Die Philosophie der Psychologie

Klassischer Computationalismus

Maschinelle Intelligenz

Kognitive Wissenschaftler sagen oft, dass der Geist die Software des Gehirns sei. Dieser Abschnitt behandelt, was diese Aussage bedeutet.

In diesem Abschnitt beginne ich mit einem einflussreichen Versuch, „Intelligenz“ zu definieren, und wende mich dann der Frage zu, wie menschliche Intelligenz anhand des Maschinenmodells untersucht werden kann. Der letzte Teil des Abschnitts behandelt die Beziehung zwischen dem Mentalen und dem Biologischen.

Der Turing-Test

Ein Ansatz zum Verständnis des Geistes bestand darin, seine Geheimnisse zu umgehen, indem man das Mentale einfach in Bezug auf das Verhalten definierte. Dieser Ansatz war besonders unter Denkern populär, die befürchteten, dass die Anerkennung mentaler Zustände, die sich nicht auf Verhalten reduzieren lassen, die Psychologie unwissenschaftlich machen würde, da solche Zustände nicht intersubjektiv zugänglich sind wie die Entitäten der Naturwissenschaften. Als „Behaviorismus“ wird der Versuch bezeichnet, das Mentale auf das Verhalten zu reduzieren. Obwohl oft für widerlegt gehalten, taucht er periodisch in neuen Formen wieder auf.

Behavioristen definieren das Mentale nicht nur anhand einfachen Verhaltens, da etwas intelligent sein kann, selbst wenn es seine Intelligenz noch nie zeigen konnte. Sie definieren das Mentale anhand von Verhaltensdispositionen, also der Tendenz, unter bestimmten Reizen bestimmte Verhaltensweisen zu zeigen. Dabei müssen Reize und Verhalten nicht-mentalistischer Natur spezifiziert werden. Intelligenz könnte also nicht als Disposition definiert werden, sinnvolle Antworten auf Fragen zu geben, da dies ein mentaler Begriff über einen anderen mentalen Begriff wäre. Um die Schwierigkeit behavioristischer Analysen zu erkennen, muss man sich bewusst machen, wie mentalistisch unsere gewöhnlichen Verhaltensbeschreibungen sind. Betrachten wir zum Beispiel das Werfen: Eine Abfolge von Bewegungen, die beim einen mentalen Grund als Werfen gilt, könnte beim anderen als Tanz dienen, um Ameisen zu vertreiben.

Eine besonders einflussreiche behavioristische Definition von Intelligenz stammt von A. M. Turing. Turing, einer der Mathematiker, die im Zweiten Weltkrieg den deutschen Code knacken halfen, formulierte die Idee der universellen Turing-Maschine, die mathematisch die Essenz des programmierbaren digitalen Computers enthält. Turing wollte Intelligenz so definieren, dass sie sowohl für Menschen als auch für Maschinen gilt. Seine Version des Behaviorismus formuliert die Frage, ob Maschinen denken oder intelligent sein können, anhand eines Tests: Ein Richter in einem Raum kommuniziert über ein Fernschreibgerät mit einem Computer in einem zweiten Raum und einer Person in einem dritten Raum für eine festgelegte Zeit. Der Computer ist intelligent, wenn der Richter keinen Unterschied zwischen Computer und Mensch feststellen kann. Diese Definition umgeht das schwierige Problem der nicht-mentalistischen Spezifikation der Verhaltensdispositionen, indem das Unterscheidungsverhalten des menschlichen Richters einbezogen wird. Die Definition generalisiert: Alles ist intelligent, wenn es den Turing-Test bestehen kann.

Turing schlug vor, den Begriff Intelligenz durch das Bestehen des Turing-Tests zu ersetzen. Für praktische Zwecke ist der Test jedoch nicht besonders nützlich. Will man wissen, ob eine Maschine gut Schach spielt, Pneumonie diagnostiziert oder Fußballstrategien plant, ist die Beobachtung ihrer tatsächlichen Leistung aussagekräftiger. Für theoretische Zwecke scheiterten Maschinen wie Weizenbaums ELIZA, die den Test bestanden, als Grundlage für künstliche Intelligenz. Turing verfolgte vor allem das Ziel der begrifflichen Klärung. Er hoffte, dass die Turing-Test-Konzeption von Intelligenz alle Anforderungen einer präzisen Definition erfüllt, ohne die Vagheit des alltäglichen Begriffs.

Eine Lücke in Turings Vorschlag ist die Auswahl des Richters: Ein Experte könnte intelligente Maschinen von Menschen unterscheiden. Daher wurde die notwendige Bedingung abgeschwächt: Bestehen des Turing-Tests ist eine hinreichende Bedingung für Intelligenz. Ein Richter ohne Fachwissen könnte schon ein Radio für intelligent halten. Ein einfaches Programm kann den Turing-Test bestehen, wie ELIZA zeigt, die einfache Strategien anwendet und dennoch von Richtern als menschlich eingeschätzt wurde. Selbst einfache Programme können in einer unbeschränkten Version des Turing-Tests erfolgreich sein.

Die ELIZA-Software imitierte einen Psychiater, erkannte Schlüsselwörter und antwortete entsprechend, wandelte Pronomen um und reagierte auf frühere Eingaben. Trotz ihrer Einfachheit übertraf sie viele Programme beim Bestehen des Tests. Selbst wenn ein Programm durch ein hohes Budget erstellt würde, bestünde es lediglich aus Tricks, und die Maschine wäre nicht intelligent. Eine Spezifikation der mentalen Eigenschaften des Richters würde den Test als nicht-mentalistische Definition von Intelligenz zerstören. Selbst unsere besten Denker sind fehlbar; es bleibt rational, ihnen zu vertrauen, wenn sie glauben, dass etwas denkt.

Ein weiteres Beispiel ist die hypothetische Maschine „Aunt Bubbles“, die alle möglichen Konversationen innerhalb einer Stunde speichert und zu jeder menschlichen Eingabe eine passende Antwort liefert. Sie funktioniert wie ein Jukebox-Intelligenzmodell, das inhaltlich alle Reaktionen vorgibt. Obwohl sie physikalisch nicht existieren kann, widerlegt sie die behavioristische Interpretation des Turing-Tests. Im Vergleich zu Menschen hat sie jedoch eine begrenzte Leistungsfähigkeit, was reale Menschen nicht aufheben. Dieses Beispiel zeigt, dass die Intelligenz einer Maschine unabhängig von ihrer Leistung im Turing-Test bewertet werden muss.

Zwei Arten von Definitionen von Intelligenz

Es gibt einen anderen Ansatz, Intelligenz zu definieren. Dies lässt sich durch einen Vergleich mit zwei Arten der Definition von Wasser verdeutlichen. Man kann Wasser als farb- und geruchloses, geschmackloses Flüssigkeitsmedium definieren, das in Seen und Ozeanen vorkommt. Diese Definition richtet sich an Sprachbenutzer, auch ohne naturwissenschaftliches Wissen. Alternativ kann Wasser durch seine chemische Struktur erklärt werden: H₂O. Wörterdefinitionen beruhen auf sprachlicher Intuition, während die Untersuchung der Sache empirisch erfolgt. Bis hierhin behandelten wir die Definition des Wortes Intelligenz, nicht die der Sache selbst. Turing wollte vermeiden, dass unpräzise Überlegungen zur Maschinenintelligenz entstehen, indem er die Verwendung des Wortes Intelligenz festlegte. Eine alternative Vorgehensweise wäre die empirische Untersuchung der Intelligenz selbst, analog zur Untersuchung von Wasser durch Chemiker.

Es gibt strukturelle Arten wie Wasser oder Tiger und funktionale Arten wie Mausefalle oder Gen. Strukturelle Arten haben eine verborgene Zusammensetzungsessenz, funktionale Arten eine definierende Funktion. Intelligenz ist zweifellos eine funktionale Art, deren Untersuchung experimentell sinnvoll ist, wie auch bei Genen. Dabei werden Funktionen wie Problemlösung, Planung und Entscheidungsfindung analysiert. Außerdem wird untersucht, welche physischen Realisierungen diese Funktionen im Menschen besitzen, analog zur DNA bei Genen. Hypothetische Intelligenzen könnten andere Mechanismen nutzen, dennoch ist die Untersuchung menschlicher Intelligenz relevant.

Funktionale Analyse

Beide Projekte lassen sich über funktionale Analyse verfolgen. Man stellt sich den menschlichen Geist als intelligenten Homunkulus im Kopf vor, der aus kleineren, weniger intelligenten Homunkuli besteht, bis hin zu rein mechanischen Prozessoren. Will man Sprachverständnis erklären, könnte ein System aus Komponenten bestehen, die Worte erkennen, diese mit einem Wörterbuch abgleichen und syntaktische sowie semantische Informationen abrufen. So lässt sich kognitive Kompetenz durch einfachere, mechanische Operationen erklären.

Das Konzept der Erklärung von Intelligenz orientiert sich an der Funktionsweise von Computern. Ein Computer multipliziert m mit n durch wiederholtes Addieren von m zu 0 n-mal. Register M und N speichern die Zahlen, Register A die Antwort. Schrittweise wird N überprüft, dekrementiert und m zu A addiert, bis N null erreicht. Das Ergebnis ist korrekt. Diese Art der Multiplikation zeigt, wie Prozesse in einfachere, primitive Operationen zerlegt werden können. Intelligente Fähigkeiten werden analog durch Zerlegung in weniger intelligente Kapazitäten und schließlich in mechanische primitive Prozesse erklärt.

Das Konzept des primitiven Prozesses ist sehr wichtig und wird im nächsten Abschnitt behandelt.

Primitive Prozessoren

Was macht einen Prozessor primitiv? Eine Antwort lautet: Bei primitiven Prozessoren ist die Frage ‚Wie funktioniert der Prozessor?‘ keine Frage für die Kognitionswissenschaft. Die Kognitionswissenschaft kann erklären, wie ein Multiplikator funktioniert, indem sie das Programm oder den Informationsfluss des Multiplikators darstellt. Sind jedoch die Komponenten des Multiplikators, etwa die Gatter, aus denen ein Addierer besteht, primitiv, so liegt es nicht im Aufgabenbereich der Kognitionswissenschaft, zu erklären, wie ein solches Gate funktioniert. Die Kognitionswissenschaft kann lediglich sagen, dass diese Frage einer anderen Disziplin, der Elektronik, gehört. Man muss die Frage, wie etwas funktioniert, von der Frage, was es tut, unterscheiden. Was ein Addierer tut, ist: addieren. Die Frage, was ein primitiver Prozessor tut, gehört zur Kognitionswissenschaft, die Frage, wie er es tut, nicht.

Diese Idee lässt sich deutlicher machen, wenn man sich ansieht, wie ein primitiver Prozessor tatsächlich arbeitet. Das Beispiel betrifft einen üblichen Computeraddierer, vereinfacht auf die Addition einzelner Ziffern. Um das Beispiel zu verstehen, müssen einige einfache Fakten über die Binärdarstellung bekannt sein. Die rechte Ziffer in der Binärschreibweise entspricht wie im Dezimalsystem der Einerstelle. Die zweite Ziffer von rechts ist die Zweierstelle, analog zur Zehnerstelle im Dezimalsystem. Als Nächstes folgt die Viererstelle, also zwei zum Quadrat, wie im Dezimalsystem die Hunderterstelle. Die Ziffern null und eins werden in Binär- und Dezimalsystem gleich dargestellt, aber die Binärdarstellung der Dezimalzahl zwei lautet zehn. Unser Addierer löst die vier Aufgaben:

0 + 0 = 0
1 + 0 = 1
0 + 1 = 1
1 + 1 = 10

Die ersten drei Gleichungen gelten sowohl in Binär- als auch in Dezimalsystem, die letzte nur im Binärsystem.

Ein weiteres grundlegendes Konzept ist das Gate. Ein AND-Gatter akzeptiert zwei Eingaben und liefert eine einzige Ausgabe. Sind beide Eingaben eins, ergibt die Ausgabe eins, andernfalls null. Ein XOR-Gatter, ein ‚entweder, aber nicht beides‘-Gatter, erkennt Unterschiede: Es liefert null, wenn die Eingaben gleich sind, und eins, wenn sie verschieden sind.

Diese Darstellung mit eins und null beschreibt die zwei stabilen Zustände von Repräsentationen in Computern. Diese Repräsentationen befinden sich stets in einem der beiden Zustände und nur kurzzeitig zwischen diesen. Die Zustände könnten beispielsweise vier Volt und sieben Volt sein. Ist einer der Zustände so definiert, dass, wenn beide Eingaben diesen Zustand haben, auch die Ausgabe diesen Zustand annimmt, und jede andere Kombination den anderen Zustand liefert, dann handelt es sich um ein AND-Gatter, und der vier-Volt-Zustand entspricht eins. Alternativ, wenn der vier-Volt-Zustand null realisiert, handelt es sich um ein inklusives ODER-Gatter. Die Zuweisung von eins zu einem physikalischen Zustand ist konventionell, entscheidend ist die Ein- und Ausgabe-Funktion des Gatters, nicht, wie es technisch realisiert ist.

So funktioniert der Addierer. Die zu addierenden Ziffern werden sowohl mit einem AND- als auch mit einem XOR-Gatter verbunden. Nehmen wir die Ziffern eins und null. Im Eingaberegister, der oberen Boxen, erkennt das XOR-Gatter den Unterschied und liefert eins in die rechte Box des Antwortregisters. Das AND-Gatter liefert null, sodass das Ergebnis eins plus null korrekt berechnet wird. Für die Aufgaben null plus eins und null plus null erledigt das XOR-Gatter die Arbeit. Das AND-Gatter übernimmt die Übertragsfunktion. Bei eins plus eins liefert das AND-Gatter eins in die linke Box und das XOR-Gatter null in die rechte, sodass das Ergebnis zehn korrekt ist.

Die Grenzen zwischen wissenschaftlichen Disziplinen sind oft unscharf. Niemand kann genau sagen, wo Chemie endet und Physik beginnt. Ebenso ist die Grenze zwischen höheren Prozessoren und primitiven Prozessoren unscharf. In unserem Beispiel sind die Gatter die primitiven Prozessoren. Werden sie auf übliche Weise hergestellt, sind sie die größten Komponenten, deren Funktion nicht durch Kognitionswissenschaft, sondern durch Elektronik oder andere Realisationswissenschaften erklärt werden muss. Wären die Gatter selbst kleine Computer, läge das Niveau der primitiven Prozessoren tiefer.

Primitive Prozessoren sind die einzigen Rechengeräte, für die Behaviorismus gilt. Zwei primitive Prozessoren gelten als rechnerisch gleichwertig, wenn sie dieselbe Ein- und Ausgabefunktion besitzen, unabhängig von ihrer physikalischen Umsetzung. Bei nicht-primitiven Geräten gilt dies nicht. Zwei Multiplikatoren mit unterschiedlichen Programmen, die Eingaben und Ausgaben in Dezimalform verarbeiten, sind nicht rechnerisch gleichwertig, auch wenn ihre Ein- und Ausgabefunktion identisch ist.

Wenn der Geist die Software des Gehirns ist, muss die funktionale Analyse menschlicher Intelligenz bei den primitiven Prozessoren des Gehirns enden.

Das Mentale und das Biologische

Ein elektrisches AND-Gatter besteht aus zwei Schaltungen mit Schaltern. Sind nur einer oder keiner der Eingangsschalter geschlossen, passiert nichts. Erst wenn beide geschlossen sind, aktiviert der Elektromagnet einen Schalter in der Ausgangsschaltung, wodurch diese eingeschaltet wird. Ein geschlossener Schalter realisiert eins, das bistabile Ergebnis tritt nur auf, wenn beide Eingaben vorhanden sind.

Ein weiteres AND-Gatter zeigt eine Analogie mit Katzen und Mäusen. Werden zwei Mäuse freigelassen, können sie Käse erhalten. Nur wenn beide Mäuse sichtbar sind, kann die Katze die dritte Maus in den Käsebereich lassen. Somit entspricht die Ausgabe eins dem Eingang nur, wenn beide Bedingungen erfüllt sind.

Dies illustriert die Irrelevanz der Hardware für die Rechenbeschreibung. Unterschiedliche physische Realisierungen sind rechnerisch gleichwertig. Viele weitere Varianten primitiver AND-Gatter sind denkbar. Wie diese funktionieren, gehört nicht zur Kognitionswissenschaft, genauso wenig wie die Bauweise von Computern. Das Computermodell des Geistes abstrahiert von biologischen Realisierungen. Ob unsere Gatter aus grauer Substanz, Schaltern oder Katzen bestehen, ist für das Modell unerheblich.

Das bedeutet nicht, dass das Computermodell biologischen Ansätzen widerspricht. Biologische und rechnerische Ansätze ergänzen sich, um das Gehirnprogramm zu entdecken. Wird ein fremder Computer untersucht, wäre es töricht, die Funktionsweise der Schaltungen zu ignorieren. Informationen auf Programm- und Elektronikebene ergänzen sich, ebenso beim Menschen.

Dennoch enthält das Computermodell eine anti-biologische Tendenz: Intelligente Maschinen könnten in unserem rechnerischen Abbild geschaffen werden, ohne biologische Ähnlichkeit. So erscheint die überzeugendste Theorie des Geistes als rechnerische, nicht biologische. Eine biologische Theorie umfasst uns und unsere weniger intelligenten Verwandten und liefert ein anderes Verständnis menschlicher Intelligenz. Beide Ansätze berücksichtigen Evolution, wobei im rechnerischen Paradigma die Evolution für die Natur des Geistes keine Rolle spielt, ebenso wenig wie die Absichten des Programmierers für ein Computerprogramm.