Buchrezension: Machines That Think von Inga Strümke

Machines That Think sticht als eine gut strukturierte und durchdachte Einführung in die künstliche Intelligenz hervor, indem es technische Klarheit mit tieferer philosophischer Untersuchung verbindet. Anstatt sich auf moderne Schlagwörter zu stürzen, geht Inga Strümke einen bewussten Ansatz, indem sie die Leser von den frühesten Grundlagen der Rechnung bis hin zu den komplexen ethischen und gesellschaftlichen Herausforderungen führt, die die heutige KI prägen.

Aufbau aus ersten Prinzipien

Das Buch beginnt mit einer fundierten Untersuchung früher Rechenideen, beginnend mit Algorithmen und analogen Computern. Diese historische Einbettung ist nicht nur Hintergrundfüllung – sie begründet die Logik hinter der Informationsverarbeitung durch Maschinen und warum die KI sich so entwickelt hat. Indem Strümke diese Ursprünge aufarbeitet, stellt sie sicher, dass die Leser die KI als Kontinuum und nicht als plötzlichen technologischen Sprung verstehen.

Eine der wertvollsten frühen Unterscheidungen, die sie einführt, ist der Unterschied zwischen KI und Kybernetik. Während beide Bereiche mit Systemen, Feedback und Steuerung zu tun haben, konzentriert sich die Kybernetik mehr auf Regulierung und Kommunikation innerhalb von Systemen, während die KI damit beschäftigt ist, Systeme zu erstellen, die Aufgaben ausführen können, die mit Intelligenz verbunden sind. Diese Unterscheidung hilft zu klären, warum die moderne KI entlang ihrer aktuellen Entwicklungslinie entstand und nicht dem biologisch inspirierten Weg der frühen Kybernetikforschung folgte.

Von der Brute-Force-Methode zu Lernsystemen

Die Entwicklung der KI wird vielleicht am deutlichsten durch ihre Beziehung zu Spielen, insbesondere Schach, veranschaulicht. Der Kontrast zwischen Deep Blue und AlphaZero wird effektiv verwendet, um zu demonstrieren, wie sehr sich die KI-Methoden verändert haben.

Deep Blue verließ sich stark auf Brute-Force-Berechnungen, indem es Millionen von möglichen Positionen pro Sekunde auswertete, um optimale Züge zu bestimmen. Es war leistungsfähig, aber grundlegend durch seine Abhängigkeit von vorgegebenen Bewertungsfunktionen und roher Rechenleistung eingeschränkt. Im Gegensatz dazu stellt AlphaZero einen Paradigmenwechsel dar. Anstatt explizit mit Strategien programmiert zu werden, lernt es durch Selbstspiel, indem es Muster und Strategien entdeckt, die sogar menschliche Großmeister zuvor nicht in Betracht gezogen hatten.

Diese Veränderung unterstreicht eines der Kernthemen des Buches: Die moderne KI ist weniger daran interessiert, Maschinen explizit zu sagen, was sie tun sollen, und mehr daran, es ihnen zu ermöglichen, aus Daten und Erfahrungen zu lernen. Sie unterstreicht auch einen tieferen philosophischen Punkt – KI-Systeme sind nicht mehr nur Werkzeuge, die Anweisungen ausführen, sondern Systeme, die in der Lage sind, neue Lösungen zu generieren.

Symbolische vs. nicht-symbolische KI

Ein besonders starker Abschnitt des Buches konzentriert sich auf die Unterscheidung zwischen symbolischer und nicht-symbolischer KI. Die symbolische KI, die die frühe Forschung dominierte, verlässt sich auf explizite Regeln und logische Repräsentationen von Wissen. Sie ist strukturiert, interpretierbar und deterministisch, aber oft mit Ambiguität und realer Weltkomplexität konfrontiert.

Die nicht-symbolische KI, insbesondere neuronale Netze, funktioniert sehr anders. Anstatt Regeln zu verwenden, lernen diese Systeme Muster aus Daten. Dies macht sie viel anpassungsfähiger und leistungsfähiger bei Aufgaben wie Bilderkennung, natürlicher Sprachverarbeitung und Mustererkennung. Allerdings kommt diese Leistungsfähigkeit auf Kosten der Interpretierbarkeit. Neuronale Netze funktionieren oft wie “Black Boxes”, was es schwierig macht, zu verstehen, wie sie zu bestimmten Entscheidungen gelangen.

Strümke erklärt diesen Kompromiss hervorragend, ohne ihn zu vereinfachen. Sie zeigt, dass der Übergang zur nicht-symbolischen KI nicht nur eine technische Evolution, sondern eine grundlegende Veränderung in der Art und Weise ist, wie wir Intelligenz selbst angehen.

Verständnis neuronaler Netze und Wahrnehmung

Die Abschnitte über Bildklassifizierung und neuronale Netze sind unter den fesselndsten im Buch. Strümke erklärt, wie neuronale Netze visuelle Informationen in Schichten verarbeiten, indem sie rohe Pixel-Daten allmählich in höhere Abstraktionen umwandeln. Frühe Schichten erkennen einfache Merkmale wie Kanten und Formen, während tiefere Schichten komplexe Muster wie Objekte und Gesichter identifizieren.

Dieser schichtweise Ansatz ermöglicht es Maschinen, Aufgaben auszuführen, die einst als einzigartig menschlich galten. Das Buch macht jedoch auch deutlich, dass dieses “Verständnis” nicht dasselbe ist wie menschliches Verständnis. KI-Systeme erkennen Muster statistisch, nicht semantisch. Sie “wissen” nicht, was ein Objekt ist, wie Menschen es tun – sie identifizieren es aufgrund gelernter Korrelationen.

Gleichzeitig gibt es Bereiche, in denen KI-Systeme menschliche Fähigkeiten übertrumpfen. Bei der Bilderkennung zum Beispiel können Maschinen feine Muster und Anomalien erkennen, die dem menschlichen Auge unsichtbar sind. Dies schafft ein interessantes Paradox: KI-Systeme können bei bestimmten Aufgaben menschliche Fähigkeiten überbieten, während sie gleichzeitig ein wahres Verständnis fehlt.

Erklärbarkeit, Ethik und Regulierung

Im Laufe des Buches wird Strümkes Stimme besonders deutlich, insbesondere wenn es um erklärbare KI und Datenschutz geht. Sie hebt ein kritische Frage in der modernen KI hervor: Je leistungsfähiger Systeme werden, desto weniger transparent werden sie.

Erklärbare KI zielt darauf ab, dies zu beheben, indem maschinelle Entscheidungen interpretierbarer gemacht werden. Dies ist besonders wichtig in hochriskanten Bereichen wie Gesundheitswesen, Finanzen und Recht, wo das Verständnis der Begründung hinter einer Entscheidung von entscheidender Bedeutung ist. Strümke betont, dass ohne Erklärbarkeit das Vertrauen in KI-Systeme schwer zu etablieren ist.

Ihre Kritik an Datenschutzgesetzen ist besonders nachdenkenswert. Sie argumentiert, dass viele bestehende Vorschriften sowohl restriktiv als auch unwirksam sind. Einerseits können sie die Innovation durch den Zugang zu Daten behindern. Andererseits schützen sie Benutzer oft nicht ausreichend aufgrund von Schlupflöchern und Durchsetzungsproblemen. Dieses doppelte Versagen unterstreicht die Komplexität der Regulierung von sich schnell entwickelnden Technologien.

Kreativität und die Grenzen der KI

Ein weiteres fesselndes Thema im Buch ist die Frage der Kreativität. Mit dem Aufkommen von KI-generierter Kunst, Musik und Schrift, wird die Grenze zwischen menschlicher und maschineller Kreativität immer mehr verwischt.

Strümke nähert sich diesem Thema mit Nuancen, indem sie fragt, ob KI-Systeme wirklich kreativ sind oder einfach nur bestehende menschliche Inhalte neu kombinieren. Während KI beeindruckende Ausgaben produzieren kann, ist ihre Kreativität grundlegend anders als menschliche Kreativität, die durch Bewusstsein, Erfahrung und Absicht geprägt ist.

Diese Diskussion erstreckt sich auf weitere ethische Überlegungen, einschließlich Eigentum, Originalität und dem Wert menschlicher Eingabe. Anstatt definitive Antworten zu bieten, ermutigt das Buch die Leser, sich mit diesen Fragen auseinanderzusetzen und ihre Auswirkungen zu bedenken.

Das kollektive Handlungsproblem in der KI

Eine der subtileren, aber wichtigen Ideen, die erforscht werden, ist das kollektive Handlungsproblem bei der KI-Einführung. Da KI-Systeme leistungsfähiger werden, können die Entscheidungen einzelner Organisationen weitreichende Konsequenzen haben. Die Koordination von Maßnahmen zwischen Regierungen, Unternehmen und Institutionen ist jedoch von Natur aus schwierig.

Dies schafft eine Situation, in der kurzfristige Anreize mit langfristigen gesellschaftlichen Interessen in Konflikt geraten können. Strümke unterstreicht die Bedeutung von Zusammenarbeit und Regulierung, während sie auch die Herausforderungen anerkennt, die mit der Erreichung dieser Ziele verbunden sind.

Ausblick auf AGI und darüber hinaus

Das Buch schließt mit einer zukunftsorientierten Diskussion über künstliche allgemeine Intelligenz (AGI) und Superintelligenz. Anstatt in Spekulationen zu verfallen, begründet Strümke ihre Analyse in aktuellen technologischen Trends und Einschränkungen.

Sie erforscht, was notwendig wäre, um AGI zu erreichen, einschließlich Fortschritten in Rechenleistung, Daten und Algorithmusdesign. Gleichzeitig betrachtet sie, wie die Gesellschaft auf immer leistungsfähigere KI-Systeme reagieren könnte. Dies umfasst nicht nur technologische Veränderungen, sondern auch Verschiebungen in Bildung, Politik und wirtschaftlichen Strukturen.

Der Abschluss wirkt angemessen ausgewogen – optimistisch über das Potenzial der KI, aber realistisch über die Herausforderungen, die vor uns liegen.

Endgültiges Urteil

Machines That Think ist ein abgerundeter und ansprechender Beitrag zur wachsenden Literatur über künstliche Intelligenz. Es gelingt, komplexe Themen zugänglich zu machen, ohne Tiefe zu opfern, und behandelt auch die ethischen und gesellschaftlichen Auswirkungen der Technologie.

Für Leser, die eine starke Grundlage in der KI aufbauen möchten – und gleichzeitig ihre breiteren Auswirkungen erforschen – bietet dieses Buch eine durchdachte und umfassende Perspektive. Es ist sowohl eine Einführung als auch eine Einladung, kritischer über die Rolle nachzudenken, die die KI bei der Gestaltung der Zukunft spielen wird.