Der Begriff „Künstliche Intelligenz (KI)“ hat heute etwas Magisches und Mystisches an sich. Wir versuchen hier, den Begriff zu entzaubern.

Eine Entzauberung erkennt man, wenn KI als ein Verkaufsargument, amerikanisch gesprochen, als ein „sales pitch“ aufgefasst wird.

KI kann als Verkaufsabteilung der Mustererkennung angesehen werden. KI oder AI müsste eigentlich „artificial perception“(AP) oder „künstliche Wahrnehmung“ (KW) heißen. Denn es handelt sich um einen Aufnahmeprozess, weniger wie Intelligenz um einen Verarbeitungsprozess.    Es wird prophezeit, dass KI sich verselbstständigen wird. Das Buch von Markus Gabriel „Ethische Intelligenz. Wie KI uns moralisch weiterbringen kann“ zeigt hier deutliche Wege auf. Aber: die Geschichte der KI ist vollgespickt mit Prophezeiungen. Es hilft nur eins: Abwarten. „Wer lebt wird sehen oder Qui vivra verra.“

1. Muster und Klassen

Bild 1. Handgeschriebene Ziffern als Muster in einer Zeile als Klasse

Wir entnehmen das Bild 1 aus dem Lehrbuch von Heinrich Niemann „Klassifikation von Mustern“ Seite 7, 1983.  Es handelt sich um einfache Muster, weil der Anwender nur an den Klassennamen (Null, Eins, Zwei, Drei…) interessiert ist, und wenn es möglich ist, das Muster als Ganzes zu klassifizieren. Jeweils sind 10 Muster pro Klasse in einer Zeile aufgeführt. Wir halten fest. Muster ist das Besondere, Klasse das Allgemeine. Beim Betrachten der Muster z.B. bin ich nur an dem Klassennamen „Drei“ interessiert. In meinem Blogbeitrag „die Vierte Kränkung des Menschen“ habe ich die schon  bekannten Einzelfälle von „Allgemein/ Besondere“ herausgestellt und um „Klasse/Muster“ ergänzt. Wir sind uns bewusst, dass hiermit ein erster Schritt in Richtung KI gemacht wird. Schon im Jahre 2004 hatten wir mit dem Aufsatz:  “Toward Universal Literacy: from Computer Science Upward“ eine zutreffende Mutmaßung, dass man in der Welt des Allgemeinen in die Welt der KI vordringt.

Das Allgemeine               Das Besondere                Bemerkung

Schema                              Aktualisierung                    Allgemeine Sprachlehre

type                                      token                                   nach C. S. Peirce (1839 – 1914)

competence                       performance                      nach   N. Chomsky (* 1928)

Sprache (langue)              Rede (parole)                    nach  F. de Saussure (1857- 1913)

Klasse                             Muster (pattern)              Mustererkennung

Aus einer dialogischen Perspektive haben wir einen Sender, der etwas Einzelnes (Singuläres) oder etwas Besonderes von sich gibt, er redet oder schreibt z.B., und einen Empfänger, der das Gesendete als Typ, als Schema oder etwas Allgemeines erkennen kann. Mit anderen Worten, der Empfänger kann verstehen. Verstehen heißt, etwas Einzelnes (Singuläres) unter ein Allgemeines bringen.Man subsumiert. Wer versteht, ist intelligent, hat Einsichten. Der Ausdruck „intelligent“ sollte hier erwähnt werden. In dieser Fassung ist der verstehende Mensch intelligent, der das allgemeine Schema verfügbar hat. Und der Ausdruck „künstliche Intelligenz“ ist auch so zu verstehen, dass eine Maschine, und kein Mensch mit seiner natürlichen Intelligenz, auch  ein Schema verfügbar hat.

Betrachten wir die handgeschriebenen Ziffern in Bild 1. Man erkennt. dass Mustererkennung ein gewaltiges Problem ist. Nach dem Abtasten einer Kontur ist es von großer Wichtigkeit, zur Reduktion der Datenfülle Konturmerkmal (Länge, Krümmung, Krümmungsverlauf…)  herauszuarbeiten, mit denen dann weitergearbeitet werden kann. Es hat sich eine ganze wissenschftliche Disziplin herausgebildet, die international „feature extraction“ (Merkmal- Extraktion) genannt wird. Mustererkennung ist dann schließlich ein Übereinstimmungs- oder Matchingprozess mit dem Klassenmerkmalen. Bei Übereinstimmung ist das Muster erkannt, bei Nicht – Übereinstimmung wird aussortiert und um Wiedervorlage gebeten. Mustererkennung erfolgt also über Merkmale.

2. Das Aufkommen von Chat GPT

Mit dem Aufkommen von ChatGPT wurde der Schematisierungsprozess auf Texte massiv ausgedehnt. Textschemata als Sprachmodell werden aus Reden (Parole) gewonnen und der Begriff der Wahrscheinlichkeit spielt eine herausragende Rolle. Gewonnen wird aus Reden eine Wortfolgewahrscheinlichkeit nach dem  Gesetz der großen Zahl durch  nachgewiesene relativen Wortfolgehäufigkeiten. Unmengen von Text als Training werden nach dem Gesetz der großen Zahl benötigt, um zu Wahrscheinlichkeiten zu gelangen. Das Neue ist, das Schema ist nicht gegeben sondern wird erzeugt, es wird generiert. Eine Zeile kommt hinzu.

Das Allgemeine                   Das Besondere                   Bemerkung

Large Language Model         Reden                                    ChatGPT

Ferdinand de Saussure (1857  – 1913) lässt grüßen.