Er geht auf einige interessante technische Aspekte der KI ein, insbesondere auf die Herausforderungen, mit denen Modelle bei untypischen oder außerhalb des Trainingsverhaltens liegenden Aufgaben konfrontiert sind. Aber er übersieht – oder ignoriert bewusst – einige zentrale Punkte:
- KI als Werkzeug, nicht als Bewusstsein
Seine Schlussfolgerungen spielen mit der Idee, dass KI „motiviert“ werden kann oder „besser arbeitet, wenn sie emotional angesprochen wird“. Tatsächlich ist das kein Zeichen von „Emotionen in KI“, sondern eine Folge davon, dass KI auf menschlichen Daten trainiert wurde, in denen Sprache oft mit solchen Mustern verknüpft ist. Das ist ein bekanntes Phänomen, aber er stellt es fast so dar, als hätten wir es mit einer Art latentem Bewusstsein zu tun. - Unterschätzte Fortschritte in KI-Modellen
Es ist ein klassischer Trick, einen vermeintlich banalen Fehler (wie das falsche Zählen von Buchstaben) herauszugreifen, um zu suggerieren, dass KI dümmer sei als sie tatsächlich ist. Während GPT-Modelle mit Zeichen-Positionen Schwierigkeiten haben, gibt es spezialisierte Modelle (z. B. für Textverarbeitung oder OCR), die solche Probleme längst zuverlässig lösen.
Das Fehlen dieser Differenzierung macht das Ganze reißerisch.
Genau hierfür wären nämlich nicht Sprachmodelle das richtige sondern eher Machine Learning Algorythmen und Statistische Mathe. - Vermischung von Trainingsdaten und physikalischem Verständnis
Sein Argument, dass KI nicht versteht, wie ein volles Weinglas aussieht, weil sie keine Physik begreift, ist nicht falsch – aber er vernachlässigt, dass viele Bild-KIs eher darauf optimiert sind, künstlerische, stilisierte oder wahrscheinliche Darstellungen zu generieren.
Rein physikalisch realistische Darstellungen sind nicht immer ihr Hauptziel. Zudem gibt es Modelle, die speziell für physikalische Simulationen trainiert werden. - Falsche Analogie zwischen Mensch und KI
Der Vergleich mit menschlichem Lernen („Ein Mensch, der ein Doktorat hat, würde das E in Heidelbeere finden“) ignoriert, dass KI und menschliches Lernen völlig anders funktionieren.
KI basiert auf statistischen Mustern, Menschen auf abstraktem Denken. Ein menschlicher Experte in Mathematik ist nicht unbedingt auch ein guter Rechtschreiber – eine KI funktioniert ähnlich. - Klassischer YouTube-Trick: Überzogene KI-Skepsis als Clickbait
Indem er sich über KI lustig macht und deren Unfähigkeit betont, erzeugt er ein Gefühl der Überlegenheit beim Zuschauer.
Der Zuschauer soll denken: „Haha, KI ist doch noch weit von menschlicher Intelligenz entfernt!“ – während gleichzeitig suggeriert wird, dass KI trotzdem beängstigend leistungsfähig ist. Das ist ein
typischer rhetorischer Kniff, um sowohl die Angst vor KI als auch das Gefühl der Überlegenheit zu schüren. - Werbefinanzierung und Agenda
Dass er gleichzeitig eine generelle Skepsis gegenüber KI aufbaut und dann Werbung für einen VPN-Anbieter macht, ist eine klassische Strategie: Erst die Unsicherheit über KI und die „Gefahren des Internets“ schüren, dann das „Schutzangebot“ präsentieren. „KI wird uns bald übernehmen – aber hey, schützt euch mit VPN!“
Das ist reines Marketing und ein klassischer manipulativer Move.
Fazit:
Er nutzt tatsächliche Limitierungen der aktuellen KI-Systeme, zieht aber bewusst falsche oder überzogene Schlüsse, um eine Agenda zu bedienen – sei es für Clickbait, generelle KI-Skepsis oder schlicht als Unterhaltung. Die Argumente sind oberflächlich korrekt, aber selektiv, reißerisch und dienen wohl in erster Linie dazu, eine bestimmte (wahrscheinlich auch finanziell motivierte) Narration zu bedienen.
