Lösungshinweise und Erwartungshorizonte (exemplarisch für 1. DS)

Einstieg:

Die Landschaft menschlicher Fähigkeiten nach Hans Moravec

Die von den Lernenden konzipierten Landschaften menschlicher Fähigkeiten werden im Rahmen eines Gallery Walk gesichtet und analysiert. Dabei stellt jede Gruppe vor, warum bestimmte Fähigkeiten an welcher Stelle platziert wurden. Im Anschluss wird Moravecs Landschaft menschlicher Fähigkeiten gezeigt und es findet ein Vergleich der Entwürfe sowie eine Diskussion derselben statt. Diese dient gleichzeitig als Überleitung zur Frage „Was ist Intelligenz?“ und damit zur Erar-beitung I.

Erarbeitung II:

Aufgaben:

Formulieren Sie konkrete Beispiele für die vier zentralen Punkte, die Intelligenz, laut Coelho Mollo, ausmachen.
Erklären Sie anhand von Beispielen, warum laut Lenzen künstlich intelligente Systeme zwar rational aber „bestenfalls eingeschränkt intelligent“ sind.
Diskutieren Sie, ob es gut ist, dass Menschen sich nicht durch eine „perfekte Rationalität“ auszeichnen.

Lösungshinweise und Erwartungshorizont:

Konkrete Beispiele für die vier zentralen Punkte der Intelligenz: Allgemeinheit: Ein Mensch, der in der Lage ist, sowohl ein komplexes mathematisches Problem zu lösen als auch eine emotionale Konversation zu führen, zeigt Allgemeinheit, weil er in unterschiedlichen Situationen angemessen handelt. Flexibilität: Eine Person, die ihren Tagesplan spontan ändert, um auf eine unvorhergesehene Situation wie einen Wetterumschwung zu reagieren, zeigt Flexibilität. Zielgerichtetheit: Ein Unternehmer, der ein langfristiges Ziel verfolgt, wie die Gründung eines erfolgreichen Unternehmens, und dafür konkrete Schritte plant und umsetzt, zeigt Zielgerichtetheit. Adaptivität oder Lernen: Ein Kind, das aus einem Fehler in einem Mathematiktest lernt und beim nächsten Mal eine bessere Strategie anwendet, zeigt Lernfähigkeit und Anpassung an Erfahrungen
Warum künstlich intelligente Systeme rational, aber „bestenfalls eingeschränkt intelligent“ sind: Künstliche Intelligenz kann in spezifischen Aufgabenbereichen sehr effizient sein. Ein Beispiel ist ein Schachcomputer, der rationale Entscheidungen trifft, um das Spiel zu gewinnen und dabei optimale Züge berechnet. Der Computer ist rational, da er zu sehr guten Lösungen kommt. Jedoch zeigt er „bestenfalls eingeschränkte Intelligenz“, da er: nicht in der Lage ist, über Schach hinaus mit seiner „Intelligenz“ in anderen Kontexten sinnvoll zu agieren (Allgemeinheit), seine Strategien nicht spontan ändern kann, wenn die Spielregeln plötzlich geändert werden (Flexibilität), nur auf das vordefinierte Ziel des Schachgewinns fokussiert ist, sich keine eigenen Ziele setzen kann und die Sinnhaftigkeit dieser Ziele nicht hinterfragt (Zielgerichtetheit); zwar durch maschinelles Lernen verbessert werden kann, aber das Lernen ist oft auf spezifische Datenmengen und Szenarien beschränkt (Adaptivität oder Lernen).
Diskussion über die fehlende „perfekte Rationalität“ des Menschen: Es kann als positiv angesehen werden, dass Menschen nicht durch „perfekte Rationalität“ gekennzeichnet sind. Dies ermöglicht ihnen:
1. Kreativität, da Menschen unkonventionelle Lösungen finden und kreative Prozesse verfolgen können, die nicht immer rational erscheinen, aber zu innovativen Ergebnissen führen,
2. Empathie zu zeigen und soziale Beziehungen aufzubauen, weil zwischenmenschliche Interaktionen oft emotionale Intelligenz und Empathie erfordern, die nicht immer rational sind, aber entscheidend für den Aufbau und die Pflege von Beziehungen,
3. das Begehen von Fehlern und das Lernen aus selbigen, da dies mit einer Modifikation des menschlichen Charakters einhergehen kann, wodurch neuen Situationen mit Neugierde und Offenheit begegnet werden kann.

Erarbeitung II:

Aufgabe:

Wie können Maschinen denken? (Partnerarbeit: Erklären Sie, wie Maschinen denken und diskutieren Sie, ob man von „künstlicher Intelligenz“ sprechen kann. Person 1 und Person 2 lesen jeweils den ihnen vorliegenden Text. Anschließend tauschen sich beide zur Frage „Wie denken Maschinen?“ aus. Die Synthese der Ergebnisse aus der jeweiligen Einzelarbeit sollen zu einer gemein-samen Lösung zusammengetragen werden.)

Lösungshinweise und Erwartungshorizont:

Weizenbaum: Maschinen operieren primär durch die Verarbeitung von Informationen, die in Datenstrukturen und Algorithmen kodiert sind. Diese Art des Denkens ist symbolisch und basiert auf der Manipulation von Daten, um bestimmte Aufgaben zu erfüllen. Symbolische Darstellung: Maschinen können nur Informationen verarbeiten, die in eine symbolische Form gebracht werden können. Dies bedeutet, dass sie auf explizite Daten und klare Anweisungen angewiesen sind. Fehlende Körperlichkeit: Ein Teil des menschlichen Wissens ist kinästhetisch, also mit dem Körper und seinen Bewegungen verbunden. So kann zum Beispiel die emotionale Bedeutung eines Händedrucks nicht einfach durch Datenstrukturen erfasst werden, da dies ein erfahrungsbasiertes und körperliches Wissen ist. Limitierte Repräsentation: Jede symbolische Darstellung von Wissen verliert notwendigerweise Informationen, die für die menschliche Erfahrung wesentlich sind. Maschinen können nicht die vollständige Bandbreite menschlicher Erfahrungen und Emotionen nachempfinden oder reproduzieren.

Byung-Chul Han: Das menschliche Denken ist ein zutiefst analoger und affektiver Prozess, der von Ergriffenheit und emotionaler Resonanz geprägt ist. Bevor Menschen die Welt in Begriffe fassen, sind sie von ihr affiziert, was sich beispielsweise in einer körperlichen Reaktion wie der Gänsehaut ausdrückt. Diese Dimension ist grundlegend für menschliches Denken und geht dem bewussten Verstehen und der intellektuellen Arbeit an Begriffen voraus. Der Mensch ist in eine Welt „geworfen“ und nimmt sie vorreflexiv als Ganzheit wahr, wobei das emotionale Gestimmt-Sein dem bewussten Erkennen vorausgeht. Maschinelles Denken hingegen zeichnet sich durch das Fehlen der Affektivität aus, da Maschinen nicht auf diese Weise denken, weil ihnen die Fähigkeit zur Ergriffenheit fehlt. Sie können keine Gänsehaut bekommen und sind nicht in der Lage, die Welt auf einer emotionalen oder affektiven Ebene zu erfassen. Künstliche Intelligenz kann sehr schnell und effizient rechnen. Diese Fähigkeit beruht auf der Verarbeitung von Daten und Informationen durch Algorithmen. Der Text argumentiert jedoch, dass dies kein echtes Denken im menschlichen Sinne ist, weil die affektivanaloge Dimension, die Ergriffenheit fehlt. Der Begriff „Geist“ wird hier als eine Form des „Außer-sich-Seins“ oder der Ergriffenheit verstanden, die KI-Systemen fehlt. Maschinen sind nicht in der Lage, über sich selbst hinauszugehen oder eine emotionale Resonanz mit der Welt zu erleben.

Diskussion über „Künstliche Intelligenz“:

Der Begriff „künstliche Intelligenz“ suggeriert, dass Maschinen in der Lage sind, intellektuelle Aufgaben zu erfüllen, die typischerweise mit menschlicher Intelligenz verbunden sind. Die heutige KI kann in spezifischen Bereichen, wie der Datenanalyse oder Mustererkennung, effizient arbeiten, ist jedoch stark auf die vorgegebenen Algorithmen und Daten angewiesen. Angesichts der in den Texten genannten Unterschiede zwischen menschlichem und maschinellem Denken könnte man argumentieren, dass der Begriff „künstliche Intelligenz“ missverständlich ist, da er impliziert, dass Maschinen ein umfassendes Verständnis und eine Flexibilität besitzen, die sie in Wirklichkeit nicht haben. Der Begriff „künstliche Intelligenz“ beschreibt eher eine Form von spezialisierter Problemlösung als eine echte Nachahmung menschlicher Intelligenz.

Zusatzmaterialien:

Einstieg:

Aufgaben:

Beantworten Sie McCarthys Frage, indem Sie mögliche Wissensbereiche von Richterinnen und Richter nennen.
Prüfen Sie, ob und inwiefern man diese Wissensbereiche auf einen Computer übertragen kann.
Diskutieren Sie den möglichen Einsatz von Computersystemen als Ersatz für menschliche Richterinnen und Richter.

Lösungshinweise und Erwartungshorizont:

Mögliche Wissensbereiche von Richterinnen und Richter:
1. Juristisches Fachwissen (Kenntnisse über Gesetze, Präzedenzfälle und juristische Verfahren),
2. Erfahrung (Praktische Erfahrungen aus der langjährigen Tätigkeit in der Justiz),
3. Urteilsvermögen (Sie können komplexe Sachverhalte analysieren und angemessene Entscheidungen treffen.),
4. Moralischer Kompass (Sie haben ein Verständnis für ethische und moralische Implikationen, die über das geschriebene Recht hinausgehen.),
5. Empathie und soziale Kompetenz (Sie können die spezifischen Aspekte eines Falles verstehen, die mit den beteiligten Personen, deren Biographie, Lebenssituation etc. zusammenhängen verstehen und in ihre Ent-scheidungen einbeziehen.)
Übertragbarkeit dieser Wissensbereiche auf einen Computer:
1. Juristisches Fachwissen: Dieses kann weitgehend auf Computer übertragen werden, da es sich um kodifizierte Informationen handelt, die in Datenbanken gespeichert und von Algorithmen verarbeitet werden können.
2. Erfahrung: Während Computersysteme Muster aus großen Datenmengen identifizieren können, ist die Übertragung der nuancierten Erfahrung eines Richters schwierig. Erfahrung beinhaltet oft subtile, kontextabhängige Urteile, die schwer zu kodifizieren sind.
3. Urteilsvermögen: Algorithmen können Entscheidungen auf Basis von Daten treffen, aber das menschliche Urteilsvermögen umfasst auch Intuition und das Abwägen von nicht quantifizierbaren Faktoren.
4. Moralischer Kompass: Diese Bereiche stellen eine erhebliche Herausforderung dar, da sie oft subjektiv sind und kulturell variieren. Computersysteme können ethische Prinzipien programmieren, jedoch fehlt ihnen das tiefere Verständnis und die Fähigkeit, moralische Dilemmata umfassend zu bewerten.
5. Empathie und soziale Kompetenz: Diese menschlichen Qualitäten lassen sich nicht einfach auf Maschinen übertragen. Empathie erfordert ein emotionales Verständnis und die Fähigkeit zur zwischenmenschlichen Interaktion.
Diskussion über den möglichen Einsatz von Computersystemen als Ersatz für menschliche Richterinnen und Richter (Impulse): Der Einsatz von Computersystemen im juristischen Bereich könnte in bestimmten Bereichen, wie der Analyse von Rechtsdokumenten oder der Identifikation von Präzedenzfällen, effizient sein. Solche Systeme könnten Richterinnen und Richter unterstützen, indem sie schnelle und umfassende Recherchen ermöglichen. Jedoch gibt es erhebliche Bedenken, wenn es darum geht, Computersysteme als Ersatz für menschliche Richterinnen und Richter einzusetzen. Die oben genannten Wissensbereiche, insbesondere ethische Überlegungen und Empathie, sind schwer zu automatisieren. Entscheidungen in der Justiz betreffen oft das Leben und die Freiheit von Menschen, und erfordern eine sorgfältige Abwägung von individuellen Umständen und gesellschaftlichen Werten. Darüber hinaus könnten algorithmische Voreingenommenheiten (Bias) in Computersystemen, die aus den Trainingsdaten stammen, zu unfairen oder ungerechten Urteilen führen.

Erarbeitung II:

Aufgabe:

Wie können Maschinen denken? (Kooperative Gruppenarbeit mit Placemat; Gruppenaufgabe: Erklären Sie, wie Maschinen denken und diskutieren Sie, ob man von „künstlicher Intelligenz“ sprechen kann. Jedes Gruppenmitglied liest den ihm vorliegenden Text (Weizenbaum, Han, O’Neil und Bridle) und berichtet den anderen von seinen Erkenntnissen zur Frage „Wie denken Maschinen?“ Die Synthese der Ergebnisse aus der Einzelarbeit sollen zu einer gemeinsamen Lösung auf der Placemat zusammengetragen werden.)

Lösungshinweise und Erwartungshorizont:

Cathy O’Neil: Maschinen „denken“ durch Modelle. Diese Modelle sind abstrakte Simulationen, die dazu dienen, vorhandenes Wissen zu nutzen, um Vorhersagen in verschiedenen Situationen zu treffen. Sowohl in Computerprogrammen als auch in menschlichen Köpfen basieren diese Modelle auf einer Vereinfachung der Realität, um bestimmte Prozesse oder Systeme darzustellen. Da Modelle notwendigerweise Vereinfachungen sind, können sie niemals die gesamte Komplexität der Welt oder die feinen Nuancen zwischenmenschlicher Kommunikation vollständig erfassen. Dies führt dazu, dass Modelle Fehler machen und wichtige Informationen möglicherweise übersehen. Beim Entwickeln eines Modells müssen Entscheidungen getroffen werden, welche Informationen als wichtig erachtet und berücksichtigt werden sollen. Diese Auswahl führt dazu, dass die reale Welt auf eine „Spielzeugversion“ reduziert wird, die einfacher zu verstehen ist. Modelle sind daher auf spezifische Aufgaben ausgerichtet und können sich in anderen Kontexten wie „ahnungslose Maschinen“ mit Wissenslücken verhalten.

James Bridle: Der Autor hinterfragt die weit verbreitete Annahme, dass Computer die Welt klarer und effizienter machen, und zeigt stattdessen auf, dass sie oft zur Undurchsichtigkeit und Machtkonzentration beitragen. Computer verwenden Modelle, die auf Approximation und Simulation basieren. Diese Modelle sind vereinfachte Darstellungen der Realität und ersetzen die komplexe Welt durch fehlerhafte Nachbildungen. Das führt dazu, dass die Modellierer, diejenigen, die die Modelle erstellen, Kontrolle über die Interpretation der Welt gewinnen. Die von Computern gesammelten Daten werden als Modelle verwendet, um die gegenwärtige Realität zu repräsentieren und in die Zukunft zu projizieren. Diese Projektionen basieren auf der Annahme, dass sich die Dinge nicht grundlegend ändern werden, was die Möglichkeit von radikalen Veränderungen oder Abweichungen von früheren Mustern ignoriert. Computerdenken strebt nach einfachen Antworten mit minimalem kognitivem Aufwand. Es geht davon aus, dass es immer eine klare, unantastbare Antwort gibt, was komplexe und nuancierte Probleme oft vereinfacht. Computerdenken hat uns durch seine scheinbare Macht verführt und durch seine Komplexität verwirrt hat, bis es als selbstverständlich in unserem Denken verankert ist.

Weiter zu Glossar