Wissenschaftler*innen ließen ein künstliches Intelligenz‑Modell (KI) selbst die optimale Lesemethode erarbeiten, und es verhielt sich erstaunlich ähnlich wie menschliche Leser*innen.

Forscher*innen der Aalto‑Universität in Finnland, der Hong‑Kong University of Science and Technology, der City University of Hong Kong und der National University of Singapore nutzten KI, um das Leseverhalten von Menschen besser zu verstehen.

„Zum ersten Mal haben wir KI‑Methoden eingesetzt, um zu verstehen – und nicht nur zu imitieren – wie Menschen lesen“, sagte Antti Oulasvirta, Professor an der Aalto‑Universität, in einer Pressemitteilung.

Das Team entwickelte das Modell auf der Annahme, dass Leser*innen über begrenzte Zeit, Gedächtniskapazität und visuelle Aufnahmekapazität verfügen.

Anschließend trainierten sie die KI mit Millionen von Texten, um das Verständnis innerhalb dieser Beschränkungen zu maximieren.

Obwohl während des Lernens keine menschlichen Blick- oder Verständnisdaten verwendet wurden, um diese Lesegewohnheiten zu kopieren, stellten die Forscher*innen fest, dass viele der gleichen Muster auftauchten, wenn sie das Modell mit echten Leser*innen verglichen.

Zum Beispiel verbrachte es weniger Zeit mit häufigen oder vorhersehbaren Wörtern und übersprang sie eher, während schwierige oder mehrdeutige Wörter und Sätze es dazu veranlassten, häufiger zurückzuspringen.

„Lesen erscheint mühelos, doch das Gehirn entscheidet ständig, wohin es schaut, was es überspringt und wann es zurückgeht, und verteilt die Aufmerksamkeit wie ein Budget, um das Verständnis zu maximieren“, sagte Shengdong Zhao, Professor an der City University of Hong Kong.

Forscher*innen nennen das „Ressourcenrationalität“, was bedeutet, dass begrenzte Zeit und Aufmerksamkeit dorthin gelenkt werden, wo sie für das Textverständnis am nützlichsten sind.

Das KI‑Modell passte sich dem Zeitdruck ähnlich an wie 39 erwachsene Proband*innen in einem Experiment. Bei knapper Zeit priorisierte es, mehr vom Text zu erfassen. Mit mehr Zeit widmete es schwierigen Passagen mehr Aufmerksamkeit und las öfter erneut.

Die Ergebnisse beweisen jedoch nicht, dass das menschliche Gehirn exakt die gleichen Berechnungen wie die KI durchführt, warnen die Forscher*innen.

Stattdessen sagen die Forscher*innen, dass das Modell eine mögliche Erklärung dafür liefert, wie unterschiedliche Leseverhalten aus dem Ziel entstehen können, mit begrenzten kognitiven Ressourcen so viel wie möglich zu verstehen.

Hin zu personalisierterem Lesen

Ein besseres Verständnis darüber, wie das Gedächtnis das Lesen beeinflusst, könnte letztlich dabei helfen, Technologien zu entwickeln, die Texte an einzelne Leser*innen und Situationen anpassen, etwa anpassbare Apps, so das Forschungsteam.

„Jetzt haben wir dieses neue Verständnis von etwas, das so zentral für unser Leben ist; es bleibt nur, alle Möglichkeiten zu erforschen“, sagte Oulasvirta.

Ein potenzieller Anwendungsbereich ist Augmented Reality (AR). Der Ansatz könnte in Smart‑Brillen eingesetzt werden, um das Tempo oder Layout von Bildschirminhalten an die Bedürfnisse und Aktivitäten des Nutzers anzupassen.

„Wir könnten denselben Ausgangstext, zum Beispiel einen verworrenen juristischen Text, mit geringem Aufwand in Versionen umwandeln, die für verschiedene Leser*innen besser verständlich sind“, sagte Oulasvirta.

Das Team plant zu untersuchen, ob die Technologie Menschen mit Legasthenie oder geringerer Sprachkompetenz helfen kann. Forscher*innen stellen sich zudem vor, Texte in Situationen anzupassen, in denen Aufmerksamkeit besonders wichtig ist, etwa Informationen für Fahrer*innen zu präsentieren, ohne sie unnötig abzulenken.

„Wir wollen Nutzer*innen in Echtzeitsituationen unterstützen, zum Beispiel indem wir Texte gestalten, die Fahrende unterstützen, ohne sie abzulenken“, sagte Oulasvirta.