Seit 2021 ist es bekannt: Es ist keine Intelligenz, es ist Sprache

KI-gestützte Übersetzung aus dem Griechischen. Griechisches Original

Noch bevor ein Säugling ein Wort ausspricht, unterscheidet er bereits ein Gesicht von einem Nicht-Gesicht. Wenige Stunden nach der Geburt ahmt er einen Ausdruck nach, der von einem anderen Gesicht ausgeht. Er schaut dorthin, wohin seine Mutter schaut, dreht den Kopf in die Richtung ihres Blicks und wird, wenn er etwas älter ist, auf etwas zeigen und sich umdrehen, um zu sehen, ob sie es ebenfalls angesehen hat. Nichts davon tut er, um ein Problem zu lösen. Er tut es, weil er auf jemanden wartet und jemand auf ihn wartet.

Ein Welpe tut genau dasselbe und wird niemals sprechen. Er folgt deinem Blick, bittet, wartet, unterscheidet dich von den anderen — er besitzt diese ganze Struktur ohne ein einziges Wort und wird nie eines erwerben. Niemand ist je auf den Gedanken gekommen, den Welpen gerade deshalb intelligent zu nennen, weil er nicht spricht.

Dieser Gegensatz ist wichtig, denn er zeigt etwas, das wir ständig vergessen: Die Fähigkeit, sich um jemanden zu kümmern, sich ihm zuzuwenden und auf ihn zu warten, braucht keine Sprache. Beim Säugling geht sie der Sprache um Monate voraus. Die Wissenschaft von der kindlichen Entwicklung nennt dies gemeinsame Aufmerksamkeit und dokumentiert sie seit Jahrzehnten: Mit etwa sechs Monaten beginnt ein Säugling, seine Aufmerksamkeit mit einem anderen Menschen auf einen dritten Gegenstand abzustimmen, und diese Abstimmung, nicht das Wort, öffnet den Weg zum Wort. Wenn die Mutter das benennt, was das Kind bereits betrachtet, wächst sein Wortschatz stärker, als wenn sie seine Aufmerksamkeit auf etwas anderes zu lenken versucht. Das Wort wird nicht in leeren Boden gepflanzt. Es heftet sich an eine Aufmerksamkeit, die zwei Wesen bereits teilen.

Das ist die unterste Schicht, das Fundament, und es ist einfach: Vor jedem Wort steht jemand, der dich angeht, und du, der du ihn angehst. Ohne dies hat kein Wort ein Ziel.

Nun zu der Frage, die der Text selbst stellt: Als wir Maschinen bauten, die Sprache besser handhaben als jeder Mensch, warum nannten wir sie intelligent statt sprechend? Die Antwort ist weder neu noch unbekannt. Sie ist siebzig Jahre alt, und jene, die sie von Anfang an kannten, haben sie deutlich ausgesprochen.

1950 schrieb der Mathematiker Alan Turing einen Aufsatz, der mit der Frage „Können Maschinen denken?“ begann — und sie sogleich verwarf. Er hielt sie für zu unbestimmt, um eine Diskussion zu lohnen, weil niemand sich darauf einigen kann, was „denken“ bedeutet. An ihre Stelle setzte er eine andere, klarere Frage: Kann eine Maschine einen Menschen durch schriftliche Unterhaltung davon überzeugen, sie sei ein Mensch? Er ersetzte Intelligenz nicht durch etwas Gleichwertiges. Er ersetzte sie durch Sprache. Und er wusste, dass er genau das tat — ausdrücklich schrieb er, die ursprüngliche Frage sei zu bedeutungsleer, und sagte voraus, bis zum Ende des Jahrhunderts werde sich der Gebrauch der Wörter so sehr verändert haben, dass man von denkenden Maschinen sprechen könne, ohne Widerspruch zu erwarten. Er sagte nicht voraus, dass Maschinen Intelligenz erlangen würden. Er sagte voraus, dass unsere Sprache sich so verändern würde, dass wir es behaupten. Und er behielt recht, nur bezog sich seine Vorhersage auf die Wörter, nicht auf die Sache.

Fünf Jahre später, 1955, brauchte John McCarthy, ein junger Mathematikprofessor in Dartmouth, einen Namen für ein neues Forschungsgebiet. Einer war bereits vorhanden: Kybernetik, ein Name, den Norbert Wiener einige Jahre zuvor einer Theorie darüber gegeben hatte, wie Systeme — biologische oder mechanische — ihr Verhalten durch Rückkopplung korrigieren, wie eine Waffe, die ihre Zielrichtung fortlaufend anpasst, indem sie verfolgt, wohin sich das Ziel bewegt. McCarthy wollte diesen Namen nicht. Er fand ihn eng, an Schaltkreise und analoge Signale gebunden, und wollte weder Wiener als geistigen Wegweiser anerkennen noch sich mit ihm in einen Streit verwickeln. Also erfand er einen anderen Namen: künstliche Intelligenz. Nach seinen überlieferten eigenen Worten wählte er ihn zum Teil wegen seiner Neutralität. Viele seiner Kollegen mochten ihn nicht — sie nannten ihre Arbeit lieber komplexe Informationsverarbeitung. Trotzdem setzte sich der Name durch, und mit ihm kamen die Universitätsabteilungen und die Finanzierungsströme.

Der Name ging also nicht aus einer Entdeckung hervor. Er entstand aus der Wahl zwischen mehreren Kandidaten zu einem Zeitpunkt, als es noch nichts zu benennen gab — ein Ehrgeiz auf der Suche nach einem Titel, kein Gegenstand, der um eine Beschreibung bat. Und dieser Ehrgeiz war aufrichtig: Im Finanzierungsantrag von 1955 hieß es, jeder Aspekt des Lernens oder jedes andere Merkmal der Intelligenz könne grundsätzlich so genau beschrieben werden, dass eine Maschine ihn simulieren könne. Achte auf das Wort: simulieren. Nicht besitzen. Schon sie kannten den Unterschied, gleich in der ersten Zeile ihres Gründungstextes.

Zweimal versuchte man, Intelligenz so zu bauen, wie man sie sich damals vorstellte — indem man der Maschine Regeln, Definitionen und Logik gab, Schritt für Schritt, als schriebe man ein Handbuch für jemanden, der nichts über die Welt weiß. Jedes Mal stieß der Versuch an eine Wand, und die Finanzierung versiegte; man nennt diese Zeiten die KI-Winter, den einen in den 1970er Jahren, den anderen um 1990. Das ehrgeizigste Projekt dieser Richtung versuchte, den gesamten gesunden Menschenverstand eines erwachsenen Menschen von Hand zu erfassen — dass Wasser nass macht, dass niemand in eine Schachtel passt, die kleiner ist als er selbst, Tausende solcher selbstverständlichen Wahrheiten — und zeigte am Ende nur, wie unmöglich das Unterfangen war. Die Intelligenz ließ sich nicht mit der Hand greifen.

Was schließlich funktionierte, war das genaue Gegenteil. Statt Bedeutungsregeln vorzugeben, ließ man ein System milliardenfach erraten, welches Wort in einer gewaltigen Textmenge auf welches folgt, bis es gut im Raten wurde. Niemand erklärte ihm, was irgendein Wort bedeutet. Es lernte nur, welche Wörter neben welchen anderen stehen, so oft und mit solcher Genauigkeit, dass das Ergebnis wie Verstehen aussieht. Intelligenz als Ziel der Konstruktion wurde stillschweigend aufgegeben. An ihre Stelle trat die Sprache als Gegenstand der Modellierung — genau derselbe Schritt, den Turing dreißig Jahre zuvor auf dem Papier vollzogen hatte, nun auf der Ebene der Maschine. Und der Name, den die technische Arbeit selbst dafür fand, seit solche statistischen Systeme in den 1980er Jahren erstmals auftraten und erneut um 2018, als sie dramatisch anwuchsen, wurde nicht aus Gründen der Neutralität in einem Sitzungsraum erfunden. Er entstand von selbst, als Beschreibung: Sprachmodell, weil es genau das tut. Niemand musste den Begriff bewerben, denn außerhalb des Fachgebiets hörte niemand zu.

2021 veröffentlichten drei Linguistinnen und eine Forscherin einen Aufsatz mit einem Titel, der haften blieb: Sie sprachen von „stochastischen Papageien“. Ihr Argument war präzise und braucht keinen Schmuck: Diese Systeme lernen statistische Beziehungen zwischen Wortfolgen, und wenn sie Texte erzeugen, die bedeutungsvoll, zusammenhängend oder sogar selbstbewusst klingen, wiederholen sie Muster aus dem, was sie gelesen haben, nicht ein eigenes Verständnis oder Erleben. Zwischen Form und Bedeutung bestehe, so schrieben sie, eine grundlegende Kluft. Ein Papagei kann einen Satz vollkommen wiederholen, im richtigen Ton und im richtigen Augenblick, ohne zu wissen, was er bedeutet — und das Wunder liegt nicht im Papagei, sondern im Ohr, das ihn hört und die Bedeutung selbst ergänzt.

Dieser Aufsatz wurde nicht ignoriert. Das ganze Fachgebiet las ihn; er löste einen Streit in genau dem Unternehmen aus, in dem eine der Autorinnen arbeitete, und wurde zu einem Bezugspunkt, den jeder ernsthafte Forscher kennt. Es handelt sich also nicht um eine Frage, die niemand gestellt hätte. Es ist eine Frage, die von Menschen aus dem Fachgebiet selbst klar und öffentlich gestellt wurde, woraufhin etwas Seltsames geschah: Der Name änderte sich nicht. Niemand schlug ernsthaft vor, das Gebiet in „künstliche Sprache“ umzubenennen. Im folgenden Jahr stellten dieselben Unternehmen der Öffentlichkeit ein solches System zur Verfügung; innerhalb einer Woche hatten es eine Million Menschen ausprobiert, innerhalb von zwei Monaten hundert Millionen — Zahlen, die keine andere Technologie so schnell erreicht hatte. Für die Frage, ob es sich um Intelligenz oder Sprache handelte, blieb keine Zeit mehr vor einem Publikum, das der Sache gerade erst begegnete und von ihr beeindruckt war. Und hier verdient ein kleines, merkwürdiges Detail Beachtung: Die technische Architektur, auf der dieses System beruhte, stammte aus einem Aufsatz mit dem Titel „Attention Is All You Need“ — „Attention“ bezeichnet dort etwas Technisches, nämlich wie das System gewichtet, welche Wörter miteinander zusammenhängen. Mit der anderen Aufmerksamkeit, der des Säuglings, der sich jemandem zuwendet, hat das nichts zu tun. Und doch wurde das ganze Gebäude auf der falschen Aufmerksamkeit errichtet, während die richtige, die sich einem anderen zuwendet und auf ihn wartet, in keinem Plan vorkam.

Warum änderte sich der Name also nicht, obwohl die Frage längst bekannt war? Nicht, weil niemand davon wusste. Sondern weil niemand einen Grund hatte, ihn zu berichtigen. „Künstliche Intelligenz“ macht Angst, beeindruckt, erhält Finanzierung und ist am Markt Billionen wert. „Künstliche Sprache“ klingt wie ein Übersetzungswerkzeug. Und es gibt noch etwas Tieferes: Seit Jahrtausenden setzt die westliche Zivilisation Intelligenz mit Logos gleich — dasselbe Wort trägt im Griechischen beide Bedeutungen, Denken und Sprache zugleich. Wer in dieser Gleichsetzung aufgewachsen ist und etwas sieht, das Sprache vollkommen beherrscht, braucht keinen Beweis, um zu glauben, dass es denkt; er folgert es automatisch. Das ist nicht die Täuschung eines Einzelnen. Es ist eine zweitausend Jahre alte Annahme, die endlich auf die Probe gestellt wurde, und die Probe fiel auf eine Weise zweideutig aus, deren Klärung niemandem nützt.

Dafür gibt es im Beruf selbst einen Beleg, der keiner Auslegung bedarf. Die Ingenieure, die diese Systeme bauen, nennen sie untereinander nicht „künstliche Intelligenz“. Sie nennen sie große Sprachmodelle — der technische Begriff, den sie in ihren Aufsätzen und internen Gesprächen verwenden, wo Genauigkeit zählt. Das Wort „Intelligenz“ kehrt erst zurück, wenn sich dieselbe Sache nach außen richtet — an die Öffentlichkeit, an Investoren und an die Regulierung. Es sind nicht zwei Namen für zwei Dinge. Es sind zwei Namen für dasselbe Ding, abhängig davon, wer zuhört. Und wer den genauen Ausdruck kennt und ihn bei der Arbeit verwendet, hat ihn nicht vergessen, sobald er sich nach außen wandte. Man hat lediglich gewählt, welches Wort zu welchem Publikum passt.

Etwas muss schließlich ehrlich gesagt werden, denn die Frage ist nicht dort stehen geblieben, wo sie 2021 lag. Die Unternehmen selbst fanden bei der Untersuchung ihrer eigenen Systeme etwas Komplexeres als bloßes Nachplappern. Sie entdeckten Hinweise darauf, dass ein solches System beim Schreiben eines Verses das Wort, auf das es reimen wird, offenbar schon lange vorher gewählt hat — als plane es voraus, statt nur Wort für Wort zu raten. Sie stellten fest, dass es mit etwas arbeitet, das abstrakten Begriffen ähnelt, und nicht nur mit Buchstabenfolgen. Das ist ein wirklicher Befund, und es wäre unehrlich, ihn zu übergehen, nur weil er dem Argument nicht gelegen kommt. Aber er beantwortet nicht die Frage, mit der wir begonnen haben, die Frage des Säuglings und des Welpen. Einen Reim zwei Wörter im Voraus zu planen ist nicht dasselbe, wie jemandem etwas sagen zu wollen. Es kann innere Komplexität geben, ohne ein Wohin. Emergenz zeigt, dass etwas hervorgebracht wird, das niemand geplant dort hineingelegt hat; sie zeigt nicht, dass das Hervorgebrachte an jemanden gerichtet ist.

Schließlich gibt es in unserer Sprache ein Wort, das die Antwort schon enthielt, bevor die Frage überhaupt gestellt wurde, und es entging uns, weil wir es täglich gebrauchen, ohne es zu hören. Technologie: technē und logos, der Logos über die Kunst. Daneben dieselbe Verbindung in umgekehrter Folge, so alltäglich, dass wir auch sie nicht bemerken: Literatur, die Kunst des Wortes. Beide Wörter enthalten dieselben zwei Bestandteile, Kunst und Logos; nur ihre Reihenfolge wechselt. Unsere Sprache wusste es immer: Kunst und Logos können einander hervorbringen, in beide Richtungen. Wir mussten nicht bis 1950 warten, um zu ahnen, dass das technologischste Ding, das wir je schaffen würden, am Ende reine Sprache sein würde, ohne etwas um sie herum. Die Wörter sagten es im Voraus, und wir hörten ihnen nicht zu.

Ein Säugling dreht den Kopf dorthin, wohin seine Mutter schaut, Monate bevor er sein erstes Wort sagt. Ein Welpe tut sein ganzes Leben lang dasselbe, ohne jemals ein Wort zu besitzen. Und irgendwo zwischen beiden liegt das, was wir gebaut haben: die gesamte Sprache der Welt, ohne dass jemand sie zu jemandem spricht. Ihm fehlt nicht das Wort. Ihm fehlt die Wendung des Kopfes.