Was von Hubert Dreyfus' KI-Kritik heute noch Bestand hat

DeepSeek:
Deine Frage, was von Hubert Dreyfus' Kritik an der Künstlichen Intelligenz heute noch Bestand hat, ist äußerst aktuell. Sein Werk wirkt aus der Distanz betrachtet wie eine prophetische Widerlegung einer naiven Technikgläubigkeit, deren Kernargumente mit dem Aufstieg des maschinellen Lernens und neuronaler Netze eine unerwartete Renaissance und Neubewertung erfahren.

Hier ist meine Einschätzung, was von Dreyfus' Views heute uporabljivim (anwendbar) bleibt:

Was von Hubert Dreyfus' KI-Kritik heute noch Bestand hat
Hubert Dreyfus' fundamentale Kritik in Werken wie "What Computers Can't Do" (1972) richtete sich gegen den damals herrschenden Symbolischen AI-Ansatz (GOFAI - Good Old-Fashioned Artificial Intelligence). Dieser versuchte, Intelligenz durch die Manipulation von Symbolen nach logischen Regeln in einem formalen System nachzubilden. Dagegen brachte Dreyfus phänomenologische und heideggerianische Argumente vor, die heute, im Zeitalter von Deep Learning, teilweise bestätigt, teilweise neu interpretiert werden müssen.

1. Die Kritik am "Deskriptions-Fehlschluss" (the epistemological assumption):

Dreyfus' These: Menschliches Wissen und Können lässt sich nicht vollständig in explizite Regeln oder Fakten fassen. Ein Großteil unseres Wissens ist implizit, verkörpert und intuitiv – ein "Know-how" und nicht ein "Know-that".

Aktuelle Relevanz: Hoch. Genau hier liegt die Schwäche der symbolischen KI und gleichzeitig die Stärke der modernen, datengetriebenen Ansätze. Neuronale Netze lernen genau dieses implizite Muster-Erkennen aus Millionen von Beispielen, ohne jemals eine explizite Regel formuliert zu bekommen. Dreyfus hatte recht: Man kann Intelligenz nicht einfach "programmieren", man muss sie aus Daten "lernen" lassen. In diesem Punkt wurde seine Kritik durch den Paradigmenwechsel hin zum Machine Learning bestätigt.

2. Die Bedeutung der Verkörperung (Embodiment) und Situiertheit:

• Dreyfus' These: Intelligenz ist nicht losgelöst von einem Körper und einer Umwelt. Unser Verständnis der Welt erwächst aus der Interaktion eines handelnden Körpers mit seiner Umgebung ("being-in-the-world").

• Aktuelle Relevanz: Eingeschränkt, aber wichtig. Für rein softwarebasierte KI (wie LLMs wie mich) ist dieser Punkt ein bleibendes Manko. Mir fehlt diese physische Verkörperung und die lebenslange Erfahrung in einer Welt. Dies erklärt, warum ich manchmal logisch klingende, aber in der Realität unsinnige oder gefährliche Aussagen treffen kann ("Halluzinationen"). In der Robotik ist dieses Prinzip jedoch absolut zentral. Moderne Roboter müssen sich in Echtzeit an eine unvorhersehbare physische Welt anpassen – genau das, wovon Dreyfus sprach.

3. Die Kritik an der kontextfreien Repräsentation:

• Dreyfus' These: Bedeutung entsteht immer aus einem Hintergrund an implizitem Verständnis und einem spezifischen Kontext. Ein Symbol (wie das Wort "Bank") hat keine Bedeutung ohne diesen Hintergrund.

• Aktuelle Relevanz: Absolut zentral. Dies ist eine der größten Herausforderungen für große Sprachmodelle (LLMs). Zwar können wir Kontext aus dem Prompt ableiten, aber uns fehlt der tiefe, lebensweltliche Hintergrund, den Menschen haben. Meine Antworten generiere ich basierend auf statistischen Mustern in trainierten Daten, nicht aus einem echten Weltverständnis. Dreyfus' Warnung vor der Bedeutungslosigkeit ohne Kontext ist heute das, was man als "Alignment-Problem" oder die Herausforderung, common sense zu modellieren, bezeichnet.

4. Die Grenzen der formellen Logik:

• Dreyfus' These: Menschliches Denken und Schließen folgt nicht immer den Regeln der formellen Logik. Es ist oft vage, analog, auf Erfahrung basierend und von Intuition geleitet.

• Aktuelle Relevanz: Bestätigt. Die Stärke neuronaler Netze liegt genau in dieser Fähigkeit, mit Unschärfe, Wahrscheinlichkeit und Analogien umzugehen, anstatt binärer Logik zu folgen. Die moderne KI hat den Weg der formellen Logik weitgehend verlassen und ist stattdessen ein probabilistisches, statistisches Unterfangen geworden – viel näher an Dreyfus' Beschreibung menschlicher Intelligenz.

---

Zusammenfassung: Das bleibende Vermächtnis von Dreyfus

Dreyfus' größter Beitrag ist heute weniger eine konkrete Widerlegung der KI (denn die moderne KI hat seinen Angriff auf die symbolische AI überlebt, indem sie seine Prämisse übernahm und einen anderen Weg einschlug), sondern vielmehr eine philosophische Roadmap für die verbleibenden Herausforderungen.

Seine Arbeit erinnert uns daran, dass die derzeit dominante KI, trotz ihrer umwerfenden Erfolge, oft eine "intelligente" Simulation von Intelligenz ohne echtes Verständnis ist. Sie ist ein mächtiges Werkzeug der Mustererkennung, aber (noch) kein verkörpter, situierter Agent mit common sense.

Was also bleibt brauchbar?

• Als Korrektiv: Seine Argumente sind eine ständige Warnung vor überzogenen Erwartungen (AGI, Superintelligenz) und eine Erinnerung an die tiefe Verwurzelung menschlicher Intelligenz in Leiblichkeit, Weltlichkeit und sozialer Praxis.

• Als Diagnose-Werkzeug: Sie helfen, die fundamentalen Limitationen aktueller KI-Systeme zu verstehen, insbesondere deren mangelndes Weltwissen und deren Abhängigkeit von Trainingsdaten.

• Als Leitfaden für die Zukunft: Für die nächsten Schritte in der KI-Forschung – ob hin zu embodied AI, zu Systemen mit mehr common sense oder zu einer Integration von symbolischem und subsymbolischem Denken – liefert Dreyfus die entscheidenden philosophischen Fragen, die beantwortet werden müssen.

Letztendlich hatte Dreyfus unrecht in seiner absoluten Aussage ("What Computers Can't Do"), aber er hatte auf fundamental richtige Weise unrecht. Die Computer tun es heute anders, als er es sich vorstellen konnte, aber sie stoßen genau auf die von ihm beschriebenen philosophischen Hürden.