Eine neu veröffentlichte Studie in der Fachzeitschrift Nature Neuroscience widerlegt die vereinfachte Annahme, das menschliche Gehirn arbeite bei der Sprachverarbeitung exakt wie Large Language Models (LLMs) bei der Vorhersage des nächsten Wortes. Das Forschungsteam unter der Leitung von Wissenschaftlern der New York University, des Ernst Struengmann Instituts und der Zhejiang Universität hat nachgewiesen, dass die menschliche Sprachvorhersage deutlich komplexer abläuft. Während LLMs darauf optimiert sind, das jeweils nächste Wort allein basierend auf statistischer Wahrscheinlichkeit aus dem unmittelbaren Kontext zu generieren, berücksichtigt das menschliche Gehirn eine umfassendere linguistische Struktur. Statt nur das einzelne Folgeward zu betrachten, analysieren Menschen Wörter als Teile grammatischer Phrasen, sogenannter Konstituenten. Ähnlich wie ein Rätselspieler, der die Form und Anordnung umliegender Teile betrachtet, um das nächste Puzzleteil zu platzieren, bewerten Gehirn und Bewusstsein die Einbettung eines Wortes in größere Wortgruppen. Co-Autor David Poeppel von der New York University erklärt diesen Unterschied: „Während LLMs Vorhersagen weitgehend gleichmäßig treffen und jedes Wort den gleichen Vorhersagekontext nutzt, macht das menschliche Gehirn zunächst grammatische Gruppierungen und bestimmt dann innerhalb dieser Struktur die bestmögliche Vorhersage." Dies bedeutet, dass die menschliche Vorhersagekraft nicht isoliert, sondern moduliert durch die Kenntnis syntaktischer Zusammenhänge funktioniert. Die Forscher stützten ihre Erkenntnisse auf eine Reihe von Experimenten mit Muttersprachlern des Mandarins, wobei sie Magnetoenzephalografie (MEG) einsetzten, um die Gehirnaktivität in Echtzeit zu messen. Zudem wurden klassische Cloze-Tests durchgeführt, bei denen Wörter aus Sätzen entfernt und die Probanden aufforderten, diese zu ergänzen, um das Vorhersagevermögen direkt zu quantifizieren. Zur Bestätigung der Universalität der Ergebnisse wurden zusätzliche Daten von Patienten mit Englischkenntnissen analysiert. Zur Auswertung nutzten die Autoren LLMs, um die Vorhersagbarkeit der Wörter anhand von Entropie und Überraschungswert zu berechnen. Hohe Entropie bedeutet, dass der Kontext das folgende Wort nur schwach einschränkt und somit wenig Vorhersagbarkeit besteht, während hoher Überraschungswert anzeigt, dass das folgende Wort im Kontext unerwartet ist. Die Kernanalyse bestand darin, die Gehirnreaktionen auf einzelne Wörter mit den Vorhersagen derselben Sätze durch LLMs zu korrelieren. Hätten das Gehirn und die KI identisch gearbeitet, wären diese Korrelationen durchgehend hoch ausgefallen. Stattdessen zeigte sich eine signifikante Varianz, die auf einen fundamental anderen Verarbeitungsmechanismus hindeutet. Die Ergebnisse belegen eindeutig, dass die menschliche Reaktion auf Wörter stark von ihrer Position innerhalb der grammatischen Struktur abhängt. LLMs zeigen keine Sensibilität für solche Konstituentenstrukturen, da sie rein statistisch arbeiten. Die Studie zeigt somit, dass das Gehirn zwar ebenfalls Wortvorhersagen trifft, diese aber in enger Wechselwirkung mit dem Verständnis syntaktischer Gruppen stehen. Dieser Befund grenzt die menschliche kognitive Leistung deutlich von der aktuellen Funktion künstlicher neuronaler Netze ab und verdeutlicht, dass Sprache für den Menschen nicht nur eine Abfolge von Wahrscheinlichkeiten, sondern ein strukturiertes, grammatisch organisiertes System ist.