Konnektionismus

Konnektionismus ist eine Denkschule darüber, wie Denken überhaupt zustande kommt. Ihre Grundannahme: Intelligenz entsteht nicht aus einer Sammlung von Regeln, sondern aus dem Zusammenspiel sehr vieler winziger Rechenelemente. Jedes einzelne Element kann fast nichts. Es nimmt Zahlen entgegen, verrechnet sie und gibt eine neue Zahl weiter. Erst das dichte Netz aus Millionen solcher Verbindungen bringt Leistungen hervor, die wir Wissen oder Können nennen. Das Wissen steckt dabei nicht an einem bestimmten Ort, sondern in der Stärke der Verbindungen selbst. Der Name kommt von genau dieser Idee: connection heißt auf Englisch Verbindung.

Der Bruch mit der Regel-KI

Bis in die 1980er Jahre dominierte eine ganz andere Vorstellung. Man wollte Intelligenz aus ausformulierten Regeln bauen: Wenn dieser Fall eintritt, dann tue jenes. Solche Systeme nennt man symbolische KI. Sie funktionierten gut bei Schach oder Steuerberechnungen, also überall dort, wo sich alles sauber aufschreiben lässt.

Bei alltäglichen Aufgaben scheiterten sie jedoch. Niemand kann in Regeln fassen, woran man ein Gesicht erkennt oder warum ein Satz komisch klingt. Der Konnektionismus dreht die Sache um. Statt Regeln vorzugeben, zeigt man dem System Beispiele. Es passt seine Verbindungen so lange an, bis es die Beispiele richtig behandelt. Das nennt man Training.

Genau dieser Ansatz hat sich durchgesetzt. Bildsuche, Sprachübersetzung und Chatbots beruhen alle darauf. Der Preis dafür ist allerdings hoch: Man kann bei einem konnektionistischen System kaum nachlesen, warum es eine bestimmte Antwort gegeben hat. Bei einem Regelwerk könnte man die zuständige Regel einfach heraussuchen.

Verbindungen, Gewichte und Lernen

Die Recheneinheiten in einem solchen Netz heißen künstliche Neuronen, weil sie grob an Nervenzellen erinnern. Jede Verbindung zwischen zwei Neuronen trägt eine Zahl, das sogenannte Gewicht. Ein hohes Gewicht bedeutet: Das Signal von vorne zählt viel. Ein Gewicht nahe null bedeutet, dass die Verbindung praktisch keine Rolle spielt. Die Gesamtheit aller Gewichte ist das, was das Netz gelernt hat.

Zu Beginn sind diese Gewichte zufällig gesetzt, das Netz antwortet also Unsinn. Beim Training vergleicht man die Ausgabe mit der richtigen Lösung und misst den Fehler. Danach werden alle Gewichte ein kleines Stück in die Richtung verschoben, die den Fehler verringert. Dieser Vorgang wiederholt sich millionenfach. Nach genügend Durchläufen liefert das Netz brauchbare Ergebnisse.

Ein häufiger Irrtum ist, ein solches Netz arbeite wie ein echtes Gehirn. Die Ähnlichkeit ist nur eine grobe Anleihe. Biologische Nervenzellen sind erheblich komplizierter, und das Gehirn lernt nicht durch millionenfaches Nachjustieren an Trainingsbeispielen. Der Konnektionismus ist von der Biologie inspiriert, aber er kopiert sie nicht.

Was davon in heutigen Produkten steckt

Praktisch jedes KI-Produkt, von dem in den Nachrichten die Rede ist, ist konnektionistisch gebaut. Die Sprachmodelle hinter Chatbots sind riesige Netze mit vielen Milliarden Gewichten. Wenn eine Meldung von einem Modell mit 70 Milliarden Parametern spricht, sind genau diese Verbindungsstärken gemeint. Auch die Gesichtserkennung im Smartphone und die Empfehlungen bei Streamingdiensten beruhen darauf.

Den Begriff selbst liest man meist in Texten über die Geschichte oder die Grundlagen der KI. Im Produktmarketing taucht er kaum auf, dort heißt es schlicht neuronales Netz oder Deep Learning. Wer den Konnektionismus kennt, versteht aber, warum viele KI-Systeme sich so verhalten, wie sie es tun: Sie erkennen Muster in Daten, statt Regeln zu befolgen.

Daraus folgen auch die typischen Schwächen, über die berichtet wird. Ein solches System kann selbstbewusst falsche Antworten geben, weil es kein Regelwerk prüft, sondern ein plausibles Muster fortsetzt. Und es übernimmt Verzerrungen aus seinen Trainingsdaten, denn genau daraus besteht sein gesamtes Wissen.