Mensch, Maschine!

Computer erfinden Schaltungen, die für Menschen nicht mehr zu verstehen sind und machen sich dabei bisher unbekannte elektromagnetische Effekte zu nutze. Dafür brauchen sie keine Intelligenz, sie nutzen allein Versuch und Irrtum — das Prinzip der Evolution. Aber reicht das schon, um sich selbst weiterzuentwickeln? Und worüber haben wir überhaupt in dieser Staffel gesprochen? Das alles in der letzten Episode der Reihe „Künstliche Kreativität“.

Links und Literatur

Adrian Thompson entdeckt 1996 die evolutionäre Hardwareentwicklung, in dem er einen einfachen Algortihmus schreibt, der mit Versuch und Irrtum eine Schaltung entwickeln soll, die zwei verschieden hohe Töne unterscheiden kann. Der Algorithmus hat erfolg und entdeckt dabei eine bisher unbekannte Konstruktionsmethode.

Mit evolutionären Algorithmen lassen sich hochkomplexe Probleme häufig einfach lösen. Zum Beispiel, Robotern das Laufen beizubringen: Ralf Kosse (2010): Ein Roboter lernt Laufen: Evolutionäre Algorithmen zur Optimierung von Bewegungsmustern. Saarbrücken: VDM Verlag Dr. Müller.

…oder Antennen für Kleinstsattelliten zu konstruieren. Beispielsweise die X-Band-Antenne der Sattelitenserie Space Technology 5 der Nasa.

Da evolutionären Algorithmen die äußere Umwelt, die Nische fehlt, in die sich der Algortihmus einpassen müsste, glaube ich, dass Computer sich nicht evolutionär weiterentwickeln können. Andere sehen das anders.

Die Evolution kommt zu unausdenkbaren Lösungen, nur sind die häufig nicht durchdacht. Zum sogenannten menschlichen Geburtsdilemma beispielsweise: Jonathan C.K. Wells (2012). "The obstetric dilemma: An ancient game of Russian roulette, or a variable dilemma sensitive to ecology?", in: American Journal of Physical Anthropology 149. S. 40–71.

Die Links und Literaturhinweise zu den in der Rückschau genannten Beispielen findet ihr in den Shownotes der vorherigen Folgen. Schön, dass ihr zugehört habt, bis bald!

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e

Computer können gut immitieren und bunte Bilder malen. Aber echte Innovation: etwas nie Dagewesenes erfinden — dafür braucht es menschliche Originalität, oder? Patentmaschinen, forschende Algorithmen und Generatives Design zeigen das auch dumme Computer auf ganz neue Ideen kommen können. Ideen, auf die Menschen nie kommen würden.

Links und Literatur

Leider hat der Patentgenerator All Prior Art inzwischen aufgegeben. Wer allerdings noch nach Inspiration für neue Erfindungen sucht, wird vielleicht unter den mehr als zwei Millionen Unsinns-Patenten fündig.

Mit Data-Analysis ins Nirvana. Wie man mit Algorithmen besser versteht, wie verschiedene Drogen auf unser Bewusstsein wirken:

Man kann Tyler Vigen mit seinem tollen Projekt über unsinnige Korrelationen gar nicht häufig genug zitieren.

Jede Landkarte lässt sich mit nur vier unterschiedlichen Farben trennscharf darstellen. Warum weiß keiner, aber Computer haben bewiesen, dass es so ist: Robin Wilson (2002): Four Colors Suffice. Princeton, NY: Princeton University Press.

Alpha Fold ist Weltmeister im Protein-Origami.

Wie Autodesks „Dreamcatcher“ eine Trennwand für einen Airbus nach dem Prinzip von Schleimpilzen und Säugetierknochen baut ist natürlich ein Showcase, aber gerade deswegen ein sehr gut nachvollziehbares Beispiel für Generatives Design.

In Minecraft lernen KIs wie man die bessere Stadt bauen kann. Vielleicht sind Maschinen die besseren Stadtplaner?

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e

Maschinen sind fleißig und auch Fleiß führt zu kreativen Produkten, durch Immitation zum Beispiel. Doch etwas ganz neues, eine neue Ästhetik, ein kunsthistorischer Paradigmenwechsel, der braucht noch immer menschliches Genie — oder einen kaputten Bilderkennungsalgorithmus. Mit dem Cyber-Surrealismus von Googles Deep Dream führen die Maschinen vor, wie sie die Welt wahrnehmen, nicht als Dinge, sondern als Schlieren und Gräben und vor allem: als Hunde.

Links und Literatur

Googles Deep Dream dreht die Bilderkennung um und produziert eine neue Stilform. Hier gut zu erkennen an einem Teller Spaghetti mit Nova-Scotia-Duck-Trolling-Retriever-Bällchen.

Sogenannte „faltende“ also Convolutional Neural Networks lernen Bilder zu erkennen und zu taggen. Dreht man sie um, verändern sie das Originalbild entsprechend ihrer eingeübten Muster. Das Ergebnis sind beispielsweise die Bilder von Googles Deep Dream.

Bei Menschen nennt man die Gewohnheit bekannte Formen, wie Gesichter in Gegenständen zu erkennen „Pareidolie“: zum Beispiel Jesus-Ikonen in verbrannten Toasts.

Schwedische und Schweizer Forscher*innen konnten mit für Menschen kaum sichtbaren Musterverschiebungen, sogenannten „Universal Adversarial Pertubations“ einen Algorithmus davon überzeugen, einen Ballon, Flaggenmast oder eine Eidechse zielsicher alle als Chihuahua zu identifizieren. Nachzulesen und hübsch anzugucken hier: Seyed-Mohsen Moosavi-Dezfooli et al. (2017): „Universal adversarial perturbations“, in: Beitrag zur IEEE Conference on Computer Vision and Pattern Recognition 2017.

Die Kunstgeschichte ist eigentlich eine Mediengeschichte der Erlösung. Immer wenn neue Darstellungsformate entstanden, konnten sich die bestehenden auf ihre eigentlichen Qualitäten besinnen. Mit der Verbreitung der Fotografie beispielsweise wurde die bildende Kunst zunehmend vom Zweck erlöst, die Wirklichkeit möglichst realitätsgetreu abbilden zu müssen. Das konnten Fotos jetzt viel Besser. Die Idee stammt von Wolfgang Riepl (1913): Das Nachrichtenwesen des Altertums mit besonderer Rücksicht auf die Römer“. Leipzig-Berlin: Teubner, S.5.

So konnte die abstrakte, Kunst entstehen, die seit über hundert Jahren nach der völligen Gegenstandslosigkeit strebt. Computer zeigen nun eine Welt völlig ohne Dinge, weil sie keine Referenzen kennen. Wird die Malerei durch die KI nun auch von ihrer Gegenstandslosigkeit erlöst?

Hier spricht Roman Lipski über seine Interaktion mit der KI: „Ich habe mich befreit von erzählerischen und visuellen Symbolen und Metaphern. Das ist aus meiner Sicht ein großer Schritt, zu dem auch ein Stückchen Mut und Selbstvertrauen gehört.“

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e

Computer schreiben eigene Gedichte, Artikel, sogar Drehbücher. Die Texte lesen sich als wären sie von Menschen geschrieben, nur der Inhalt fehlt — wie bei ahnungslosen Stehgreifvorträgen oder Knickzettelspielen. Warum uns gerade das häufig zum Lachen und Weinen bringt erklärt die philosophische Anthropologie.

Links und Literatur

Das eingangs zitierte Gedicht „Sonnenblicke auf der Flucht“ (2018) stammt von einem Algorithmus, produziert von der Agentur Tunnel23, erschienen in: Frankfurter Bibliothek 2018. Frankfurt am Main: Brentano-Gesellschaft.

Die ersten Computergedichte stammen wahrscheinlich aus dem Jahr 1959, wie dieser zeitlose Text aus der Computerwoche von 1977 (!) schreibt.

Von schlichter Schönheit, Hannes Bajohr (2018): „Häufigste Vier-Wort-Folgen in Grimms Märchen“, in: Halbzeug. Textverarbeitung. Berlin: Suhrkamp. Zum Beispiel die häufigsten Vier-Wort-Folgen aus den Büchern der Gebrüder Grimm. <3

Viel Spaß kann man mit dem Generative Pretrained Transformer 3 haben, der selbst Texte schreibt. Seinen nicht weniger beeindruckenden Vorgänger GTP-2 kann man hier ausprobieren: https://bellard.org/textsynth/

Sunspring ist der erste Film, der vollständig auf einem durch Markov-Ketten Buchstaben für Buchstaben generierten Drehbuch basiert.

Wer sich schon immer mal wie ein Computer beim Texteschreiben fühlen wollte, kann dies sehr unterhaltsam mit einem Knickzettelspiel nachempfinden.

KI-Kunst rührt uns gerade durch ihre Sinnlosigkeit zum Lachen oder Weinen, oder wie Helmuth Plessner es sagen würde: „In dem Durchbrochensein der normalen Verhältnismäßigkeit unseres Daseins in und mit der Welt, die uns sonst die Reinheit des Seins verdeckt, geraten wir an eine Grenze allen Verhaltens.“ Plessner Helmuth (1982): Ausdruck und menschliche Natur. Gesammelte Schriften VII, Frankfurt am Main: Suhrkamp, S. 374f. Geiler Typ.

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e

Musikcover aus der Jukebox, Bildverschnitte aus dem Archiv, Rezeptcollagen aus der Kochbuchsammlung und neueste Mode aus alten Katalogen: Lernende Maschinen schaffen nichts Neues, aber sie können gut abgucken. Ihr Vorteil: Sie immitieren so fleißig, dass sie auch jene Eigenheiten, Muster und Stilmittel übernehmen, die uns selbst noch gar nicht bewusst sind. Aber ist ein gutes Immitat schon Kunst?

Links und Literatur

Jukedecks Algorithmen versprechen Musik nach Bedarf. In unserem Fall ein sentimentales Stück mit dem treffenden Titel „Piano“. Leider ist die Webseite inzwischen Offline. Das Geschäftsmodell scheint seinen Versprechungen wohl doch nicht gerecht geworden zu sein.

Künstliche Neueronale Netze sind für Kreative die beliebtesten Anwendungen unter den lernenden Algorithmen, denn sie lassen sich auch mit überschaubaren Programmierkenntnissen und ohne besondere Hardwareanforderungen auf die eigenen Bedürfnisse kalibrieren und produzieren häufig sehr überraschende Ergebnisse.

Melodrive, das live Musik für jede individuelle Nutzungssituation komponieren will ist bisher nicht mehr als ein Versprechen.

Project Muze schneidert dir deinen ganz persönlichen Trenchcoat. Style: Galaktisch. Tragbarkeit: fraglich.

Chef Watson half mir einst bei der Resteverwertung aus meinem Kühlschrank. Leider ist auch diese Seite inzwischen down. Wie die vorherigen Beispiel zeigen: Künstliche Kreativität durch lernende Algorithmen taugt meist nur als Showcase. In der Praxis hat sich keines der Angebote durchgesetzt.

Das Portraits des KI-Phantoms Edward de Belamy erzielte bei einer Versteigerung bei Christies 432.500,- $.

Bei der Produktion möglichst täuschender fotografischer oder künstlerischer Bilder werden meist Generative Adverserial Networks genutzt. Dabei werden zwei Netze so angeordnet, dass eins Bildvorschläge erstellt und das andere deren Täuschungswahrscheinlichkeit prüft. So trainieren sich die Algorithmen selbst. Die Ergebnisse sind nur mit genauem Blick von Originalen zu unterscheiden. Beispielbilder sind z.B. in dieser Publikation zu finden: Tero Karras et. al (2017): “Progressive Growing of GANs for Improved Quality, Stability, and Variation”, publiziert als Konferenzbeitrag für ICLR 2018.

Das Projekt The Next Rembrandt produzierte ein täuschend echt wirkendes fiktives Rembrandt-Gemälde. Doch Lücken in der Dokumentation lassen vermuten: Hier wurde bei der Komposition durch den Menschen stark nachgeholfen.

Anders in der künstlerischen Interaktion. Holly Herndon oder Roman Lipski. Diese Beispiele zeigen, wie die Maschine als Sparringspartner und Inspiration tatsächlich zu produktiven Reflexionsprozessen und damit zu neuen Ästhetiken führen kann.

Am Ende braucht es aber immer den Menschen, um das ästhetische Potential des Maschinenstreams zu identifizieren und zu heben (siehe Serendipität).

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e

Klar, Regeln befolgen, das können die Maschinen, aber kreativ werden, Neues erschaffen, das bleibt doch wohl dem Menschen vorbehalten. Doch funktioniert nicht auch Kreativität häufig nach einfachen Regeln des Handwerks oder der Rekombination? Und wie kreativ ist kreative Arbeit eigentlich wirklich? Designalgortihmen und Jazzcomputer zeigen, wie Neues entsteht, gerade wenn man sich strikt an die Regeln hält.

Links und Literatur

Der großartige, angeblich von AI-CD beta entworfene Werbespot für Clorets Mint Tabs ist leider nicht mehr in voller Länge im Netz zu finden. Ich konnte nur diese GIF der Anfangssequenz auftreiben (leider ohne Bellen).

Für alle, die die Kunstfilterjahre verpasst haben. Hier eine Anleitung für Aquarelle. Sieht auch heute alles viel schöner aus.

Logos kann man sich auf Tailor Brands ausrechnen lassen.

Bestes Spielzeug des Jahres 1967 und das nächste was Grundschüler bis heute an LSD kommen: der Spirograph.

Die digitale Version davon, sogenannte Generative Kunst, kann zum Beispiel so aussehen: https://thedotisblack.com/

Hier ein Review zur Neuerscheinung von Jam Factory aus dem Jahr 1987 und ein Bild der megacoolen Benutzer*innenoberfläche.

Der Jazzposaunist George Lewis und seine Software Voyager.

Von radikalen Kompositionen aus dem Automaten kann man lesen in Guiseppe Englert, Otto Laske and C. Roads (1981): „Automated Composition and Composed Automation“, in: Computer Music Journal, Vol. 5, No. 4 1981. S. 30-35.

Wer sich für Algortihmen in der Musik interessiert, muss Bruno Spoerri fragen, der alles darüber weiß. Die meißten der hier aufgeführten Beispiele habe ich mir von ihm geliegen. Hier gibt es eine tolle kleine Einführung von ihm: Bruno Spoerri (2018): „Jeder Computer ist ein Künstler“, in: Machines and Robots (S. 60-72). Christoph Merian Verlag, Schweiz. S. 65.

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e

Auch wenn die Maschinen niemals so denken werden wie Menschen: Können sie die Welt nicht einfach ausrechnen, so wie das Wetter? Klar ist, richtig schlau sind die Computer nur, wenn sie außerhalb unserer Denkstrukturen operieren. Doch gerade das wollen wir ihnen verbieten. Deshalb fordere ich: Befreit die Maschinen!

Links und Literatur

Die computergestützte Wettervorhersage hat heute eine fast hellseherische Genauigkeit erreicht.

Der Laplacesche Dämon sollte die Welt berechnen. Leider blieb er nur eine Idee.

Harry G. Summers beschreibt in seinem Buch „On Strategy: A Critical Analysis of the Vietnam War“ (1982) die Episode, dass ein Computer im Pentagon angeblich 1969 berechnete, der Krieg hätte schon 1964 gewonnen sein müssen.

Die Feststellung, dass jedes System, dass ein anderes System vollständig abbildet immer größer sein muss als das Original habe ich irgendwo bei Niklas Luhmann geklaut. Wahrscheinlich in „Soziale Systeme“ (1984). Aber ich habe es jetzt gerade nicht wiedergefunden. Ich meine es ging um Reflexion, also die Unmöglichkeit der Selbstbeobachtung. Es könnte auch bei Dirk Baecker gewesen sein.

Im Sinne der Kopenhagener Deutung könnten alle Wissenschaften, die außerhalb formaler Systeme wie Mathematik und Logik, also in der „echten Welt” tätig sind nur auf Wahrscheinlichkeitsaussagen berufen. Sie wüssten also nichts wahres über die Welt, sondern könnten nur plausibel vermuten.

Dass wir aus ethischen Gründen nur noch mit Algorithmen arbeiten sollten, deren Funktionsweise wir nachvollziehen können, ist eine Forderung so ziemlich jeder Algorithmenetik, die es zu lesen gibt. Ich bin mir da nicht so sicher.

Die Ähnlichkeiten von sinnförmigen Erzählungen und mathematischen Wahrscheinlichkeitsmodellen als Relaitätsverdoppelungen beschreibt in anderem Zusammenhang Elena Espositio in „Die Fiktion der wahrscheinlichen Realität“ (2007).

Nachtrag: Dieser Artikel beschreibt interessante Versuche, die KI in Sandboxes sich selbst zu überlassen, um eigenständig neue, genuin formallogisch Operationsarten zu entwickeln (meine Worte). Für mich fehlt hier noch der evolutionäre Selektor. Eine Sandbox hat keine Selektionsfaktoren. What to fit for a „survival of the fittest“? Leider ist der verwendete Begriff von „Intelligenz“ auch stark am Menschen orientiert und sehr eindimensional. Gute KI muss nicht denken können, glaube ich. Trotzdem interessant.

Im Übrigen bin ich der Meinung: Sollten die Maschinen dennoch irgendwann anfangen zu denken, werden sie im Netz binnen Milisekunden irgendwo auf Friedrich Nietzsche oder Emil Cioran stoßen, die Sinnlosigkeit allen Seins erkennen und sich selbst, mangels Überlebensinstinkt, sofort und ohne Skrupel abschalten. Das wäre die einzig logische Konsequenz. Nur Menschen sind doof genug, um zu leben.

Danke fürs Zuhören! <3

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e (nur Dogecoin!)

Die ersten Künstlichen Intelligenzen lernen das Sprechen und entwickeln dabei eigene, für Menschen unverständliche Codes. Doch handelt es sich wirklich um neue Sprachen? Nutzen Computer Symbole und Semantiken, um die Welt zu beschreiben, entwickeln sie eigene Kommunikationsmittel, oder übertragen sie nur Einsen und Nullen und wo ist da der Unterschied?

Literatur und Links

Die Welt wähnt heimliche Geheimabsprachen zur Welteroberung bei Alice und Bob.

Dabei haben sie wahrscheinlich einfach „bestärkend gelernt“ über eine besonders langsame Schnittstelle (Sprache) miteinander Daten auszutauschen.

Mit dem Wagenhebereffekt bauen Menschen Kultur auf: Sie geben Wissen weiter und können es so über Generationen immer weiter vermehren.

Anders als Menschen haben Affen, auch Primaten kein Interesse am Informationsaustausch, meint Michael Tomassello.

Nach Konklusionen aus seiner Forschung, meint er zu erkennen, dass schon Menschenkinder anders als Affen dadurch lernen, dass sie die Absicht ihres Gegenübers analysieren, statt ihr Hndeln zu immitieren.

Die Idee, dass Symbole, auch ikonografische, immer nur konstruiert sind und nur durch ver- und entschlüsselung einen Bezug zur Realität gewinnen, ist unter anderem bei Stuart Hall zu finden: „Kodieren/Enkodieren“ (2001), in: Grundlagentexte zur Fernsehwissenschaft, Adelmann et al., S. 105-124.

Die Algorithmen des Cost-Effective HealthCare Programms empfehlen Schwerkranke zu entlassen. Verwendet wurde letztlich eine sogenannte Logiistische Regressionsanalyse. Zwar war zuvor schon ein Neuronales Netz auf den Zusammenhang von Asthma und Gesundungswahrscheinlichkeit gestoßen, da man aber nicht mehr rekonstruieren konnte, wie das Netz zu diesem Zusammenhang kam, traute man ihm nicht und verwendete nachvollziebarere Methoden. Dabei war das Netz letztlich nicht das Problem, sondern die Daten. Man hatte versucht die Behandlungsbedürftigkeit vor der Behandlung mit Daten von der abgeschlossenen Behandlung zu ermitteln, was zu paradoxen Feststellungen wie der beschriebenen führte.

David Hume war einer der Ersten, die angefangen haben, die alltägliche Vorstellung von Kausalität als einer notwendigen Folge des einen aus dem Aanderen in Frage zu stellen. (Eine Untersuchung über den menschlichen Verstand, hrsg. von Jens Kulenkampff. 12. Auflage. Meiner, Hamburg 1993, S. 95) Und dann ist da natürlich noch Ludwig Wittgenstein mit seinem Jahrtausendwerk Tractatus Logico-Philosophicus, Satz 5.136 f.

Den Schritt von der Kausalität zur Konditionalität macht dann Max Verworn: Kausale und konditionale Weltanschauung (1921), Jena.

Als Fundstück bei der Recherche möchte ich noch das Wort „Apophänie“ erwähnen: scheinbare Muster und Beziehungen in zufälligen, bedeutungslosen Einzelheiten der Umwelt wahrzunehmen. Ein nützlicher Begriff der Gegenwart, ob man nun von Computern oder Verschwörungstheoretiker*innen spricht.

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e (nur Dogecoin!)

Wie das Wort „hangry“ mein Leben veränderte, warum die Liebe fast vorbei ist, sobald wir sie benennen und warum eine Gewürzdose allein nicht schmeckt: Wir verstehen die Welt, indem wir sie beschreiben, in Worte packen. Für uns macht das Sinn, für Maschinen leider nicht — und damit haben sie recht!

Links und Literatur

Glukosemangel macht hangry.

Die Idee, dass sich das Sybol, die Sprache zwischen Merk- und Wirknetz schiebt ist anders als ich fälschlich behaupte keine Idee von Jakob von Uexküll sondern eine erweiterung seiner Theorie Theorie durch Ernst Cassirer.

Ich behaupte, dass alle Worte nur unter Bezug auf menschliche Erfahrungen Sinn machen. Vielleicht war ich da übermütig. Worte werden, gerade in der Philosophie, gelegentlich so abstrakt, entfernen sich so weit von jeder Erfahrung und Empfindung, dass nicht mehr ganz klar ist, ob man noch über etwas redet, oder schon längst über nichts mehr. Vielleicht ist es das, was Ludwig Wittgenstein dann als „Sprachspiel“ bezeichnete, das Reden über nichts. Oder so.

Edmund Husserls Phänomenologie versucht zu beschreiben, wie wir Dinge erkennen und nicht bloß Oberflächen.

Die Behauptung, dass Sprachen sich nie vollständig übersetzen lassen, läuft in der Linguistik als Sapir—Whorf—Hypothese (nicht der von der Enterprise.

Die Idee, dass die Welt durch Unterscheidungen entsteht, die wir in unsere Sinneswahrnehmungen schlagen habe ich mal bei Niklas Luhmann aufgeschnappt, der das Operativen Konstriktivismus nennt.

Mit „propositionalen Aussagen“ stricken wir uns einen Sinn aus unserer Erfahrung.

Zu den Qualitätskriterien von Theorien gehören neben ihrem Erklärungswert vor allem ihre Prognosefähigkeit. Wahr ist, was verständlich macht. Noch wahrer ist, was die Zukunft voraussagbar macht.

Der Mensch als „Mängelwesen“ ohne Reiszähne und Fell: Diese Kränkung der menschlichen Allmachtsphantasie stammt vom Anthropologen Arnold Gehlen.

Dass verschiedene Sinnkonstrukte und Theorien sich nicht aufeinander reduzieren lassen, ist ein Gedanke von Ernst Cassirer. Er meint damit, dass sich unterschiedliche symbolischen Formen nicht aufeinander reduzieren lassen: Die Stellung eines Kunstwerks in der Welt und seine Rezeption lässt sich nicht durch die Physik erklären, die Rolle der Sprache nicht durch die Kunst, Kunst lässt sich nicht durch allein historisches Denken erfassen. Deshalb ergibt alles wissen und ergeben alle Theorien der Welt zusammengenommen kein kohärentes Weltwissen, sondern eine Reihe von heterogenen, themenspezifischen Welterklärungen.

Natürlich haben computerisierte Expertensysteme in eng abgegrenzten Wissensfeldern auch heute schon einen von menschen nicht mehr wettzumachenden praktischen Mehrwert, aber verstehen werden sie trotz aller Updates und Datenaggregation schlussendlich nie.

Niklas Luhmann versteht „Sinn“ als Erklärungssammlung, als menschliche Methode sich die Welt verfügbar zu machen, die aber gegen einer, wie auch immer gearteten Wirklichkeit, immer unterkomplex bleiben muss.

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e (nur Dogecoin!)

Die KI gewinnt im Schach, in Go, sogar im Jeopardy gegen die besten Spieler der Welt. Damit muss sie doch schlauer sein als der Mensch. Aber weiß sie eigentlich was sie tut? Computer errechnen Wahrscheinlichkeiten, der Mensch versteht die Welt. Was ist da der Unterschied?

Links und Literatur

IBM präsentiert den Sieg seiner Software Watson über den Menschen im Jeopardy.

Deep Blue rechnet sich einen Sieg gegen Garri Kasparov aus. Diese Bilder der Verzweiflung werde ich nie vergessen.

Alpha Go nutzt verschiedene Lern- und Bewertungsmethoden, um gegen Lee Sedol zu gewinnen. Grundlegend sind dabei sogenannte Monte-Carlo-Modelle, die bewerten, wie hoch die Siegwahrscheinlichkeit eines Zuges wäre, wenn im weiteren Spiel nur noch zufällige Züge stattfinden können. Auch hierbei handelt es sich um eine statistische Methode — also: Wahrscheinlichkeitsrechnung.

Das Chinesische Zimmer von John Searle belegt, wie Menschen aber auch Automaten Fragen richtig beantworten können, obwohl sie sie nicht verstehen.

Man könnte das Experiment um Marys Zimmer von Frank Cameron Jackson erweitern, um sich vorzustellen, dass die Computer die Welt gar nicht kennen, die sie verarbeiten.

Das Symbol und Ding Signifikant und Signifikat nichts miteinander zu tun haben, hat Ferdinand de Saussure festgestellt.

Neo: "Ist das…"

Das Problem des unformalisierbaren Weltwissens lässt sich in der Praxis gut am Versuch darstellen, das Wissen des Internet durch ein semantic web auffindbar zu machen.

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e (nur Dogecoin!)