Intelligenz kann allgemein als die Fähigkeit eines Individuums oder eines Systems verstanden werden, Informationen zu erfassen, zu verarbeiten und daraus zu lernen, Probleme zu lösen, Wissen zielgerichtet anzuwenden, Entscheidungen zu treffen sowie sich an neue und veränderte Situationen anzupassen (Jäncke, 2023).
Bei Anwendung dieses Intelligenzverständnisses auf ChatGPT, das wohl bekannteste Large Language Model (LLM), kann dieses gemäss der Definition als «intelligent» eingestuft werden.
Dennoch bestehen zwischen menschlicher und künstlicher Intelligenz grundlegende Unterschiede. Künstliche Intelligenz ist stets auf jene Aufgaben- und Wissensbereiche beschränkt, für die sie mit entsprechenden Daten trainiert wurde, während menschliche Intelligenz deutlich flexibler, kontextsensitiver und erfahrungsbasiert ist. Darüber hinaus unterscheiden sich die zugrunde liegenden Lernprozesse: Menschliches Lernen erfolgt durch Wahrnehmung, Erfahrung und bewusste Reflexion, während künstliches Lernen primär auf statistischen Mustern und algorithmischer Optimierung beruht.
In der nachfolgenden Tabelle werden zentrale Merkmale menschlicher und künstlicher Intelligenz vergleichend zusammengefasst.
| Merkmal | Menschliches Lernen | Maschinelles Lernen |
| Grafische Darstellung |  |  |
| Ursprung | Biologisch-neuronales Netzwerk | Künstliches Netzwerk bestehend aus Wahrscheinlichkeitsknoten |
| Energieverbrauch | Extrem energieeffizient (nur ca. 20 Watt Leistung) | Hoher Energieverbrauch, viele GPUs (Grafikprozessoren) |
| Lernprozess | Extrem Lerneffizient: Lernt durch Erfahrung, Wahrnehmung, Emotionen und soziale Interaktion | Lernt durch Training mit grossen Datenmengen und statistischer Mustererkennung |
| Wissensaneigung | Kontinuierliches Lernen | Diskretes Lernen: Verarbeitung von Daten auf Anweisung |
| Verständnis | Tiefes semantisches und kontextuelles Verständnis | Kein echtes Verständnis, sondern probabilistische Sprachverarbeitung |
| Kreativität | Eigenständig, bewusst und erfahrungsbasiert | Kombinatorisch, basiert auf vorhandenen Datenmustern |
| Fehlerverhalten | Kann aus Fehlern reflektiert lernen | Fehlerkorrektur nur indirekt über Nachtraining oder menschliches Feedback |