Hubert Dreyfus' Ansichten über künstliche Intelligenz stellen eine bedeutende philosophische Kritik an den Zielen und Methoden dieses Fachgebiets dar, die von den 1960er Jahren bis ins frühe 21. Jahrhundert reicht. Dreyfus, Professor für Philosophie an der University of California, Berkeley, argumentierte, dass menschliche Intelligenz und Fachkompetenz grundlegend verkörpert und kontextabhängig sind, und stellte damit die vorherrschende Annahme in Frage, dass Intelligenz auf logische Regelbefolgung oder symbolische Manipulation reduziert werden kann. Seine Kritiken wurden einflussreich bei der Gestaltung von Debatten über die Grenzen der künstlichen Intelligenz und inspirierten alternative Ansätze, die das Lernen aus Erfahrung gegenüber expliziter Programmierung betonen.
Dreyfus' Analyse war in der Phänomenologie verankert, insbesondere im Werk von Martin Heidegger und Maurice Merleau-Ponty, die den Vorrang des praktischen Engagements gegenüber distanzierter Reflexion betonen. Er vertrat die Auffassung, dass Menschen nicht in erster Linie denken, indem sie formale Regeln auf symbolische Repräsentationen anwenden, sondern indem sie durch Interaktion mit der Welt flexible, intuitive Reaktionen entwickeln. Diese Perspektive stand in direktem Gegensatz zum Informationsverarbeitungsparadigma, das die frühe KI-Forschung dominierte und annahm, dass Intelligenz in expliziten formalen Systemen erfasst werden könne.
Frühe Kritiken: die 1960er und 1970er Jahre
1965 veröffentlichte Dreyfus einen Bericht mit dem Titel 'Alchemy and Artificial Intelligence', der von der RAND Corporation finanziert wurde und argumentierte, dass KI-Forscher den Fortschritt überschätzten, indem sie sich auf Spielzeugprobleme konzentrierten. Er sagte berühmt voraus, dass Computer niemals Aufgaben meistern würden, die gesunden Menschenverstand erfordern, wie das Übersetzen natürlicher Sprache oder das Spielen von Schach auf Expertenniveau, weil diese Aufgaben umfangreiches, unartikuliertes Hintergrundwissen verlangen. Dieser Bericht wurde später zu dem Buch 'What Computers Can't Do' von 1972 erweitert, das die vier zentralen Annahmen der KI kritisierte: die biologische Annahme (das Gehirn verarbeitet Informationen wie ein digitaler Computer), die psychologische Annahme (der Geist funktioniert nach formalen Regeln), die erkenntnistheoretische Annahme (alles Wissen kann explizit gemacht werden) und die ontologische Annahme (die Realität besteht aus atomaren Tatsachen).
Dreyfus' Kritik erlangte Bekanntheit, als seine Schachvorhersagen herausgefordert wurden. Er argumentierte, dass frühe Schachcomputer-Programme fragil seien und von einem starken menschlichen Spieler besiegt würden, eine Behauptung, die er 1967 in einem Spiel gegen das Programm Mac Hack berühmt testete und verlor. Er behauptete jedoch, dass dies seinen umfassenderen Punkt nicht entkräfte, da der Erfolg des Programms auf Brute-Force-Suche und nicht auf echter Intelligenz beruhte. Später besiegte IBMs Deep Blue 1997 den Weltmeister Garry Kasparov, aber Dreyfus argumentierte, dass dieser Sieg Rechenleistung widerspiegele, nicht menschenähnliches Verständnis.
Die Phänomenologie der Fachkompetenz
Ein zentrales Thema in Dreyfus' Werk ist die Unterscheidung zwischen intellektuellem und verkörpertem Wissen. In Anlehnung an Heidegger beschrieb er menschliche Fachkompetenz als einen Fortschritt von regelbefolgenden Novizen zu intuitiven Experten, die fließend auf konkrete Situationen reagieren, ohne bewusst über Regeln nachzudenken. Ein erfahrener Fahrer berechnet beispielsweise nicht bewusst Bremswege; stattdessen nimmt er die Straße als Aufforderung zum Handeln wahr. Dreyfus argumentierte, dass KI-Systeme, die regelbasiert sind, diese Ebene des intuitiven Erfassens nie erreichen könnten, weil ihnen ein Körper und eine gelebte Geschichte der Interaktion mit der Welt fehlen.
In 'What Computers Still Can't Do' (1992), einer überarbeiteten Ausgabe, behandelte Dreyfus Fortschritte auf dem Gebiet, bekräftigte jedoch seine Position. Er lobte maschinelles Lernen und neuronale Netze-Ansätze dafür, über explizite Regeln hinauszugehen, argumentierte jedoch, dass diese Methoden immer noch zu kurz greifen, weil sie auf statistischer Mustererkennung statt auf echtem Verständnis beruhen. Er schlug vor, dass wirklich intelligente Systeme so etwas wie einen menschlichen Körper benötigen würden - eine Behauptung, die später im Bereich der 'verkörperten KI' Anklang fand, aber philosophisch umstritten bleibt.
Spätere Antworten und pragmatische Wende
In den 2000er Jahren verlagerte Dreyfus seinen Fokus auf die ethischen und sozialen Implikationen der Technologie, kommentierte die KI jedoch weiterhin. Er erkannte den Erfolg statistischer Ansätze in engen Bereichen wie Spracherkennung und visueller Klassifikation an, behauptete jedoch, dass diesen allgemeine Intelligenz fehle. In einem Artikel von 2007, 'Why Heideggerian AI Failed and How Fixing It Would Require Making It Heideggerian', argumentierte er, dass Versuche, 'Heideggerianische KI' von Forschern wie MIT-CSAILs Rodney Brooks zu bauen, philosophisch fehlgeleitet seien, da sie den Körper immer noch als Rechengerät behandelten.
Dreyfus' späteres Werk untersuchte auch die Rolle von Risiko und Engagement in der Fachkompetenz, in Anlehnung an die Philosophie Kierkegaards. Er deutete an, dass echte Fachkompetenz eine emotionale Investition und ein Gefühl dafür erfordert, was auf dem Spiel steht, was kein Computersystem replizieren könnte. Diese Perspektive prägte seine Kritiken an Versuchen, menschliches moralisches Urteilsvermögen in maschinellen Lernsystemen zu simulieren.
Einfluss auf die KI-Forschung
Trotz seiner negativen Vorhersagen hatte Dreyfus' Werk einen positiven Einfluss auf die KI. Er beeinflusste die Entwicklung alternativer Paradigmen wie Konnektionismus und situierte Robotik, die das Lernen aus Daten und die Interaktion mit der Umwelt gegenüber symbolischem Denken betonen. Seine Kritiken trugen auch zum 'KI-Winter' der 1980er Jahre bei, als die Finanzierung für symbolische KI zurückging und Forscher dazu veranlasst wurden, statistische Methoden zu erkunden. Moderne Entwicklungen im Deep Learning und bei großen Sprachmodellen, wie sie von OpenAI und Google DeepMind stammen, könnten als teilweise Bestätigung seiner Kritik gesehen werden, dass explizite Regeln unzureichend sind, während sie gleichzeitig seine Behauptung herausfordern, dass solche Systeme keine bedeutsame Kompetenz erreichen können.
Ab den späten 2010er Jahren beobachtete Dreyfus, dass KI-Systeme bei Mustererkennungsaufgaben kompetent geworden waren, ihnen aber immer noch das ganzheitliche, gesunde-Menschenverstand-Verständnis fehlte, das Menschen besitzen. Er blieb vorsichtig gegenüber Behauptungen über allgemeine künstliche Intelligenz und betonte, dass Intelligenz untrennbar mit verkörperter Erfahrung verbunden ist. Seine Ansichten werden weiterhin in Philosophie-der-KI-Kursen untersucht und wurden von Forschern wie Brendan Lake und Joshua Tenenbaum referenziert, die für Modelle argumentieren, die statistisches Lernen mit symbolischem Denken kombinieren.
Vermächtnis und zeitgenössische Relevanz
Hubert Dreyfus starb 2017, aber seine Kritiken bleiben ein Bezugspunkt für Diskussionen über die Grenzen und Möglichkeiten der KI. Seine Betonung von Verkörperung und Intuition war in Bereichen wie Mensch-Roboter-Interaktion und erklärbarer KI einflussreich. Im Zeitalter von ChatGPT und anderen großen Sprachmodellen hat sein Argument, dass Verständnis mehr als Textmanipulation erfordert, erneute Aufmerksamkeit erhalten, da diese Systeme plausiblen Text erzeugen können, aber oft bei einfachen Aufgaben des gesunden Menschenverstands oder physikalischen Denkens scheitern. Dreyfus' Werk dient somit als Erinnerung daran, dass Intelligenz nicht nur eine Frage der Berechnung ist, sondern tief im Gefüge lebender Wesen verankert ist.
Referenzen in philosophischen Debatten
Dreyfus' Ideen wurden von vielen in der KI-Gemeinschaft kritisiert, die auf den raschen Fortschritt des maschinellen Lernens verweisen und argumentieren, dass seine Skepsis auf einer zu engen Sicht dessen beruhte, was Computer tun könnten. Der Erfolg des Deep Learning in Spielen wie Go und Poker hat beispielsweise gezeigt, dass statistische Methoden in bestimmten Bereichen die menschliche Intuition übertreffen können. Dreyfus' Gegenargument jedoch, dass diese Systeme nur in oberflächlicher Weise 'intelligent' seien und echtes Verständnis fehle, bleibt eine philosophische Herausforderung.
Zusammenfassend sind Dreyfus' Ansichten über KI eine bahnbrechende Untersuchung der philosophischen Grundlagen des Fachgebiets, die Fragen aufwirft, die bis heute ungelöst sind: Kann Intelligenz auf Berechnung reduziert werden? Brauchen Maschinen Körper, um zu denken? Welche Rolle spielt implizites Wissen in der Fachkompetenz? Diese Fragen prägen weiterhin sowohl die KI-Forschung als auch den öffentlichen Diskurs über die Zukunft der Technologie.