Die philosophischen Wurzeln der Künstlichen Intelligenz: Von Descartes bis AlphaGo

Foto: Markus Winkler auf Unsplash

Künstliche Intelligenz (KI) ist mehr als nur ein technologisches Phänomen – sie ist tief in der Philosophie verwurzelt. Schon lange bevor der Begriff ‚Künstliche Intelligenz‘ 1956 auf der Dartmouth-Konferenz geprägt wurde, beschäftigten sich Denker wie Descartes und Turing mit der Frage, ob Maschinen denken können. Für IT-Verantwortliche und Entscheidungsträger ist es essenziell, diese philosophischen Grundlagen zu verstehen, um die Potenziale und Grenzen moderner KI-Systeme realistisch einzuschätzen.

Descartes und der Ur-Turing-Test

Bereits im 17. Jahrhundert formulierte René Descartes einen Test für maschinelle Intelligenz, der dem späteren Turing-Test bemerkenswert ähnelt. In seinem Werk ‚Discours de la méthode‘ (1637) beschrieb Descartes zwei Kriterien, um einen Menschen von einer Maschine zu unterscheiden:

• Sprachliche Flexibilität: Eine Maschine könne zwar Worte äußern, aber nie angemessen auf alles Gesagte reagieren – anders als der ‚niedrigste Mensch‘.
• Universelle Vernunft: Während Maschinen für spezifische Aufgaben optimiert seien, könne die menschliche Vernunft in allen Lebenslagen angewendet werden.

Diese cartesianische Sichtweise hat bis heute Bestand: Aktuelle KI-Systeme wie Deep Blue oder AlphaGo übertreffen Menschen in engen Domänen, scheitern aber an allgemeiner Intelligenz. Descartes‘ zweites Kriterium – die universelle Anpassungsfähigkeit – bleibt eine der größten Herausforderungen der KI-Forschung.

Der Turing-Test als operationale Definition

Alan Turing schlug 1950 in seinem berühmten ‚Mind‘-Artikel vor, die Frage ‚Können Maschinen denken?‘ durch einen operationalen Test zu ersetzen: Wenn ein Computer in einem schriftlichen Gespräch von einem menschlichen Richter nicht von einem Menschen unterschieden werden kann, gilt er als intelligent. Dieser Test hat die KI-Entwicklung maßgeblich geprägt und dient bis heute als Benchmark.

Interessanterweise greift Turings Vorschlag Descartes‘ Idee auf, ersetzt aber die philosophische Spekulation durch ein empirisches Kriterium. Turing ging sogar so weit, ‚Kindermaschinen‘ vorzuschlagen, die durch Lernen reifen sollten – eine Vision, die in modernen Ansätzen des maschinellen Lernens aufgeht.

Die Rolle der Logik und Wahrscheinlichkeit

Die moderne KI verdankt ihre formalen Grundlagen der Philosophie. Wie der Stanford-Philosophie-Artikel betont, stammen zentrale KI-Techniken aus logischen und probabilistischen Traditionen:

• Aristoteles‘ Syllogistik legte den Grundstein für logikbasierte KI.
• Gottlob Freges Prädikatenlogik ermöglichte die formale Repräsentation von Wissen.
• Thomas Bayes‘ Wahrscheinlichkeitsrechnung bildet die Basis für moderne maschinelle Lernverfahren.

Diese philosophischen Wurzeln sind kein historischer Zufall: Die Informatik selbst entstand aus der Logik, die wiederum ein Teil der Philosophie ist. Wer KI verstehen will, muss daher auch ihre philosophischen Fundamente kennen.

Von Watson zu AlphaGo: Meilensteine und Grenzen

IBM Watson und Google DeepMinds AlphaGo gelten als Durchbrüche, zeigen aber auch die anhaltenden Grenzen der KI:

• Watson beherrscht domänenübergreifendes Frage-Antworten, scheitert jedoch an dynamischen oder kontextabhängigen Fragen.
• AlphaGo ist ein exzellenter Go-Spieler, kann aber die Spielregeln nicht in natürlicher Sprache verstehen oder auf neue Spiele übertragen.

Diese Beispiele bestätigen Descartes‘ Einschätzung: KI-Systeme bleiben Spezialisten, keine Universalgenies. Wie der Philosoph John Haugeland es formulierte: KI ist ‚der spannende Versuch, Computer zum Denken zu bringen – aber im vollen und wörtlichen Sinne sind wir noch weit davon entfernt.‘

FAQ

Was ist der Unterschied zwischen starker und schwacher KI? Starke KI (Artificial General Intelligence) wäre eine Maschine, die wirklich denkt und Bewusstsein hat. Schwache KI ist auf spezifische Aufgaben beschränkt – wie die heutigen Systeme.

Warum ist Philosophie für KI relevant? Philosophische Fragen nach Bewusstsein, Rationalität und Wissen sind grundlegend für die KI-Entwicklung. Ohne ein klares Verständnis dieser Konzepte lassen sich weder Ziele definieren noch Ergebnisse bewerten.

Hat der Turing-Test heute noch Bedeutung? Ja, aber er wird kritisch gesehen. Moderne Tests wie der Winograd-Schema-Challenge oder Levesques ‚Winograd-Schema‘ zielen auf tiefere Sprachverständnisfähigkeiten ab.

Fazit

Die philosophischen Wurzeln der KI sind kein akademischer Luxus, sondern eine praktische Notwendigkeit für alle, die KI strategisch einsetzen wollen. Wer versteht, dass KI-Systeme auf jahrhundertealten Ideen von Logik, Rationalität und Intelligenz aufbauen, kann ihre Stärken und Schwächen besser einschätzen. Die Geschichte zeigt: KI ist kein rein technisches, sondern ein zutiefst philosophisches Unterfangen.

Quellen

• Stanford Encyclopedia of Philosophy: ‚Artificial Intelligence‘ (2018). URL: https://plato.stanford.edu/entries/artificial-intelligence/
• Descartes, R. (1637). Discours de la méthode.
• Turing, A. (1950). Computing Machinery and Intelligence. Mind, 59(236), 433-460.
• Russell, S. & Norvig, P. (2009). Artificial Intelligence: A Modern Approach (3rd ed.). Prentice Hall.
• Haugeland, J. (1985). Artificial Intelligence: The Very Idea. MIT Press.