Die Erforschung des menschlichen Gehirns und seiner Funktionsweise hat in den letzten Jahrzehnten enorme Fortschritte gemacht. Insbesondere die Entschlüsselung der elektrischen und chemischen Prozesse, die in den Nervenzellen ablaufen, hat unser Verständnis von Kognition, Lernen und Gedächtnis revolutioniert. Gleichzeitig hat dieses Wissen die Entwicklung der Künstlichen Intelligenz (KI) maßgeblich beeinflusst, da Forscher versuchen, die Prinzipien des Gehirns in Algorithmen und Maschinen zu imitieren.
Neuronale Netze: Das Gehirn als Vorbild
Die Idee, dass sich menschliche Neuronen wie elektronische Bauteile verschalten lassen, wurde bereits 1943 von den Neuropsychologen Warren McCulloch und Walter Pitts formuliert. Sie erkannten, dass Neuronen bei ausreichender Stimulation elektrische Impulse aussenden und dass sich durch die richtige Verschaltung logische Funktionen wie AND, OR oder NOT erzeugen lassen. Dieser Ansatz führte zur Entwicklung des Konzepts neuronaler Netze, das das menschliche Gehirn als einen großen Computer betrachtete.
Diese Analogie hat die KI-Forschung maßgeblich geprägt, birgt jedoch auch eine bedenkliche Leerstelle. Nur weil Neuronen wie ein Computer verschaltet werden können, bedeutet das nicht, dass sie auch tatsächlich so funktionieren. Die beiden Forscher waren so inspiriert von der Macht der binären Booleschen Logik und der kurz zuvor entwickelten elektromechanischen Umsetzung durch Claude Shannon, dass sie diese Frage gar nicht stellten.
Matteo Pasquinelli, Assistenzprofessor für Wissenschaftsphilosophie an der Universität von Venedig, hat sich dieser Frage in seinem Buch "The Eye of the Master" gestellt. Er untersucht die materialistische Sozialgeschichte der KI und beschreibt, wie der Aufbau des statistischen Maschinenlernens der kapitalistischen Arbeitsteilung nachempfunden ist. Dabei macht er in zahlreichen anekdotischen Ausflügen plausibel, dass andere Formen der KI denkbar und machbar wären.
Die soziale Genealogie der Künstlichen Intelligenz
Pasquinelli argumentiert, dass die Trennung zwischen Algorithmen und KI nur die Trennung zwischen einfacher und komplizierter Arbeit widerspiegelt. In der modernen digitalen Welt werden Arbeitsprozesse in logische Prozesse transformiert, wobei die Struktur der Arbeit - die Produktionsverhältnisse - bildend für die logische Prozesse ist. Als Beispiel dient die Unterscheidung zwischen Master- und Slave-Systemen, bei der die einen Prozesse in Gang setzen und die anderen auf die Ingangsetzung warten müssen.
Lesen Sie auch: Überblick über Schmerzmittel bei Neuralgien
Während die Literatur über KI mittlerweile auch eine starke sozialkritische Abteilung umfasst, die insbesondere die Intensivierung der Ausbeutung und die Zunahme der Entfremdung durch die Übernahme kreativer Arbeitsschritte durch Algorithmen thematisiert, haben sich kaum Werke mit der sozialen Genealogie der KI beschäftigt und inwieweit sie das Spiegelbild dieser Gesellschaftsordnung ist.
Pasquinelli klassifiziert KI als ein System der Mustererkennung, das bei einem gegebenem Input einen Output produziert, der von einem qualifizierten Menschen gleich oder ähnlich hätte produziert werden können. Der springende Punkt ist jedoch, dass damit Menschen unter besonderen Produktionsverhältnissen imitiert werden. Dem historischen Materialismus zufolge besitzt der Mensch jedoch das Potential, nicht nur andere Produktionsmittel zu entwickeln und damit auch andere Produktionsverhältnisse zu schaffen, sondern sich diesen auch psychologisch anzupassen. Die Frage ist, ob KI dazu prinzipiell in der Lage ist.
Konnektivistische vs. symbolische KI
Pasquinelli unterscheidet zwischen einer konnektivistischen KI und einer symbolischen. Während letztere auf einer für digitale Technik bearbeitbaren Selbstorganisation auf Grundlage einer speziellen Symbolsprache beruht, verbindet die letzte möglichst viele Daten miteinander, um durch statistische Methodik, aus Koinzidenten kausale Zusammenhänge zu ermitteln.
Das Buch beginnt mit einer Archäologie und Geschichte des Algorithmus an sich. Ein Algorithmus ist dabei ganz grundlegend eine verbindliche Folge von Handlungsanweisungen, um mit beschränkten Ressourcen aus einem Input in Abhängigkeit von bestimmten Daten einen Output zu generieren. Hierbei lassen sich drei Ebenen aufmachen: soziale Algorithmen, formale Algorithmen und Computeralgorithmen. Mit Peter Damerow gründet sich ein Algorithmus durch eine Praxis des Zählen, der Nummerierung (Einführung einer Symbolmatrix), Rechentechniken und einer formalen Zahlentheorie, wobei es naheliegend ist, dass diese einzelnen Ebenen nicht nur einem gewissen Freiheitsgrad unterliegen, sondern auch reflexive Abstraktionen historischer Gesellschaften sind.
Dabei referenziert der Autor auf die ersten mechanischen Rechenmaschinen von Babbage. Die imitierten die Tätigkeiten so genannter Computer, meist Frauen in Heimarbeit, die von Hand größere Rechnungen für Regierungen oder wissenschaftliche Institute erledigten und dann per Brief zurück sandten. Deren Rechentätigkeit war keinesfalls eine große mentale Anstrengung, sondern eine wesentlich mechanische Prozedur, die Babbage durch eine dampfgetriebene Einrichtung kopierte.
Lesen Sie auch: Was wirklich gegen Krämpfe hilft
Babbage hatte in einem Zeitalter exponentiell wachsender mathematischer Probleme eine streng hierarchische Vorstellung eines Rechenvorgangs. An oberster Stelle säßen Mathematiker, welche die ökonomischen und physikalischen Probleme als mathematische formulierten. Eine zweite Schicht an Algebraikern sollte diese dann in einfache Teilprobleme zerlegen, die dann von der untersten Schichten, den einfachen Rechnern gelöst würden. Und genau diese unterste Schicht gedachte Babbage zu automatisieren.
Pasquinelli legt hier Wert auf zwei Punkte. Erstens nahm Babbage hier bereits das Prinzip der Taylorisierung vorweg und zweitens definierte er auch, wie sich durch die Zerlegung großer mathematischer Probleme in kleine Teilschritte die benötigten abstrakten Arbeitszeiten berechnen ließen. Diese Wechselwirkung zwischen Maschine und Arbeitswert zieht sich weiter. Die englische Arbeiterklasse als wahrnehmbares Phänomen entwickelte sich parallel zur Einführung der Dampfmaschine, die es erlaubte die Arbeit vieler Individuen gemeinsam zu takten. Maschinen waren nicht nur ein Produkt der Arbeit, sie formte auch die Arbeit als abstrakte Arbeit. Aber die Dampfmaschine schloss zunächst geistige Arbeit aus und die Mittelschichten wehrten sich dagegen, ihre Arbeitskraft ebenso untereinander vergleichen zu müssen, wie die Proletarier.
Selbstorganisation von Informationen
Das Besondere an KI ist nun, dass Daten nicht mehr passiv sind, also den Algorithmus selbst nicht ändern können, sondern aktiv diesen beeinflussen können, allerdings wiederum zunächst nur in einer definierten Art und Weise. Der Grundgedanke wurde dabei schon seit den 50er Jahren in den kybernetischen Wissenschaften formuliert und beschreibt die Selbstorganisation von Informationen oder zumindest ihren materiellen Trägern. Dabei legten die Kybernetiker einen erstaunlichen Dreh hin, indem sie nicht von der Natur Verständnis selbstorganisierender Systeme, sondern sogar umgekehrt, von den Möglichkeiten der Elektronik und Programmierung Erkenntnisse über die Funktionsweise biologischer Organismen erwarteten. Ausgerechnet beim Herzensprojekt der futurooptimistischen Linken der 60er und 70er Jahre erreichte die Entfremdung geradezu einen Höhepunkt, indem der Körper als Spiegelbild der Produktionsmittel betrachtet wurde. Der idealistische Ansatzpunkt war halt der ideale Nährboden einer Gegenkultur zum Nationalismus, Rassismus und Naturalismus, der die Welt bis in die 60er Jahre dominierte.
Final lässt Pasquinelli keinen geringeren als Friedrich Hayek, den ideologischen Urvater des Neoliberalismus als Richter der Kybernetik-Debatte auftreten. Dessen Grundsatz ging davon aus, dass Märkte nicht Waren allokalisieren, sondern Informationen über Waren, die derartig mannigfaltig und riesig an der Zahl sind, dass sie sinnlich nur in Form von Wahrscheinlichkeiten erfasst werden können. Um dieser Flut von Informationen rational Herr werden zu können, müsse der Mensch und sein Verstand zweierlei tun. Erstens Mechanismen der Selbstorganisation entwickeln und zweitens Muster definieren, anstatt sie aus der Natur abzuleiten. Hayek: Scientism and the Study of Society. Das Individuum sei damit nicht mehr in der Lage, die Welt zu erkennen, sondern nur ein Modell anzufertigen, welches sich hinsichtlich gestellter Anforderungen als nützlich erweist.
Die Grenzen der statistischen KI
Das Problem hinter der modernen Ansicht über KI ist nicht, dass das nicht ginge. Dazu sind sowohl diese als auch der Kapitalismus viel zu mächtig. Der springende Punkt ist, dass diese auf ein spezifisches Problem hin angewandten Algorithmen als problemlösende Methode per se verstanden werden. Aus irgendeinem wahrgenommenen Phänomen werden ja entsprechend der Modelle nur relevante Informationen in Datenbanken aufgenommen. Welche Information aber relevant ist, ist eine gesellschaftlich-spezifische. Input-Output-Rechnung etwa, die auf ähnlichen Mustern beruht etwa, ist geeignet, auf der Grundlage zuvor gefasster Entscheidungen knappe Güter zu planen. Sie ist aber eben nicht in der Lage, die politischen Entscheidungen als solche zu treffen. Mit der statistischen KI wird dies aber immer mehr suggeriert.
Lesen Sie auch: Musik, die Ihre Nachbarn hassen werden: Ein Leitfaden
Kritik an Pasquinellis Ansatz
Störend ist phasenweise das permanente Referenzieren auf unterschiedlichste Intellektuelle. Oskar Lange, Sohn-Rethel, Pierre Bourdieu, Marx und Babbage; für jeden ist irgendwie etwas dabei. Wenn allerdings bis zu drei große Theorien über Schlagworte innerhalb eines Satzes zusammengewürfelt werden bräuchte es häufiger schon ein paar ausführende Worte, wie diese teils konträren Denker zu verbinden seien.
Ein Beispiel, wie diese Art und Weise, möglichst breit zu referenzieren, auch wirklich in die Irre führt, ist das Kapitel über den general intellect bei Karl Marx aus dem Maschinenfragment. Der Begriff spielt eigentlich nur eine nebensächliche Rolle, um anzudeuten, dass der Stand der Produktivkräfte nicht nur eine rein technische Angelegenheit ist, sondern auch mit dem Bewusstsein einer Gesellschaft interagiert. Pasquinelli stellt nun die sehr steile These auf, Marx hätte diesen Begriff nur deshalb nicht ins Kapital übernommen, weil er die Arbeitswertlehre unterminiert hätte, wobei er operaistischen und post-operaistischen Interpretationen Glauben schenkt, die eine Dominanz die aus diesem Begriff eine Dominanz der immateriellen Arbeit ableiteten. Pasquinelli konstruiert daraus weitere Argumente, z.B. dass eine Krise nicht nur eine Krise der Arbeit sei (was ja beim Zusammenhang zwischen organischer Zusammensetzung und Durchschnittsprofitrate auch nicht falsch ist), sondern eine der Arbeitswertlehre (S.114). Das ist Quatsch. Wenn die Arbeitswertlehre eine Krise voraussagt, dann ist die eintretende Krise die Bestätigung der Theorie und kein gemeinsamer Untergang. Anstatt sich zu kreativ im Süßwarenladen der Grundrisse zu bedienen, hätte Pasquinelli wohl besser daran getan, den Begriff der abstrakten Arbeit im Licht des 21. Jahrhunderts zu interpretieren, der nicht weniger geeignet gewesen wäre, um zu sagen, was er sagen will.
Fazit
Eye of the Master ist damit vor allen Dingen eines: Noch sehr unfertig. Dabei überzeugt der Grundgedanke auf voller Linie. Anstatt sich im Abstrakten darüber zu streiten, ob KI möglich ist und ob die Kombination statistischer Verfahren so genannt werden sollte, fragt Pasquinelli, was die Intelligenz in dieser Gesellschaftsordnung tut. Der Hebelpunkt der Kritik ist nicht der Begriff der Intelligenz, sondern die falsche Unterscheidung zwischen künstlich und natürlich. Denn beide unterliegen der gleichen historisch-spezifischen Gesellschaftsordnung, welche eine klare Trennung unmöglich macht.
Natürlich gibt es viel gutes am Buch. Es bringt der Leserinnenschaft viele spannende Einsichten und historische Pointen näher. Die zentrale These, dass Arbeit von der herrschenden Klasse so strukturiert wird, dass sie zunächst maschinenkonform und nun digitalkonform bewältigt wird, sticht auch ohne exakte Beweisführung. Die vorgestellte Bandbreite an Kognitions-, Perzeptions- und Informationsmodellen erfüllt seinen Zweck, der Leserin plausibel zu machen, dass die moderne Form KI nicht notwendig die einzige ist.
Weitere Buchempfehlungen zum Thema Gehirn und neuronale Prozesse
Neben Pasquinellis "The Eye of the Master" gibt es eine Vielzahl weiterer Bücher, die sich mit dem Thema Gehirn, neuronale Prozesse und KI auseinandersetzen. Hier eine kleine Auswahl:
- "Bombenkopf - Wie Migräne mich ausmacht" von Phia Quantius und Sylvie Gühmann: Ein persönlicher Erfahrungsbericht einer Migräne-Betroffenen, der vor allem Jugendliche und junge Erwachsene ansprechen dürfte.
- "Wanderlust mit Mister Parkinson" von Pamela Spitz: Ein Mut machendes Buch über eine Frau, die trotz Parkinson-Diagnose ihr Leben neu gestaltet und ihre Leidenschaft, das Wandern, entdeckt.
- "Feuer im Kopf - Meine Zeit des Wahnsinns" von Susannah Cahalan: Die packende Geschichte einer jungen Frau, die an einer seltenen Autoimmunerkrankung des Gehirns erkrankt.
- "Mit einem Bein bereits im Himmel" von Kai-Uwe Kern: Anhand zahlreicher Fallgeschichten geht der Autor der Frage nach, warum es Phantomschmerzen nach Amputationen gibt und was im Gehirn geschieht, wenn Areale für Motorik und Sensibilität einer Extremität nicht mehr benötigt werden.
- "Hormongesteuert ist immerhin selbstbestimmt" von Franca Parianen: Ein unterhaltsames Buch, das die komplexe wissenschaftliche Thematik der Hormone verständlich macht und aufzeigt, wie Hormone nicht nur unseren Sexualtrieb steuern, sondern auch eine Vielzahl an Körperfunktionen regeln und die Verbindung zwischen Psyche und Körper beeinflussen.
- "Alles an seinem Platz" von Oliver Sacks: Ein Einblick in die vielfältigen Interessensgebiete des bekannten Neurologen, von Museen und Natur bis hin zu seinen berühmten Fallgeschichten.
- "Warum wir schlafen" von Albrecht Vorster: Ein unterhaltsames und lehrreiches Buch, das die Bedeutung des Schlafs für unsere Gesundheit und unser Wohlbefinden beleuchtet.
- "Im Traum höre ich Dich spielen" von Lisa Genova: Ein Roman, der das neurologische Krankheitsbild der Amyotrophe Lateralsklerose (ALS) professionell aufarbeitet.
- "Schlaf wirkt Wunder" von Hans-Günther Weeß: Ein Ratgeber für gesunden Schlaf, der typische Schlafstörungen nahezubringen und Empfehlungen für einen erholsamen Schlaf gibt.
- "Ein guter Tag zum Leben" von Lisa Genova: Die Geschichte eines Mannes, der an ALS erkrankt und lernt, mit der Krankheit umzugehen.
- "Wie das Gehirn Musik empfindet" von Robert Jourdain: Eine umfassende Darstellung der Frage, wie spezifische, durch das Gehör aufgenommene Schallwellen in unserem Gehirn so verarbeitet werden, dass sich Musik daraus entwickelt, Musik, die wir verstehen und empfinden können.
- "Handbuch Hirnforschung und Weiterbildung" von Hanspeter Reiter: Ein Buch, das Trainerinnen, Coaches und Beraterinnen Erkenntnisse dahingehend vermittelt, wie sie Lernprozesse optimal anstoßen können.
Neuronale Netze in der Praxis: Ein Beispiel
Um die Funktionsweise neuronaler Netze besser zu verstehen, betrachten wir ein einfaches Beispiel: Wir wollen eine schwache KI erschaffen, die erkennen soll, ob eine Fläche glatt ist, ein Karomuster besitzt oder von einer Linie durchkreuzt wird.
Dazu verwenden wir ein künstliches neuronales Netz, das auf der Verarbeitung von Zahlenwerten basiert. Zunächst wandeln wir ein Bild in eine Matrix von Zahlenwerten um, wobei jeder Wert die Helligkeit eines Pixels repräsentiert (z.B. 255 für Schwarz und 0 für Weiß). Anschließend normieren wir die Werte, um den größten Wert auf 1 und den kleinsten auf 0 zu setzen.
Um Muster zu erkennen, verwenden wir einen Filter, der das Bild auf die benötigten Informationen reduziert. Der Filter wird nacheinander auf jedes Pixel des Bildes gelegt, und anschließend wird das Summenprodukt der überlappenden Bereiche gebildet. Das Ergebnis ist eine Feature Map, die die relevanten Muster im Bild hervorhebt.
Um die Rechenlast zu reduzieren und die Generalisierung zu verbessern, wenden wir eine ReLU (Rectified Linear Unit) Aktivierungsfunktion an, die alle negativen Werte auf 0 setzt. Anschließend verwenden wir Max Pooling, um je 4 Pixel zusammenzufassen und nur den größten Wert zu übernehmen.
Schließlich schreiben wir alle Werte in eine Zeile und fügen eine Konstante für die BIAS-Berechnung hinzu. Der BIAS ist ein Schwellenwert, der bestimmt, ab welcher Aktivierung ein Neuron "feuert".
Dieses einfache Beispiel verdeutlicht, wie neuronale Netze in der Lage sind, Muster in Daten zu erkennen und komplexe Aufgaben zu lösen.
Übung macht die Meister:in: Zielgerichtetes Training für das Gehirn
Im musikalischen Kontext können wir uns die Übung als ständigen Spagat zwischen künstlerischem Ausdruck und wissenschaftlicher Strenge vorstellen. Zum besseren Verständnis gibt es zwei nützliche Konzepte - eines aus der Neurowissenschaft (Myelin) und eines aus der Psychologie (Flow). Beide Konzepte bilden zusammen einen umsetzbaren Prozess, der als zielgerichtetes Training bekannt ist.
Myelin: Je häufiger wir neuen neuronalen Mustern begegnen und sie verwenden, desto stärker werden sie. Dieser Prozess wird Myelinisierung genannt: Die Nervenzellen isolieren sich, indem sie ein Fettprotein namens Myelin bilden, das für eine schnellere und effizientere Übertragung der elektrischen Impulse (oder: der Gedanken) in den Nervenzellen sorgt.
Flow: Wir sind dann am glücklichsten, wenn wir uns im Flow befinden - einem Zustand der Konzentration oder kompletten Verschmelzung mit der aktuellen Tätigkeit.
Zielgerichtetes Training: Diese Methode baut auf den Erkenntnissen des Leistungspsychologen Anders Ericsson auf und hat zum Ziel, die Dinge zu verlangsamen, damit wir gewissermaßen reinzoomen und das gewünschte Ergebnis Schritt für Schritt erreichen können.
Ein Beispiel für eine Anwendung, die auf zielgerichtetem Training basiert, ist Melodics, die Musiker:innen dabei helfen soll, das Spielen von MIDI-Instrumenten mit Vergnügen zu erlernen.