KI wird in diesem Fall zu einem Verstärker der intellektuellen Dispersion.

Die Komplexität des Ergebnisses zeigt nicht länger die Komplexität des Menschen

Dies ist ein neuer Zustand für die Menschheit.

Früher gab es einen relativ starken Zusammenhang:

Um komplexere Dinge zu schaffen, musste der Mensch selbst kompetenter werden.

Die KI bricht diesen Zusammenhang schrittweise auf.

Ein Mensch kann ein Softwareprodukt erstellen, ohne Programmierkenntnisse zu haben.

Er kann einen komplexen Analysebericht erhalten, ohne die entsprechenden Analysemethoden zu beherrschen.

Er kann Prozesse steuern, deren inneren Aufbau er kaum versteht.

Das ist nicht unbedingt schlecht.

Aber es entsteht ein fundamentaler Unterschied:

Komplexität des vom Menschen erzeugten Ergebnisses ≠ intellektuelle Komplexität des Menschen selbst.

Man kann ein riesiges Volumen an intellektuell komplexen Produkten produzieren und dabei fast die gesamte darin enthaltene Komplexität aus der KI importieren.

Daher kann Produktivität nicht länger als ausreichender Indikator für die menschliche Entwicklung angesehen werden.

Man muss eine andere Frage stellen:

Was hat sich im Kopf des Menschen nach der Erledigung dieser Arbeit verändert?

Man darf jedoch nicht jede Arbeit zu einer Lektion machen

Daraus lässt sich leicht ein falscher Schluss ziehen:

Das bedeutet, dass die KI den Menschen jedes Mal zwingen sollte, selbstständig zu denken und ihm alles zu erklären, was sie tut.

Das würde den Sinn der intellektuellen Automatisierung zerstören.

Die menschliche Aufmerksamkeit ist begrenzt.

Man kann einen Menschen nicht dazu zwingen, den inneren Aufbau jedes Werkzeugs zu studieren, das er benutzt.

Genau deshalb wird die Idee des minimal notwendigen Konzepts zentral.

Das System muss in der Lage sein zu unterscheiden:

das muss der Mensch verstehen;

darüber reicht es zu wissen, dass es existiert;

das wird erst beim Auftreten einer bestimmten Situation benötigt;

das kann vollständig an die Maschine übertragen werden.

Das Ziel ist nicht, das Wissen des Menschen zu maximieren.

Das Ziel ist, seine Fähigkeit zu maximieren, bei minimalen kognitiven Kosten zu verstehen und zu handeln.

Das Konzept wird zur ultimativen Informationseinheit

Daraus ergibt sich ein architektonisches Prinzip.

Kein Artikel.

Kein Buch.

Keine Lektion.

Kein Kurs.

Keine Disziplin.

Das Konzept.

Große Informationskonstrukte werden nur deshalb benötigt, weil ein Mensch manchmal eine lange Abfolge von Erklärungen benötigt, um ein einziges Konzept zu bilden.

Das Endprodukt ist jedoch keine gelesene Seite.

Das Ergebnis ist eine im Kopf entstandene Sinneinheit, die der Mensch weiter verwenden kann.

Deshalb kann das Konzept gleichzeitig als elementare und ultimative Wissenseinheit betrachtet werden.

Elementar – weil das weitere Lernen aus bereits beherrschten Konzepten aufgebaut wird.

Ultimativ – weil die Aufgabe der Informationsübertragung nicht dann endet, wenn ein Mensch den Text gelesen hat, sondern dann, wenn das benötigte Konzept erfolgreich in seinem Weltmodell rekonstruiert wurde.

Der Text ist das Transportmittel.

Der Begriff ist die Adresse.

Die Erklärung ist die Art und Weise der Decodierung.

Das Konzept ist das Ergebnis.

Möglicherweise brauchen wir eine neue Theorie der Wissensvermittlung

Die klassische Informationstheorie beantwortet Fragen zur Signalübertragung hervorragend.

Aber für das menschliche Lernen reicht es nicht aus zu wissen, wie viele Informationen übertragen wurden.

Man kann ein Gigabyte Text übertragen und im Kopf des Empfängers praktisch nichts verändern.

Man kann aber auch einen einzigen Satz sagen – und seine Vorstellung von einem ganzen Fachgebiet umgestalten.

Das bedeutet, dass uns eine andere Größe interessiert.

Nicht:

Wie viele Informationen wurden übertragen?

Sondern:

Welche nützliche Veränderung hat im Konzeptesystem des Empfängers stattgefunden und zu welchen kognitiven Kosten?

Dies ermöglicht eine andere Definition der Lerneffizienz.

Eine gute Erklärung ist nicht die vollständigste.

Nicht die wissenschaftlichste.

Nicht die kürzeste.

Und nicht einmal unbedingt die präziseste in maximaler Detailtiefe.

Eine gute Erklärung ist diejenige, die mit minimalem Aufwand an menschlicher Aufmerksamkeit ein ausreichend präzises Konzept für die nächste notwendige Handlung oder das nächste Verständnis schafft.

Und danach wird dieses Konzept zum Baustein für das nächste.

Von der universellen Bildung zu einem lebendigen System von Konzepten

Am Ende ergibt sich eine völlig andere Architektur.

Es gibt keinen einzigen richtigen Kurs.

Es gibt keinen festen Satz an obligatorischen Voraussetzungen (Prerequisites).

Es gibt keine einzige optimale Erklärung.

Es gibt einen Menschen im Zustand H₀.

Es gibt eine Fähigkeit, die er erlangen möchte – T.

Es gibt den aktuellen Zustand der Welt und der Technologie – W.

Und es gibt eine gewisse minimale Transformation:

H₀ → H₁ → H₂ → … → T

Jeder Übergang – das Entstehen oder die Umstrukturierung eines Konzepts.

Nach jedem Übergang kann die Route neu berechnet werden.

Möglicherweise hat ein neues Konzept es ermöglicht, drei folgende zu überspringen.

Möglicherweise wurde eine alte Lücke entdeckt.

Möglicherweise hat der Mensch die notwendige Verbindung bereits selbst hergestellt.

Möglicherweise hat sich die Technologie verändert und ein ganzer Wissenszweig wird nicht mehr benötigt.

Daher muss der Graph lebendig sein.

Und das Modell des Menschen muss lebendig sein.

Die Hauptaufgabe – die Durchsatzrate der menschlichen Entwicklung erhöhen

Die menschliche Physiologie verändert sich langsam.

Wir können das menschliche Gedächtnis nicht einfach verzehnfachen oder das Gehirn dazu bringen, komplexe Modelle mit der Geschwindigkeit eines Computers aufzunehmen.

Aber ein riesiger Teil der heutigen Lernkosten wird keineswegs durch die Physiologie bestimmt.

Sie wird durch schlechte Informationsinfrastruktur und -routing bestimmt.

Wir unterrichten bereits Bekanntes.

Wir erklären durch unbekannte Begriffe.

Wir vermitteln Details, die niemals gebraucht werden.

Wir zwingen dazu, historisch gewachsene Voraussetzungen zu studieren.

Wir verwenden dieselben Erklärungen für verschiedene Menschen.

Wir verwechseln das Wiedererkennen von Begriffen mit dem Verstehen von Konzepten.

Wir bemerken kleine Lücken nicht, die ganze nachfolgende Ketten blockieren.

Und wir zwingen den Menschen, sich seinen Weg durch den riesigen Raum des menschlichen Wissens selbst zu suchen.

Die KI ermöglicht es zum ersten Mal, fast all diese Verluste gleichzeitig anzugreifen.

Das Gehirn nicht schneller machen.

Den Weg verkürzen.

Dem Menschen nicht mehr Informationen geben.

Weniger übermitteln – aber genau das, was er in Verständnis verwandeln kann.

Nicht jeden dazu bringen, alles zu wissen.

Jedem ein minimal ausreichendes System von Konzepten geben, das es erlaubt, weiterzugehen.

Und genau das wird vielleicht eine der wichtigsten Veränderungen in der Bildung im Zeitalter der künstlichen Intelligenz sein.

Denn das Problem der Menschheit ist seit langem kein Mangel an Informationen mehr.

Das Problem ist, wie viel von einer Menschenlebenszeit heute erforderlich ist, um verfügbare Informationen in Verständnis zu verwandeln.