Die Neurowissenschaft beschreibt, wie biologische Systeme Information aufnehmen, verarbeiten, speichern und für Verhalten nutzbar machen. Für KI ist sie ein wichtiger Referenzrahmen, aber keine direkte Blaupause. Der Vergleich zwischen Gehirn und künstlichen Modellen hilft, Begriffe wie Aufmerksamkeit, Gedächtnis, Lernen, Repräsentation und Generalisierung genauer zu fassen. Gleichzeitig bleiben die Unterschiede zentral: biologische Systeme arbeiten körpergebunden, energieeffizient, adaptiv und über viele Zeitskalen hinweg, während heutige KI-Systeme meist über Training, Inferenz und externe Kontextfenster organisiert sind. Die Artikel dieser Kategorie untersuchen diese Nähe und Distanz zwischen Neurowissenschaft und künstlicher Intelligenz.
Wie Gehirn und Sprachmodell mit verwandten Problemen umgehen - von schlafähnlichem Replay bis funktionaler Metakognition.
Embodiment-Gap, evolutionäre Priors und methodische Artefakte - warum Parallelen zwischen Gehirn und KI begrenzt bleiben.
Wie Lesen und Transformer-Verarbeitung mehrstufige Repräsentationen aufbauen - von Buchstabenerkennung bis semantischer Emergenz.
Primacy/Recency-Effekt und Lost-in-the-Middle - wie Mensch und KI Information unter begrenzter Abruf- und Kompressionskapazität verarbeiten.
Parallelen zwischen biologischen und künstlichen neuronalen Netzen und was sie über Informationsverarbeitung verraten.