Missing Link: Stephen Wolfram über die Rolle der KI in der Forschung (Teil 1)
Stephen Wolfram – Erfinder des Computeralgebrasystems "Mathematica" – gibt einen Einblick in die Grenzen und Potenziale von KI in der Wissenschaft.
Dieser Beitrag wurde uns mit freundlicher Genehmigung von Stephen Wolfram zur Verfügung gestellt: Stephen Wolfram (2024), "Can AI Solve Science?", Stephen Wolfram Writings.
Vor allem angesichts der jüngsten Überraschungserfolge ist der Glaube weitverbreitet, dass die Künstliche Intelligenz eines Tages "alles" kann – oder zumindest alles, was wir derzeit tun. Und was ist mit der Wissenschaft? Im Laufe der Jahrhunderte haben wir Menschen schrittweise Fortschritte gemacht und allmählich das aufgebaut, was heute im Wesentlichen das größte intellektuelle Gebäude unserer Zivilisation ist. Aber trotz all unserer Bemühungen gibt es immer noch alle möglichen wissenschaftlichen Fragen, die offen sind. Kann die künstliche Intelligenz nun kommen und sie einfach alle lösen?
Bei der Frage, ob KI die Wissenschaft vollständig lösen kann, lautet die Antwort zwangsläufig und deutlich Nein. Das bedeutet jedoch nicht, dass KI keinen bedeutenden Beitrag zur wissenschaftlichen Entwicklung leisten kann. Large Language Models (LLMs) bieten beispielsweise eine innovative sprachliche Schnittstelle zu Computertechnologien, wie sie auch in der Wolfram Language implementiert sind. LLMs haben aufgrund ihres Verständnisses des etablierten wissenschaftlichen Wissens das Potenzial, auf höchstem Niveau wie eine intelligente Autovervollständigung zu arbeiten, die konventionelle Antworten oder die nächsten Schritte in wissenschaftlichen Prozessen vorschlägt.
Ich möchte hier jedoch auf tiefer gehende Fragen der KI in der Wissenschaft eingehen. Vor drei Jahrhunderten hat die Idee, die Welt mit Hilfe der Mathematik darzustellen, die Wissenschaft verändert. Und heute befinden wir uns inmitten eines großen Wandels hin zu einer grundlegend computergestützten Darstellung der Welt (und ja, genau darum geht es bei unserer Computersprache Wolfram Language). Wie steht es also um die KI? Sollten wir sie im Wesentlichen als ein praktisches Werkzeug betrachten, das den Zugang zu bestehenden Methoden ermöglicht, oder bietet sie der Wissenschaft etwas grundlegend Neues?
Was kann man von KI in der Wissenschaft erwarten
Ich möchte erforschen, was KI in der Wissenschaft leisten kann und was nicht. Dafür schaue ich mir spezifische, vereinfachte Beispiele an, um die Kernpunkte deutlich zu machen. Ich werde meine Gedanken und Erwartungen teilen, die auf unseren bisherigen Beobachtungen basieren. Zudem diskutiere ich einige theoretische und philosophische Aspekte darüber, was machbar ist und was nicht.
Was verstehen wir eigentlich unter KI? In der Vergangenheit wurde alles, was ernsthaft mit Computern zu tun hat, oft als Künstliche Intelligenz betrachtet. In diesem Fall würde insbesondere das, was wir seit Langem mit unserer Computersprache Wolfram Language machen, als KI gelten – ebenso wie all meine Studien über einfache Programme im Computeruniversum. Aber hier werde ich meistens eine engere Definition verwenden und sagen, dass KI etwas ist, das auf maschinellem Lernen basiert (und normalerweise mit neuronalen Netzen implementiert wird), das schrittweise anhand von Beispielen trainiert wird, die ihm gegeben werden.Zusätzlich berücksichtige ich oft, dass die Trainingsbeispiele entweder eine große Menge menschlicher wissenschaftlicher Texte oder reale Weltbeobachtungen enthalten. Das bedeutet, die KI lernt nicht nur roh, sondern auch aus einer breiten Palette von Wissen, das auf menschlichen Erkenntnissen basiert.
Jetzt haben wir eine gemeinsame Definition von KI. Aber was bedeutet nun Wissenschaft und was bedeutet es, Wissenschaft zu betreiben? Im Kern geht es darum, Phänomene, die "da draußen in der Welt" existieren (meist in der natürlichen Welt), zu erfassen oder in Konzepte zu übersetzen, über die nachgedacht oder die durchdacht werden können. Die eigentliche wissenschaftliche Arbeit folgt jedoch mehreren, recht unterschiedlichen und weitverbreiteten "Arbeitsabläufen". Einige befassen sich mit Vorhersagen: Ausgehend von beobachtetem Verhalten sollen zukünftige Ereignisse vorhergesagt werden; es wird ein Modell gesucht, das klar beschreibt, wie sich ein System verhalten wird; aus einer bestehenden Theorie sollen konkrete Implikationen abgeleitet werden. Andere Arbeitsprozesse konzentrieren sich auf Erklärungen: Ein Verhalten wird in eine für Menschen verständliche Erklärung überführt; Analogien zwischen verschiedenen Systemen oder Modellen werden gesucht. Wieder andere Arbeitsabläufe konzentrieren sich auf die Erzeugung von Neuem: die Entdeckung von etwas, das bestimmte Eigenschaften hat; die Entdeckung von etwas "Interessantem".
Im Folgenden werde ich diese Arbeitsabläufe genauer untersuchen und zeigen, wie sie durch KI verändert werden können (oder auch nicht). Doch bevor ich damit beginne, möchte ich etwas erörtern, das jeden Versuch, "die Wissenschaft zu lösen", überschattet: das Phänomen der rechnerischen Irreduzibilität.
