Tsinghua-Professor Liu Jia: Die fünf wichtigsten Fähigkeiten, die wir im Zeitalter der Künstlichen Intelligenz besitzen müssen

Liu Jia/Text

Das Herzstück der allgemeinen Bildung im antiken Griechenland war die Entwicklung der politischen und kulturellen Fähigkeiten der Adelsklasse und hatte nichts mit den Lebensbedürfnissen und sozialen Funktionen der gewöhnlichen Menschen zu tun. Tätigkeiten wie das Bauernten und das Tierhalten, die mit dem täglichen Leben in Verbindung standen, waren ausschließlich den gewöhnlichen Bürgern und Sklaven vorbehalten. Im alten Hebräischen war das Wort für "Sklave" und "Arbeit" dasselbe. Im römischen Kaiserreich wurde die Praktikabilität der allgemeinen Bildung stark verbessert - selbst das Spekulieren in der allgemeinen Bildung für die Adelsklasse wurde stark eingeschränkt, während praktische Fächer wie Recht, Architektur und Beredsamkeit stark gefördert wurden.

Mit dem Beginn der Moderne brauchten die industrielle Revolution und die Modernisierung eine große Anzahl von Arbeitskräften mit Grundbildung, um den Anforderungen der neuen Wirtschaftsstruktur und der technologischen Entwicklung gerecht zu werden. Daher wurde das Schulpflichtsystem Preußens im 19. Jahrhundert zur Vorlage für die moderne Bildung, um die Arbeitsfähigkeiten aller sozialen Schichten zu entwickeln.

Zeit des künstlichen allgemeinen Intelligenz (AGI) müssen wir bei der Umwandlung der auf die Industriezeit zurückgehenden Spezialausbildung in eine allgemeine Bildung sowohl die Tradition der antiken griechischen allgemeinen Bildung, die auf umfassendes Wissen und rationales Nachdenken Wert legt, als auch moderne Wissenschaft und Technologie sowie interdisziplinäre Denkweisen integrieren. Wir sollten das Gleichgewicht zwischen der Praktikabilität und der Geisteswissenschaftlichkeit der Bildung betonen und einen globalen und kulturell vielfältigen Blickwinkel einführen. Daher sollten wir in meiner Meinung in der modernen allgemeinen Bildung diese fünf Fähigkeiten entwickeln:

» Forschung: Die richtigen Fragen stellen.

» Statistik: Die Beziehungen zwischen allen Dingen erforschen.

» Logik: Aus dem Bekannten das Unbekannte erschließen.

» Psychologie: Sich selbst verstehen und andere durchschauen.

» Rhetorik: Andere überzeugen und Innovationen anleiten.

Von den fünf Fähigkeiten im Zeitalter der AGI stammen "Logik" und "Rhetorik" aus der antiken griechischen allgemeinen Bildung, während "Forschung", "Statistik" und "Psychologie" die Ergebnisse des Fortschritts der modernen Wissenschaft und Technologie sowie der Entwicklung der menschlichen Zivilisation sind.

Forschung: Die richtigen Fragen stellen

Der Unternehmensberater Peter Drucker sagte einmal: "Der schwerste Fehler liegt nicht in falschen Antworten, sondern in falschen Fragen."

Im Zeitalter der KI: Wenn der Computer die Regeln und Aussagen dieser Welt gelernt hat, hat er dann Intelligenz? Dies bringt uns zu der grundlegenden Frage: Was ist die Essenz der Intelligenz? Viele Pädagogen in China sind der Meinung, dass die Essenz der Intelligenz das Gedächtnis ist. Deshalb basieren von den täglichen Klassentests bis hin zum College-Entrance-Exam alle auf schulischem Wissen und nicht auf schulischen Fähigkeiten - wer am meisten Wissen und Formeln merken kann, bekommt die besten Noten und kann in eine gute Universität gehen.

Die Vertreter der Verknüpfungstheorie der KI, wie Hinton, haben dagegen eine völlig andere Frage gestellt: "Wie kann man den Computer so gestalten, dass er die Informationsverarbeitung des menschlichen Gehirns simuliert und so Intelligenz erlangt?" Hinton meint: "Die Inspiration für die moderne KI stammt aus dem Verständnis der Arbeitsweise des Gehirns. Das Gehirn besteht aus einem Netzwerk aus einer großen Anzahl von Gehirnzellen. Die Eingabe löst in diesem Netzwerk eine Reihe von Aktivitäten aus, die schließlich zu einer Ausgabe führen. Das Ergebnis der Ausgabe hängt von der Stärke der Verbindungen zwischen den Gehirnzellen ab. Wenn man diese Verbindungsstärken ändert, ändert sich auch das Ergebnis der Ausgabe für jede Eingabe. Derzeit wird der Computer nicht mehr direkt programmiert, sondern man zeigt ihm eine große Anzahl von Beispielen. Anhand dieser Beispiele passt er die Verbindungsstärken selbst an und lernt so, die richtigen Antworten zu generieren, ohne dass wir ihn explizit programmieren müssen." Im Zentrum dieser Aussage steht das Wort "lernen". Das heißt, aus der Sicht der Forscher der Verknüpfungstheorie der KI besteht die Essenz der Intelligenz im Lernen.

Die Entwicklung der künstlichen neuronalen Netze ist also ein Prozess, in dem man ständig die Lernfähigkeit der KI verbessert, indem man die Informationsverarbeitung des Gehirns nachahmt. Der erste KI-System mit selbständiger Lernfähigkeit war der Perzeptron, der 1958 von dem Psychologen Frank Rosenblatt vorgeschlagen wurde. In diesem Modell schlug Rosenblatt durch die Simulation des Verstärkungsprozesses der Gehirnsynapsen einen Mechanismus zur automatischen Anpassung der Gewichte vor, sodass das künstliche neuronale Netz die Gewichte automatisch anpasst, um Lernaufgaben zu bewältigen, ohne auf manuelle Einstellungen angewiesen zu sein.

Wissen ist nur das Produkt der Intelligenz, während Lernen die Ursache der Intelligenz ist.

Aber wie konnte Hinton damals in der aufkeimenden Welle der symbolischen KI einen anderen Weg einschlagen und eine damals als abwegig empfundene, später aber als unglaublich richtig erwiesene Frage stellen? Ich denke, dass diese Fähigkeit auf Hintons "Forschungs"-Fähigkeit zurückzuführen ist. Bei wissenschaftlichen Forschungen ist der wichtigste Schritt die Formulierung hochwertiger Fragen durch Literaturrecherche und kritisches Denken. Die Literaturrecherche hilft, ein umfassendes Wissensgeflecht aufzubauen und die Lücken früherer Forschungen zu finden, während das kritische Denken darin besteht, bestehende Annahmen in Frage zu stellen, traditionelle Denkmuster zu brechen und durch logische Argumentation und systematische Analyse die Wurzel der Frage zu finden und so neue Forschungsrichtungen aufzuzeigen.

Interessanterweise können wir die "Forschungs"-Fähigkeit auch auf andere Bereiche übertragen, wie z.B. beim Kauf einer Immobilie in einer guten Schulzone (Literaturrecherche: Prüfen Sie die politischen Dokumente, um herauszufinden, ob das Schulzonierungssystem in der Region Veränderungen riskiert; kritisches Denken: Die Rendite einer Immobilie in einer guten Schulzone könnte geringer sein als die einer vielfältigen Bildungsinvestition), beim Besuch eines Arztes (Literaturrecherche: Lesen Sie die Fachranglisten verschiedener Krankenhäuser in den entsprechenden Fachbereichen; kritisches Denken: Neigen Hochleistungs-Krankenhäuser möglicherweise zu Überbehandlungen) usw. In diesem Fall bedeutet Literaturrecherche das Lesen einer großen Menge von Informationen, und hinter dem kritischen Denken steht die Einstellung der "Gleichheit".

Sam Altman sagte: "In Bezug auf die Intelligenz der Menschen wird die Zukunft nicht so wichtig sein wie jetzt, denn die KI kann die menschliche Intelligenz kompensieren. In der Zukunft wird die Fähigkeit, die richtigen Fragen zu stellen, wichtiger sein als die Fähigkeit, die Antworten zu finden." Um also die richtigen Fragen zu stellen, benötigt man Forschungsfähigkeiten, die auf Lesen und Kritik basieren.

Statistik: Die Beziehungen zwischen allen Dingen erforschen

Heutzutage nutzen quantitative Fonds KI und Big Data, um in Echtzeit die Stimmung auf Twitter, Reddit und Nachrichtenportalen zu analysieren und auf Basis dieser Analysen und der Marktbedingungen Handelsstrategien zu entwickeln. Das quantitative Handelsmodell "soziale Stimmung + Big Data" verändert derzeit die Finanzmärkte grundlegend. Wenn wir also auf sozialen Medien sehen, dass eine Aktie zu einem beliebten Thema wird, sollten wir bedenken, dass ein quantitatives Handelsalgorithmus diesen Trend bereits vor uns erkannt und einen Trade ausgeführt hat.

Durch moderne Technologien können wir in der komplexen und ungeordneten Welt der multimodalen Big Data Muster finden, um die Zukunft vorherzusagen. Die Menschen in der Antike hatten ähnliche Denkweisen. Die "I Ching", das "König der Klassiker", war ihre "Datenanalyse-Tool". Die Denkweise der Antiken ist mit der modernen Big Data-Analyse verwandt, da beide versuchen, aus der Komplexität der Daten (Veränderungen) die Regeln der Veränderungen (Einfachheit) zu entdecken und so die zukünftigen Trends (Konstanz) vorherzusagen.

In der modernen Gesellschaft ist die Statistik von Big Data zu einer Schlüsselmethode geworden, um die Funktionsweise der Welt zu erforschen, sei es bei der Vorhersage der Ausbreitung von Epidemien, der Analyse der Entwicklung der Finanzmärkte oder der Überwachung der Stimmungsentwicklung in sozialen Netzwerken. Wichtiger noch ist, dass die Statistik nicht nur ein "Werkzeug" zur Vorhersage der Zukunft ist, sondern auch unsere Art, die Welt zu verstehen, tiefgreifend beeinflusst und sogar die Zukunft der KI mitgestaltet.

Darüber hinaus hat das Internet die Welt miteinander verbunden und so die Daten grundlegend verändert. Kurz gesagt, weisen Big Data vier Hauptmerkmale auf (sog. 4V): Volumen (große Datenmenge), Geschwindigkeit (schnelle Datenflüsse), Vielfalt (multimodale Daten) und Verlässlichkeit (authentische Daten). Diese 4V-Merkmale von Big Data bedeuten, dass Big Data-Experten nicht einfach nur über Fähigkeiten wie verteilte Rechenverfahren, Streaming-Datenverarbeitung und Datenvisualisierung verfügen müssen, sondern auch über ein Datenverständnis.

Datenverständnis unterscheidet sich von der traditionellen Datenanalyse oder Datenwissenschaft. Es ist eine höhere Form des Erkennens, nämlich die Fähigkeit, durch Daten die Wahrheit zu erkennen, Regeln aufzudecken und Handlungen zu optimieren. Seine Kernkonzepte umfassen die folgenden vier Punkte.

Erstens die datengestützte Entscheidungsfindung, d.h. Entscheidungen auf der Grundlage von Daten und nicht von Intuition treffen. Beispielsweise analysiert Starbucks bei der Planung eines neuen Stores weltweit nicht nur die Erfahrung, sondern auch die Daten zur Fußgängerverkehr, zum Einkommensniveau und zur Konkurrenz, um die Rentabilität des Stores präzise vorherzusagen.

Zweitens die Mustererkennung, d.h. die Entdeckung von Trends, Beziehungen und Anomalien in den Daten. PayPal, eine der weltweit größten Online-Zahlungsplattformen, hat beispielsweise durch die Detektion von Anomalien in den normalen Transaktionsmustern die Verluste durch Betrugsgeschäfte um über 70 % reduziert und gleichzeitig die Fehlalarmrate um 50 % gesenkt.

Drittens die kausale Inferenz, d.h. das Verständnis der kausalen Beziehungen zwischen den Daten und nicht nur der Korrelationen. Ein gutes Beispiel hierfür ist der Überlebensbias. Menschen neigen dazu, sich nur auf die "Überlebenden" oder erfolgreichen Dinge zu konzentrieren und die gescheiterten oder verschwundenen Dinge zu ignorieren, was zu Fehlurteilen führt.

Viertens die Maximierung des Datenwerts, d.h. die Gewinnung von Wert aus den Daten und die Schaffung eines Wettbewerbsvorteils. Netflix hat beispielsweise durch Datenanalyse festgestellt, dass diejenigen, die politische Serien mögen, auch gerne Filme von Kevin Spacey und David Fincher sehen. Daher wurde die Serie "House of Cards" produziert, in der Spacey die Hauptrolle spielt und Fincher als Regisseur und Produzent beteiligt ist. Während der Erstausstrahlung von "House of Cards" hat Netflix in den USA etwa 2 Millionen neue Abonnenten gewonnen.

Logik: Aus dem Bekannten das Unbekannte erschließen

Stellen Sie sich vor, in der Steinzeit hatte einer unserer Vorfahren, ein Homo sapiens, eines Tages Glück und konnte viele Tiere jagen. Da er das Fleisch nicht alle auf einmal verzehren konnte, wollte er es bis zum nächsten Tag aufbewahren. Die Frage, die ihm nun gestellt war, war, wie er das Fleisch vor Ameisen und Mäusen schützen konnte. Plötzlich fiel ihm die auf den Bäumen hängenden Früchte ein, die er auf seiner Jagdroute gesehen hatte. Er hatte eine Lösung gefunden: Er steckte das Fleisch an einem Seil und hängte es an der Felswand auf, so dass Ameisen und Mäuse es nicht erreichen konnten und das Fleisch somit erhalten blieb. Durch die Beobachtung von natürlichen Phänomenen, die Ableitung von Regeln und die Anwendung dieser Regeln in einem anderen Kontext handelt es sich um induktives Denken, auch als "statistisches Lernen" oder "assoziatives Lernen" bekannt.

Diese Lernfähigkeit ist nicht auf den Menschen beschränkt, sondern kommt auch bei anderen Tieren vor. Der Grund, warum die Homo sapiens aus der natürlichen Nahrungskette herausgestiegen und zum Herrscher der Welt geworden sind, liegt nicht darin, dass sie induktives Denken gelernt haben, sondern dass sie das durch induktives Denken gewonnene Wissen in die Form "WENN-UND-DANN" gebracht haben.

» WENN: Wenn man ein Loch in einem Gegenstand macht und ein Seil durch das Loch steckt, kann man den Gegenstand aufhängen.

» UND: Ich habe jetzt Fleisch und ein Seil.

» DANN: Also kann ich das Fleisch in der Luft aufhängen.

Auf den ersten Blick scheint diese Formulierung überflüssig zu sein und eine einfache Lebensweisheit unnötig kompliziert zu machen. Doch diese formalisierte Darstellung hat das Leben der Homo sapiens grundlegend verändert und den Menschen von einem Produkt seiner Umwelt zum Gestalter seiner Umwelt gemacht, der nun die Welt nach seinen Vorstellungen verändern konnte.

Aristoteles nannte diese Art des Denkens deduktives Denken und bezeichnete den Inhalt des "WENN" als "erste Prinzipien". Das heißt, alles in der Welt kann durch Logik und Schlussfolgerungen auf die grundlegendsten Prinzipien oder Ursachen zurückgeführt werden. Aus diesen ersten Prinzipien heraus kann man dann disruptive Innovationen erzielen.

Von der primitiven "WENN-UND-DANN"-Denkweise der Homo sapiens bis hin zum Zeitalter der AGI, in dem 0 und 1 allgegenwärtig sind, hat das deduktive Denken den Menschen von den Tieren unterschieden. Leider werden in unserem wissensbasierten Bildungssystem die Schüler immer wieder trainiert, bei einem Problem direkt zu rechnen oder zu schließen, um so schnell wie möglich eine Antwort zu erhalten. Dieser lineare Denkweg von der Frage zur Antwort hat den Nachteil, dass man leicht in das bestehende Wissensgeflecht gefangen bleibt und in die Falle des "lokalen Optimums" gerät.

Das deduktive Denken, das von den ersten Prinzipien ausgeht, erfordert bewusstes Üben des U-förmigen Denkens. Das Kernstück des U-förmigen Denkens besteht darin, nicht direkt nach einer Antwort zu suchen, sondern in die Struktur des Problems einzudringen, seine grundlegendsten Elemente zu finden und dann die Antwort neu zu konstruieren. Dieser Prozess umfasst das Herausfordern der Prämisse (das Erkennen von impliziten Annahmen), das Zerlegen des Problems in seine Kernbestandteile (das Auflösen der Komplexität) und das Brechen der Grenzen des Schlussfolgerns (die Neudefinition der Möglichkeiten).

Elon Musk, der durch die Schaffung zahlreicher Geschäftserfolge Weltreichster geworden ist, sagte in einem Interview: "Das Denken in ersten Prinzipien ist eine Denkweise aus der Physik. Man muss die Annahmen ablegen, die Dinge auf ihre grundlegendsten Wahrheiten reduzieren und dann von dort aus schließen." Dies liegt daran, dass "die einzigen Regeln die Gesetze der Physik sind. Alles andere ist nur Vorschlag". Ebenso ist das deduktive Denken eine der wichtigsten Denkfähigkeiten des Menschen, und wir haben keinen Grund, es nicht zu nutzen und zu stärken.

Psychologie: Sich selbst verstehen, andere durchschauen

Wenn wir uns vor einer großen Aufgabe oder einem möglichen großen Erfolg stehen, fühlen wir uns oft nicht erfreut, sondern eher skeptisch oder sogar ängstlich: "Bin ich es wert?" Der humanistische Psychologe Abraham Maslow hat diesen Phänomen "Jonah-Komplex" genannt. Das heißt, wir fürchten nicht nur das Scheitern, sondern auch den Erfolg. Manchmal ist der größte Feind, der uns am Auf