Zum Hauptinhalt springen
usedby

Wahrnehmungsgrenzen bei der Klassifikation von Farbtönen messen

Das Experiment „Is my blue your blue?“ ermittelt den genauen Farbton, an dem die visuelle Wahrnehmung einer Person von Blau zu Grün wechselt. Es stammt vom Forscher für Neurowissenschaften und KI Patrick Mineault.

Das Versprechen

Das Experiment „Is my blue your blue?“ ermittelt den genauen Farbton, an dem die visuelle Wahrnehmung einer Person von Blau zu Grün wechselt. Es stammt von Patrick Mineault, Forscher für Neurowissenschaften und KI, und bildet mit einer binären Klassifikationsaufgabe die Verteilung subjektiver Farbgrenzen ab (Quelle: Author's public profile/GitHub).

Unter der Haube

Die Engine arbeitet mit einem Modell der erzwungenen binären Wahl. Sie berechnet einen „Grenzwert“, der den persönlichen Umschlagpunkt zwischen den Farbkategorien darstellt. Dieser Wert wird dann mit einer weltweiten Verteilung der Ergebnisse verglichen, um zu zeigen, wo Ihre Wahrnehmung relativ zum Mittelwert liegt (Quelle: ismy.blue site logic).

Statistisch ist die Logik schlüssig, doch die Umsetzung stößt auf erhebliche Hürden bei der Hardware. Das Tool berücksichtigt weder Bildschirmkalibrierung noch Paneltyp (OLED vs. IPS) oder Umgebungshelligkeit, die alle die abgestrahlte Wellenlänge verändern. Im Browser bringen diese Variablen viel Rauschen in eine Messung, die angeblich biologisch ist.

Hinzu kommt ein erheblicher sprachlicher Faktor, der die Daten verkompliziert. Das Experiment verweist auf kulturelle Phänomene wie die japanische Kategorie „ao“, die historisch die Grenze zwischen Blau und Grün überbrückt (Quelle: HN Comment context). Durch die erzwungene westliche Zweiteilung misst das Tool womöglich kulturelle Prägung statt einer rein neurologischen Reaktion (Quelle: HN Comment).

Zum Lebenszyklus der Daten wissen wir nicht, wie die erhobenen Wahrnehmungsdaten anonymisiert oder gespeichert werden. Derzeit gibt es keine öffentlichen Informationen, ob dieser Datensatz genutzt wurde, um die Vision Transformer in Modellen von 2025/2026 wie GPT-5 oder Gemini 2.5 per Fine-Tuning anzupassen. Zudem fehlt eine von Fachkollegen geprüfte Validierung, die diese webbasierten Ergebnisse mit klinischen neurologischen Studien verknüpft.

Unsere Einschätzung

Als technisches Experiment ist es eine clevere Übung in Datenvisualisierung, aber verwechseln Sie es nicht mit einem klinischen Diagnosewerkzeug. Die erzwungene Zweiteilung ist eine frustrierende UX-Entscheidung: Sie ignoriert „Petrol“ oder „Türkis“ zugunsten einer saubereren Verteilungskurve. Das ist ein bisschen, als müsste ein Compiler zwischen zwei verschiedenen Syntaxfehlern wählen: Man muss einen nehmen, auch wenn sich beide falsch anfühlen. Probieren Sie es aus, um Ihre eigene Verzerrung zu verstehen. Halten Sie es aber fern von UI/UX-Spezifikationen für die Produktion, bei denen Standards für Barrierefreiheit und Farbenblindheit echte wissenschaftliche Strenge verlangen.