Die Philosophie der Psychologie

Klassischer Computationalismus

Functionalismus und die Sprache des Denkens

Bisher haben wir funktionale Analyse betrachtet, den Ansatz des Computer-Modells des Geistes zur Intelligenz unterschieden von Intentionalität und die Idee des Gehirns als syntaktische Maschine erwogen. Die Vorstellung des Gehirns als syntaktische Maschine erklärt, wie symbolverarbeitende Operationen dazu führen können, dass eine Maschine 'Sinn' erzeugt. Bisher haben wir jedoch nichts gesehen, was als Erklärung von Intentionalität im Rahmen des Computermodells gelten könnte. Es ist Zeit, zuzugeben, dass, obwohl das Computer-Modell des Geistes eine natürliche und direkte Erklärung der Intelligenz bietet, keine Erklärung der Intentionalität automatisch mitkommt.

Wir werden das Feld hier nicht umfassend überblicken. Stattdessen betrachten wir eine Ansicht, die eine Art Orthodoxie darstellt, nicht im Sinne der Mehrheit der Forscher, sondern im Sinne dessen, dass andere Ansichten sich weitgehend durch ihre Reaktion darauf definieren. Der Grundsatz dieser Orthodoxie ist, dass unsere intentionalen Inhalte einfach Bedeutungen unserer inneren Repräsentationen sind. Wie zuvor angemerkt, spricht einiges dafür, den Inhalt von Denken und Sprache als ein einheitliches Phänomen zu betrachten, und dies ist eine recht direkte Methode dazu. Diese Orthodoxie trifft keine Aussage darüber, ob unsere innere Sprache, in der wir denken, mit der Sprache identisch ist, die wir sprechen. Ebenso gibt es keine Festlegung, welche Richtung der Reduktion gilt, also ob mentaler Inhalt oder die Bedeutungen interner Symbole grundlegender sind.

Konkreter gesprochen, wollen wir über Fodors Lehre reden, dass die Bedeutung der äußeren Sprache sich aus dem Inhalt des Denkens ableitet und der Inhalt des Denkens aus der Bedeutung der Elemente der Sprache des Denkens. Nach Fodor ist es, jemand glaubt oder hofft, dass Gras wächst, ein Zustand, der in einer bestimmten Berechnungsrelation zu einer internen Repräsentation steht, die bedeutet, dass Gras wächst. Dies lässt sich in Schlagworte fassen: zu glauben, dass Gras wächst, bedeutet, 'Gras wächst' in der Glaubensbox zu haben; zu wünschen, dass Gras wächst, bedeutet, diesen Satz (oder einen gleichbedeutenden) in der Wunschbox zu haben und so weiter.

Wenn alle Inhalte und Bedeutungen aus der Bedeutung der Elemente der Sprache des Denkens abgeleitet werden, wollen wir sofort wissen, wie die mentalen Symbole ihre Bedeutung erhalten. Diese Frage wird von verschiedenen Philosophen sehr unterschiedlich beantwortet, alle gleichermaßen dem kognitionswissenschaftlichen Standpunkt verpflichtet. Ein Standpunkt betrachtet als Paradigma Fälle, in denen ein Symbol im Kopf mit Zuständen in der Welt kovariiert, wie die Anzahl der Ringe in einem Baumstamm mit dem Alter des Baumes korreliert. Nach dieser Sicht ist die Bedeutung mentaler Symbole eine Frage der Korrelationen zwischen diesen Symbolen und der Welt.

Eine Version dieser Sicht besagt, dass ein Satz M genau dann eine Wahrheitsbedingung T hat, wenn M in der Glaubensbox erscheint, genau dann, wenn T unter idealen Bedingungen zutrifft. Die Idee hinter dieser Theorie ist, dass es kognitive Mechanismen gibt, die Sätze in die Glaubensbox setzen, wenn und nur wenn sie wahr sind, und wenn diese Mechanismen richtig funktionieren und die Umwelt kooperiert, erscheinen die Sätze in der Glaubensbox nur, wenn sie wahr sind. Ein Problem dabei ist, dass dies selbst für Beobachtungssätze funktioniert, aber schwer auf theoretische Sätze übertragbar ist, wie Raumtheorien oder Quarks mit Charm. Für theoretische Ideen reicht es nicht, nur mit Beweisen konfrontiert zu werden; man muss die richtige theoretische Idee haben. Ein Bezug auf Wahrheit in einer Analyse von Wahrheit würde einen zirkulären Schluss darstellen.

Ein zweiter Ansatz ist als Funktionalismus bekannt, in der Philosophie auch als 'Funktionale Rollensemantik' und in Psychologie und Informatik als prozedurale Semantik. Funktionalismus besagt, dass interne und externe Symbole ihre Bedeutung durch ihre Funktion erhalten. Zum Beispiel bedeutet das Symbol 'und', dass, wenn wir sicher sind, dass 'Gras ist grün und Gras wächst', die Schlussfolgerung 'Gras ist grün' und 'Gras wächst' überzeugend ist. Funktionalismus wendet diese Idee auf alle Wörter an. Interne Repräsentationen haben eine Funktion beim Entscheiden, Überlegen, Problemlösen und Denken allgemein, und darin besteht ihre Bedeutung.

Dies lässt sich anhand des Lernens der newtonschen Mechanik illustrieren. Ich lernte viele unbekannte Begriffe gleichzeitig, wie 'Masse', 'Kraft', 'Energie'. Ich lernte nicht ihre Definitionen, sondern wie man sie bei Aufgaben, Beobachtungen und Erklärungen verwendet. In dieser Anwendung lernte ich ihre Bedeutungen, was zur funktionalistischen Vorstellung passt, dass Bedeutung ihre Funktion in Wahrnehmung, Denken und Handeln ist. Eine Theorie der Bedeutung sollte also auch eine Theorie der Bedeutungserwerbung berücksichtigen.

Ein offensichtliches Problem ergibt sich bei Numeralen. Wahrheiten im Zahlensystem bleiben bestehen, selbst wenn nicht-standardisierte Interpretationen der Numerale angenommen werden. Zum Beispiel könnte T auf 2, '2' auf 4 und '3' auf 6 abgebildet werden. Funktionale Rolle kann nur die Anzahl möglicher Interpretationen reduzieren, aber wenn unendlich viele übrigbleiben, bringt dies nichts.

Eine funktionalistische Antwort betont die Eingabe- und Ausgabeenden der funktionalen Rollen. Wir sagen 'zwei Katzen', wenn wir zwei Katzen sehen, nicht bei einer oder fünf. Gedanken mit dem Symbol 3 beeinflussen Aktionen auf Dreiergruppen, nicht auf Achtergruppen. Funktionalismus kann nicht-standardisierte Interpretationen vermeiden, indem externe Relationen von Wahrnehmung und Handlung einbezogen werden. So wird die Erkenntnis eingebunden, dass Bedeutung etwas mit Kovariation zwischen Symbolen und Welt zu tun hat.

Die entstehende Sichtweise, wie die Kognitionswissenschaft Intentionalität handhaben kann, wird klar. Transducer und primitive interne Prozessoren erzeugen und operieren auf Symbolen, um ihre funktionale Rolle zu bestimmen. Aufgrund dieser Rolle haben Symbole Bedeutungen. Funktionalismus erklärt die Korrelation zwischen Symbolen und deren Bedeutungen. Intentionalität ergibt sich aus diesen symbolischen Aktivitäten, und Inhalte intentionaler Zustände wie Denken und Wollen leiten sich von den Bedeutungen der Symbole ab. Dies ist die orthodoxe Erklärung von Intentionalität für das Computermodell des Geistes. Sie kombiniert Funktionalismus mit der Annahme einer Sprache des Denkens. Beide Ansichten sind umstritten, letztere in Bezug auf Wahrheit und Relevanz für Intentionalität. Die Quelle der Intentionalität ist die computerbasierte Struktur, unabhängig davon, ob sie Software oder Hardware zugrunde liegt.

Am Ende dieses Abschnitts werde ich Searles berühmtes Chinesisches-Zimmer-Argument besprechen, einen direkten Angriff auf diese Theorie. Die nächsten Abschnitte behandeln Argumente für und gegen die Sprache des Denkens.

Kann es eine Sprache des Denkens geben?

Viele Einwände wurden gegen das Bild der Sprache des Denkens erhoben. Drei Einwände von Dennett seien kurz betrachtet. Der erste Einwand lautet, dass wir unendlich viele Überzeugungen haben. Zum Beispiel glauben wir, dass Bäume nicht wie Glühwürmchen leuchten, und dass dieses Buch näher bei Ihren Augen ist als der linke Schuh des US-Präsidenten zur Decke eines New Yorker Museums. Wie können so viele Überzeugungen in der kleinen Glaubensbox im Kopf gespeichert sein? Eine Antwort unterscheidet zwischen gewöhnlicher Auffassung von Überzeugung und einer wissenschaftlichen Konzeption, die die kognitive Wissenschaft verfolgt. Für wissenschaftliche Zwecke betrachten wir Überzeugungen, die Handlungen verursachen, und Überzeugungen, die durch Wahrnehmung entstehen. Proto-wissenschaftliche Überzeugungen sind kausal aktive Überzeugungen. Nur für diese ist die Sprache-des-Denkens-Theorie an Sätze im Kopf gebunden. Dies beantwortet den Einwand der Unendlichkeit: Die meisten von uns hatten eine bestimmte Überzeugung erst, als sie diesen Absatz lasen.

Explizite Überzeugungen werden im Gehirn gespeichert, unabhängig davon, ob sie bewusst sind. Zum Beispiel kennt man die Entfernung der Sonne zur Erde. Solche expliziten Überzeugungen können kausal wirken und müssen von gewöhnlichen Überzeugungen unterschieden werden, etwa der Überzeugung, dass Bäume nicht leuchten.

Explizit sein unterscheidet sich vom Bewusstsein. Kognitionswissenschaften beschreiben mentale Repräsentationen, die introspektiv unbekannt sind, wie Grammatik. Es gibt mentale Repräsentationen, die explizit, aber nicht bewusst sind, was die Möglichkeit von expliziten, unbewussten Überzeugungen eröffnet.

Die Sprache-des-Denkens-Theorie gilt nur für uns. Sie erlaubt Wesen, die ohne explizite Repräsentationen glauben, aber diese sind nicht wir. Digitale Computer haben eine zentrale Verarbeitungseinheit, die explizite Nullen und Einsen liest und schreibt. Jede endliche Maschine kann durch eine größere simuliert werden, die Zustände als implizites Gedächtnis nutzt. So könnten wir theoretisch von Maschinen ohne explizites Gedächtnis simuliert werden.

Betrachten wir einen endlichen Automaten mit drei Zuständen. Eingaben und Zustände bestimmen Ausgabe und Folgezustand. Der Automat zählt modulo drei und benötigt kein Speicher, er 'erinnert' sich durch Zustandsänderung. Einige neuronale Modelle nehmen an, dass wir solche Maschinen sind.

Wenn wir digitale Computer mit expliziten Repräsentationen sind, könnten wir von Automaten simuliert werden, die mehr Zustände und keine expliziten Repräsentationen haben. Die explizite Maschine hat den Vorteil, dass ihre Repräsentationen Teil eines kombinatorischen Systems sein können.

Zusammenfassend: Ein Einwand war, dass unendlich viele Überzeugungen nicht im Kopf gespeichert werden können. Die Antwort unterscheidet zwischen einem lockeren, gewöhnlichen Sinne von 'Überzeugung' und einem proto-wissenschaftlichen Sinn als kausal aktive Überzeugung. In letzterem Sinn haben wir keine unendliche Anzahl von Überzeugungen.

Ein zweiter Einwand ist ein Schachprogramm, das glaubt, die Dame früh zu entwickeln, ohne explizite Regel. Die Antwort: In proto-wissenschaftlichem Sinne glaubt sie nicht, die Dame früh zu entwickeln. Die explizit vertretenen Strategien erklären das Verhalten. Das Postulat zusätzlicher Überzeugungen könnte falsche Vorhersagen erzeugen. Proto-wissenschaftliche Überzeugungen können auf explizit vertretene Strategien beschränkt werden.

Ein dritter Einwand ist das 'Gegenteil' des Schachfalls: Dennetts Schwester-in-Cleveland-Fall. Ein Neurochirurg setzt den Satz 'Ich habe eine Schwester in Cleveland' in die Glaubensbox ein. Nach dem Aufwachen kann die Patientin den Namen nicht nennen und erkennt, dass sie nie wirklich glaubte, eine Schwester zu haben. Der Einwand zeigt die irreführende Natur des 'Glaubensbox'-Slogans, nicht die Doktrin. Glauben erfordert kohärente Sätze, nicht nur das Aussprechen von Worten. Sowohl im gewöhnlichen als auch im proto-wissenschaftlichen Sinn gilt, dass Gruppen zusammenhängender Sätze relevant sind, nicht einzelne Sätze.

Argumente für die Sprache des Denkens

Es scheint, dass die Hypothese der Sprache des Denkens gegen diese a priori Einwände verteidigt werden kann. Aber gibt es einen positiven Grund, daran zu glauben? Ein solcher Grund liegt darin, dass sie Teil eines einigermaßen erfolgreichen Forschungsprogramms ist. Doch es gibt Herausforderer, hauptsächlich bestimmte Versionen des Konnektionismus, sodass ein stärkeres Argument erforderlich wird, falls auch deren Forschungsprogramme erfolgreich enden. Dabei ist die Art des Erfolgs entscheidend, um zu beurteilen, ob der Konnektionismus tatsächlich ein ernstzunehmender Konkurrent zur Sprache-des-Denkens-Perspektive ist. Konnektionistische Netze waren erfolgreich in verschiedenen Aufgaben der Mustererkennung, beispielsweise bei der Unterscheidung von Minen und Steinen. Selbst wenn diese Netze Mustererkennungsaufgaben viel besser als wir lösen könnten, würde dies nicht darauf hindeuten, dass sie Modelle höherer Kognition liefern. Computer, die klassisch programmiert sind, Arithmetik zu betreiben, können diese Aufgaben weit besser lösen als wir, doch daraus würde niemand schließen, dass diese Computer Modelle höherer Kognition darstellen.

Ein zentrales Argument für die Akzeptanz der Sprache des Denkens war eine oder andere Form des Produktivitätsarguments, ausgehend von Chomskys Arbeit. Die Idee ist, dass Menschen in der Lage sind, unzählige Gedanken zu denken, die sie zuvor noch nicht gedacht haben – und die möglicherweise noch nie von jemandem gedacht wurden. Betrachten wir zum Beispiel den Gedanken, dass dieses Buch näher bei Ihnen ist als der Schuh des Präsidenten an der Decke des Museumsshops. Die naheliegendste Erklärung dafür, wie wir solche neuen Gedanken denken können, ist dieselbe wie die Erklärung dafür, wie wir Sätze bilden, die diese Gedanken ausdrücken: durch ein kombinatorisches System, in dem wir denken. Abstrakt betrachtet, ohne Einschränkungen durch Gedächtnis, Motivation oder Lebensdauer, gibt es möglicherweise keine obere Grenze für die Anzahl denkbarer Gedanken. Die Anzahl der Sätze in der englischen Sprache ist sicherlich unendlich. Aber was bedeutet es zu sagen, dass Sätze mit Millionen von Wörtern prinzipiell denkbar sind?

Befürworter des Produktivitätsarguments sagen: Die Erklärung dafür, dass wir tatsächlich keine Sätze mit Millionen von Wörtern denken können, muss auf Tatsachen zurückgreifen wie: Wenn wir versuchen würden, ausreichend lange oder komplizierte Gedanken zu denken, würde unsere Aufmerksamkeit nachlassen, unser Gedächtnis versagen oder wir würden sterben. Sie argumentieren, dass wir diese Begrenzungen idealisieren können, da die Mechanismen des Denkens selbst unbegrenzt sind. Doch die Behauptung, dass, wenn wir Gedächtnis, Sterblichkeit, Motivation und Ähnliches abstrahieren, unsere Denkmechanismen unbegrenzt seien, ist eine Lehre, für die es keine direkten Belege gibt. Die Perspektive, aus der diese Lehre hervorgeht, war fruchtbar, doch bleibt offen, welcher Aspekt dieser Lehre für ihren Erfolg verantwortlich ist.

Immerhin könnten wir im Wesentlichen endliche Wesen sein. Nicht alle Idealisierungen sind gleichermaßen korrekt, und entgegen weit verbreiteter Annahmen in der Kognitionswissenschaft könnte die Idealisierung zur Unbegrenztheit des Denkens eine schlechte sein. Betrachten wir einen endlichen Automaten. Seine einzige Form des Gedächtnisses besteht im Zustandswechsel. Um diesen Automaten dazu zu bringen, bis vier zu zählen statt nur bis drei, kann man nicht einfach mehr Speicher hinzufügen, sondern muss ihm einen weiteren Zustand geben, indem man die Bauweise ändert. Vielleicht sind wir wie dieser Automat.

Eine Erweiterung des Produktivitätsarguments, um dieses Problem zu berücksichtigen, wurde von Fodor und Pylyshyn vorgeschlagen. Sie weisen darauf hin, dass es ein Faktum über Menschen ist, dass, wenn jemand denken kann, dass Mary John liebt, sie auch denken kann, dass John Mary liebt. Ebenso gilt dies für viele Paare von Gedanken, die dieselben begrifflichen Bestandteile enthalten, aber unterschiedlich zusammengesetzt sind. Es gibt eine systematische Beziehung zwischen vielen Gedanken, die eine Erklärung in Form eines kombinatorischen Systems erfordert. Die Schlussfolgerung lautet, dass menschliches Denken in einem Medium aus „beweglichen Typen“ operiert.

Der naheliegendste Kandidat für die Elemente eines solchen kombinatorischen Systems sind in vielen Bereichen die externen Symbolsysteme selbst. Arithmetische Gedanken sind ein offensichtliches Beispiel. Wenn jemand denken kann, dass sieben plus sechzehn nicht zwanzig ist, dann kann sie vermutlich auch denken, dass siebzehn plus sechs nicht zwanzig ist. Wer die zehn Ziffern und andere grundlegende Symbole der arabischen Notation beherrscht, kann jeden arithmetischen Gedanken denken, der in einer darstellbaren Form ausgedrückt ist. Falsche Propositionen können denkbar sein – man kann denken, dass zwei plus zwei gleich fünf ist, wenn man nur denkt, dass es falsch ist.

Eine Zeile auf einer gedruckten Seite enthält achtzig Symbole. Es gibt eine riesige Anzahl arithmetischer Aussagen, die auf einer solchen Zeile geschrieben werden können – ungefähr so viele wie es elementare Teilchen im Universum gibt. Obwohl fast alle falsch sind, sind sie prinzipiell mit Mühe denkbar. Die Erklärung dafür ist, dass wir die Symbole, Zahlen und Operatoren aneinanderreihen können – entweder im Kopf oder auf Papier – und einfach den Gedanken von der Symbolreihe ablesen. Dies zeigt nicht, dass das Systematikargument falsch ist; im Gegenteil, es zeigt, warum es richtig ist. Doch es zeigt, dass das Systematikargument möglicherweise nur für bewusstes Denken gilt und nicht für den Großteil unbewusster Denkprozesse, mit denen sich die Kognitionswissenschaft hauptsächlich beschäftigt. Fodor und Pylyshyn haben recht: Das Systematikargument zeigt, dass es eine Sprache des Denkens gibt. Und sie haben recht, dass, falls der Konnektionismus unvereinbar mit einer Sprache des Denkens ist, dies für den Konnektionismus nachteilig ist. Doch sie liegen falsch in Bezug auf eine unausgesprochene Annahme: dass das Systematikargument zeigt, dass sprachähnliche Repräsentationen die Kognition durchdringen.

Ein Großteil des Erfolgs in der Kognitionswissenschaft liegt im Verständnis von Wahrnehmungs- und Motorikmodulen. Diese Module sind weder introspektiv noch direkt durch bewusstes Denken beeinflussbar. Die Produktivität im bewussten Denken, die vom Systematikargument genutzt wird, demonstriert keineswegs die Produktivität in der Verarbeitung innerhalb solcher Module. Zwar kann man denken, dass Mary John liebt, und daraus schließen, dass John Mary liebt, doch zu solchen Fakten über unbewusste Prozesse haben wir keinen leichten Zugang. Die Schlussfolgerung des Systematikarguments mag für unbewusste Repräsentationen richtig sein, aber das Argument zeigt wenig über kapsulierte Module und andere unbewusste Systeme.

Die Schwäche des Systematikarguments liegt darin, dass es auf Fakten basiert, die dem bewussten Denken leicht zugänglich sind, sodass seine Anwendung auf unbewusste Prozesse fragiler ist. Dennoch hat das Symbolmanipulationsmodell große Erfolge bei der Erklärung von Wahrnehmung, Denken und Motorik gezeigt. Das Systematikargument ist begrenzt, doch das Modell für bewusste Prozesse lässt sich auf unbewusste Prozesse anwenden.

Es sei hinzugefügt, dass dies nicht die gesamte Kritik von Fodor und Pylyshyn am Konnektionismus infrage stellt. Jedes neuronale Netzmodell des Geistes muss berücksichtigen, dass wir ein systematisches kombinatorisches Symbolsystem im bewussten Denken verwenden. Es ist schwer vorstellbar, wie ein neuronales Netz dies leisten könnte, ohne teilweise ein klassisches Symbolverarbeitungsmodell zu implementieren.

Fodor und Pylyshyn wenden ein, dass das Systematikargument auch für Tiere gilt. Zum Beispiel enthalten die konditionierenden Studien keine Fälle, in denen Tiere das rote Objekt anstelle des grünen wählen können, aber nicht umgekehrt. Diese Antwort ist teilweise überzeugend, bleibt jedoch anekdotisch. Die gesammelten Daten hängen von der Theorie des Wissenschaftlers ab, und Daten aus Tierkonditionierungsexperimenten können nicht vollständig vertrauenswürdig sein.

Ein weiterer Einwand gegen das Systematikargument ergibt sich aus der Unterscheidung zwischen sprachlicher und bildlicher Repräsentation, die in der Debatte über mentale Bilder eine Rolle spielt. Viele Forscher nehmen an, dass wir zwei unterschiedliche Repräsentationssysteme haben: ein sprachähnliches System und ein bildliches System. Wenn ein Tier, das rot statt grün wählen kann, auch umgekehrt trainiert werden kann, könnte dies die Eigenschaften eines bildlichen Systems widerspiegeln, das Menschen und Tiere teilen, nicht jedoch ein sprachähnliches System. Selbst wenn das Systematikargument für Tiere zutrifft, könnte dies nur ein kombinatorisches bildliches System anzeigen, nicht notwendigerweise ein sprachähnliches System für unbewusstes Denken beim Menschen.

Explanatorische Ebenen und die syntaktische Theorie des Geistes

Angenommen, die Hypothese der Sprache des Denkens ist korrekt. Sollten Erklärungen der kognitiven Wissenschaft sich nur auf die syntaktischen Elemente der Sprache des Denkens beziehen, oder auch auf deren Inhalte? Stich argumentierte für die syntaktische Theorie des Geistes, in der die Sprache des Denkens als uninterpretiertes Symbolsystem verstanden wird, dessen Inhalte für die kognitive Wissenschaft irrelevant sind. Ich werde dies anhand einer vereinfachten Version von Stichs Argument darstellen.

Stich beschreibt den Fall von Mrs. T, einer senilen alten Dame, die die Frage, was mit McKinley geschehen sei, korrekt beantwortet, aber Fragen wie „Wo ist McKinley jetzt?“ oder „Lebt er noch?“ nicht beantworten kann. Mrs. T verfügt über logische Fähigkeiten, hat jedoch den Großteil ihres Gedächtnisses und nahezu alle Konzepte, die mit dem Begriff „Attentat“ verbunden sind, verloren. Stich zeigt, dass Mrs. T zwar weiß, dass etwas mit McKinley geschehen ist, aber das Konzept des Attentats nicht versteht, und daher nicht gesagt werden kann, dass sie glaubt, McKinley sei ermordet worden.

Das Argument, das ich kritisieren werde, schlussfolgert, dass rein syntaktische Erklärungen Inhaltsangaben untergraben, da die syntaktische Erklärung überlegen sei. Zwei Aspekte sollen diese Überlegenheit zeigen: Erstens kann die syntaktische Perspektive Mrs. T erklären, die wenig intentionale Inhalte, aber viele interne Repräsentationen hat, deren Interaktionen ihr Verhalten erklären und vorhersagen. Gleiches gilt für sehr kleine Kinder, Menschen mit psychiatrischen Störungen oder Bewohner exotischer Kulturen. Zweitens erlaubt die syntaktische Perspektive feinere Vorhersagen und Erklärungen als die inhaltliche Perspektive, da unterschiedliche Repräsentationen eines Glaubens unterschiedliche Schlussfolgerungen erschweren oder erleichtern.

Das Argument behauptet, dass die syntaktische Perspektive allgemeiner und feiner ist, wodurch Inhaltsangaben obsolet werden. Doch dies ist ein schwerwiegender Fehler: Dass syntaktische Erklärungen in einigen Punkten besser sind, bedeutet nicht, dass Inhaltsangaben nicht in anderen Punkten überlegen sein könnten. Wird die inhaltliche Perspektive durch die syntaktische widerlegt, könnte dieselbe Logik die syntaktische Perspektive selbst widerlegen. Dies nennt sich der Reductionist-Cruncher. Syntaktische Objekte können physikalisch-chemisch beschrieben werden, wodurch die Erklärung noch allgemeiner und feiner wird. Ebenso können mögliche Wesen syntaktisch wie wir sein, aber in Inhalten anders, oder physikalisch-chemisch wie wir, aber syntaktisch anders. Die physikalisch-chemische Beschreibung ist feiner als die syntaktische, und syntaktische Generalisierungen können unter bestimmten physikalisch-chemischen Umständen scheitern, genauso wie Inhaltsgeneralisierungen unter bestimmten syntaktischen Umständen versagen können.

Wenn die inhaltliche Perspektive durch die syntaktische widerlegt werden könnte, ließe sich die syntaktische durch eine noch tiefere Theorie widerlegen, etwa durch die Quantenfeldtheorie der Schaltkreise. Dies zeigt, dass niedrigere Ebenen, obwohl in einigen Punkten überlegen, höhere Ebenen nicht entbehrlich machen. Die Programmebene hat ihre eigene Allgemeinheit, da sie für verschiedene Arten von Rechnern gilt, sogar solche ohne klassische Schaltkreise. Viele Vorhersagen und Erklärungen sind auf Programmebene einfach, aber auf Schaltkreisebene absurd komplex.

Das Beispiel von Putnam zeigt dies anschaulich: Ein runder Stift passt nicht durch ein quadratisches Loch, dessen Seite der Quadratwurzel von zwei entspricht. Molekulare Beschreibungen erklären das Material noch feiner, doch die geometrische Erklärung ist dennoch korrekt und allgemeiner anwendbar. Der Reductionist-Cruncher zeigt, dass jede tiefere Theorie die vorherige nur teilweise ersetzt, ohne deren Gültigkeit vollständig aufzuheben. Natur hat reale Schnittstellen auf vielen Ebenen, die jeweils eigene Idealisierungen erfordern. Außerdem können elementare Teilchen künftig noch kleinere Teilchen enthalten, was eine theoretische unendliche Reihe von Teilchen in Teilchen erlaubt. Dies bedeutet jedoch nicht, dass echte Erklärungen unmöglich sind.

Es gibt nicht nur eine inhaltliche Ebene, sondern viele. Marr unterschied zwischen der rechnerischen Ebene, der Ebene von Repräsentation und Algorithmus sowie der Implementierungsebene. Auf der rechnerischen Ebene ist der Multiplikator als Funktion von Zahlenpaaren zu ihren Produkten zu verstehen. Auf der Repräsentations- und Algorithmusebene beschreibt der Algorithmus, wie n durch m multipliziert wird, indem m n-mal zu null addiert wird. Auf der Programmebene erfolgt die Umsetzung durch eine Folge von Operationen, wie das wiederholte Subtrahieren von eins und das Hinzufügen von m zum Antwortregister. Jeder dieser Ebenen ist eine Inhaltsebene, nicht eine syntaktische Ebene. Unterschiedliche Multiplikatoren können allein dadurch erklärt werden, dass sie Multiplikatoren sind. Der Algorithmus liefert eine tiefere Erklärung, das Programm eine noch tiefere. Das Vorhandensein einer Beschreibung in einem bestimmten Vokabular beweist jedoch nicht automatisch die Existenz einer eigenen Erklärungsebene.

Es ist legitim, auf verschiedenen Ebenen unterschiedliche und sogar inkompatible Idealisierungen zu verwenden. Obwohl das Gehirn analog ist, kann der digitale Computer auf einer Ebene analog wirken. Beispielsweise repräsentieren Schaltkreise digital T und 0, während auf elektronischer Ebene Zwischenwerte kurzzeitig auftreten. Für die Beschreibung einer Ebene abstrahieren wir von diesen Zwischenwerten, für eine andere nicht.

Searles Argument der chinesischen Kammer

Wie wir gesehen haben, ist die Vorstellung, dass eine bestimmte Art der Symbolverarbeitung etwas zu einem intentionalen System macht, grundlegend für das Computermodell des Geistes. Wenden wir uns nun einem auffälligen, direkten Angriff auf diese Idee von John Searle zu, der in den Jahren 1980 und 1990 formuliert wurde. Die Strategie Searles besteht darin, sich nicht in Details einzelner Programme zu verlieren, sondern sich vorzustellen, dass die Kognitionswissenschaft der fernen Zukunft ein Programm entwickeln könnte, das einen echten chinesisch sprechenden und verstehenden Menschen beschreibt, und dass dieses Programm in einer Maschine implementiert werden kann. Anders als viele Kritiker des Computermodells ist Searle bereit anzuerkennen, dass dies möglicherweise möglich ist, um sich auf die Behauptung zu konzentrieren, dass die Maschine selbst dann keine intentionalen Zustände besitzen würde.

Das Argument beruht auf einem Gedankenexperiment. Stellen Sie sich vor, Sie haben einen Job in einem Raum, der als chinesische Kammer bezeichnet wird. Sie verstehen nur Englisch. Zettel mit chinesischen Schriftzeichen werden unter die Eingangstür geschoben, und Ihre Aufgabe besteht darin, sinnvolle chinesische Antworten auf andere Zettel zu schreiben und diese unter der Ausgangstür herauszuschieben. Wie gehen Sie vor? Sie handeln wie die zentrale Verarbeitungseinheit eines Computers, indem Sie dem oben erwähnten Programm folgen, das die Symbolverarbeitung im Kopf eines echten chinesisch sprechenden Menschen beschreibt. Das Programm ist auf Englisch in einer Bibliothek im Raum gedruckt. So folgen Sie dem Programm. Angenommen, die neuesten Eingaben enthalten für Sie unverständliche chinesische Zeichen. An einer Wand des Raumes hängt eine Tafel mit einer Zustandsnummer, auf der '17' steht. Sie entnehmen Buch 17 aus der Bibliothek und schlagen diese speziellen Zeichen nach. Buch 17 weist an, auf das zu achten, was auf Ihrem Notizblock steht, und anhand der Kombination aus Eingabezeichen und Notizen sollen Sie den Inhalt des Notizblocks auf eine bestimmte Weise ändern, bestimmte andere Zeichen auf Ihren Ausgabeblock schreiben, das Papier unter die Ausgangstür schieben und schließlich die Zahl auf der Tafel auf '193' ändern. Als Ergebnis dieser Tätigkeit finden chinesische Sprecher die Zettel, die Sie unter die Ausgangstür schieben, als sinnvolle Antworten auf die Eingaben.

Sie wissen jedoch nichts von dem, was auf Chinesisch gesagt wird; Sie befolgen lediglich die Anweisungen auf Englisch, um in bestimmten Büchern nachzuschlagen und bestimmte Zeichen zu schreiben. Nach Searle versteht das System, dessen CPU Sie sind, kein Chinesisch, sondern simuliert lediglich die chinesische Sprache. Searle lehnt daher zu Recht den Turing-Test für das Verstehen von Chinesisch ab. Sein Argument lautet, dass das Programm eines echten Chinesisch-Verstehenden nicht ausreicht, um Chinesisch zu verstehen, und dass daher keine Theorie der Symbolmanipulation über das Verstehen von Chinesisch oder anderen intentionalen Zuständen korrekt beschreibt, was jemanden zu einem Chinesisch-Verstehenden macht. Die Schlussfolgerung seines Arguments ist somit, dass die grundlegende Idee des Denkens als Symbolverarbeitung falsch ist, selbst wenn sie es ermöglicht, eine Maschine zu bauen, die die Symbolverarbeitung eines Menschen nachahmt und damit dessen Verhalten dupliziert.

Die besten Kritiken des Arguments der chinesischen Kammer konzentrieren sich auf die sogenannte Systems-Antwort, die Searle antizipiert. Diese Antwort hat einen positiven und einen negativen Aspekt. Der negative Aspekt besagt, dass wir nicht vom Satz 'Bill hat niemals Uran nach Nordkorea verkauft' auf 'Bills Unternehmen hat niemals Uran nach Nordkorea verkauft' schließen können. Ebenso können wir nicht von 'Bill versteht kein Chinesisch' auf 'Das System, dessen Teil Bill ist, versteht kein Chinesisch' schließen. Es gibt eine Lücke in Searles Argument. Der positive Aspekt besagt, dass das gesamte System – Mensch, Programm, Tafel, Papier, Eingangs- und Ausgangstüren – Chinesisch versteht, auch wenn der Mensch, der als CPU agiert, es nicht tut. Öffnet man einen Computer, um die CPU zu betrachten, findet man, dass sie nur einer von vielen Chips und anderen Komponenten auf der Hauptplatine ist. Die Systems-Antwort erinnert uns daran, dass die CPUs der denkenden Computer, die wir eines Tages haben möchten, selbst nicht denken werden, sondern Teil denkender Systeme sind.

Searles geschickte Antwort besteht darin, sich vorzustellen, dass die Ausstattung des Systems internalisiert wird. Anstatt in der Bibliothek nachzuschlagen, merken Sie sich die gesamte Bibliothek. Anstatt Notizen auf Zetteln zu schreiben, merken Sie sich, was Sie geschrieben hätten, und merken sich, was die Tafel anzeigen würde. Schließlich hören Sie einfach chinesische Äußerungen und geben Antworten, ohne Zettel zu benutzen. Bei dieser Version der chinesischen Kammer wird das Verhalten des gesamten chinesisch sprechenden Systems erfasst, nicht nur der Austausch von Notizen. Doch wie Searle betont, während Sie den Eindruck erwecken, mit chinesischen Sprechern einen gelehrten Diskurs zu führen, sind Sie sich nur bewusst, die Geräusche zu erzeugen, die das Programm vorgibt, basierend auf den gehörten Geräuschen und den mental gespeicherten Notizen.

Wie oben dargelegt, ist die CPU nur eine von vielen Komponenten. Wenn das Gesamtsystem Chinesisch versteht, sollten wir nicht erwarten, dass die CPU selbst Chinesisch versteht. Die Internalisation – die 'neue' chinesische Kammer – soll die Analogie zwischen dem Blick in den Computer und dem Blick in die chinesische Kammer zerstören. Im Computer sieht man viele Chips zusätzlich zur CPU. In der neuen chinesischen Kammer sieht man nur Sie, da Sie Bibliothek, Notizen und Tafel internalisiert haben. Die nicht-CPU-Komponenten sind jedoch nicht verschwunden, sondern internalisiert. Wenn das Programm den Inhalt eines Registers in ein anderes übertragen will, müssen Sie dies mental simulieren. Sie implementieren das System, indem Sie die Aufgaben der CPU ausführen und gleichzeitig die nicht-CPU-Komponenten simulieren. Wenn die positive Seite der Systems-Antwort zutrifft, versteht das gesamte implementierte System Chinesisch.

Doch wie kann es sein, dass Sie ein System implementieren, das Chinesisch versteht, obwohl Sie selbst kein Chinesisch verstehen? Die Systems-Antwort lautet, dass Sie ein Chinesisch-verstehendes System implementieren, ohne selbst Chinesisch zu verstehen oder notwendigerweise zu bemerken, was Sie tun. Die chinesische Kammer wird als englisches System gesehen, das ein chinesisches System implementiert. Sie sind sich nur der Gedanken des englischen Systems bewusst, wie dem Befolgen von Anweisungen und Nachschlagen in der internen Bibliothek. Durch diese herkulische Aufgabe implementieren Sie ein intelligentes chinesisch sprechendes System, sodass Ihr Körper zwei verschiedene intelligente Systeme beherbergt. Das chinesische System denkt ebenfalls, doch Sie sind sich dessen nicht bewusst.

Die Systems-Antwort kann durch eine Erweiterung des Gedankenexperiments untermauert werden, die die Arbeitsteilung verdeutlicht. Stellen Sie sich vor, Sie übernehmen die chinesische Simulation als 9-bis-17-Job. Sie kommen montags nach einem erholsamen Wochenende und arbeiten das Programm bis 17 Uhr ab. Während der Arbeitszeit konzentrieren Sie sich auf die Umsetzung der Programmvorgaben, ohne über die Bedeutung der Eingaben nachzudenken. So reagieren Sie während der Arbeitszeit genau nach Programmvorgabe, nur gelegentliche Blicke auf die Uhr unterbrechen dies. Wenn jemand mit Ihnen auf Englisch spricht, antworten Sie mit einem chinesischen Satz, um Chinesisch zu sprechen, oder mit einem ungeschickten 'No speak English', das vom simulierten chinesischen Sprecher stammt, und erkennen es möglicherweise selbst nicht als Englisch. Nach 17 Uhr hören Sie auf zu arbeiten und reagieren wie ein einsprachiger Englischsprecher auf Chinesisch.

Warum implementiert das englische System das chinesische System und nicht umgekehrt? Weil Sie als englisches System den Anweisungen eines englischen Programms folgen, um chinesische Laute zu erzeugen. Wenn Sie den Job kündigen, verschwindet das chinesische System. Wenn das chinesische System kündigt, werden seine Pläne aufbewahrt, bis Sie zurückkehren. Ihre Verpflichtung besteht nur gegenüber dem Programm. Somit teilen Sie und das chinesische System denselben Körper. Searle nutzt das Unbewusstsein der chinesischen Gedanken als Argument, dass es keine Gedanken gibt, doch dies ist unzulässig. Fälle multipler Persönlichkeiten zeigen oft, dass eine Persönlichkeit die anderen nicht wahrnimmt.

Es ist aufschlussreich, Searles Gedankenexperiment mit der Zeichensuchmaschine Tante Bubbles zu vergleichen, die zu Beginn des Kapitels beschrieben wurde. Diese Maschine wurde gegen ein behavioristisches Intelligenzmodell verwendet. Die Symbolmanipulationstheorie des Geistes ist jedoch kein Vorschlag zu unserem Alltagsverständnis. Wenn wir das englische System als implementierend für ein chinesisches System betrachten, liegt das daran, dass die Symbolmanipulationstheorie des Geistes als empirische Theorie plausibel erscheint.

Ein Aspekt von Searles Fall ist mir sympathisch. Ich bezweifle, ob es ein Erlebnis ist, Teil des chinesischen Systems zu sein, also ob das chinesische System phänomenal bewusst ist. Meine Zweifel ergeben sich aus der Idee, dass Bewusstsein mehr mit der Umsetzung von Symbolverarbeitung zu tun haben könnte als mit der Symbolverarbeitung selbst. Searle erwähnt dies überraschenderweise nicht im Zusammenhang mit der chinesischen Kammer, doch es kann als Kern seines Arguments betrachtet werden. Searle hat unabhängig von der chinesischen Kammer argumentiert, dass Intentionalität Bewusstsein erfordert. Wenn diese Doktrin zutrifft, stützt sie das Argument der chinesischen Kammer. Ist das chinesische System nicht bewusst, so ist es auch kein intentionales System.

Selbst wenn ich Searles Argument für gescheitert halte, gelingt es dennoch, unser Verständnis von Intentionalität und ihrer Beziehung zu Berechnung und Repräsentation zu schärfen.