Neuanfang: Bildung Neu Denken - Entdeckt, nicht entworfen: Dinge bauen im Zeitalter der Komplexität

Okay, also, ähm, hallo erstmal! Kapitel Fünfzehn... Ja, da geht's irgendwie um einen neuen Anfang, ne? Und vor allem um eine andere Art von Bildung.

Wir hatten ja schon, äh, in Teil Vier mal so ein bisschen über das aktuelle Bildungssystem gesprochen, als Folge dieser ganzen Design-Narrative, wisst ihr? Also, dass Schülerinnen und Schüler heutzutage halt die wichtigsten Konzepte lernen sollen, die sich so angesammelt haben, und die dann als Grundlage für ihr Arbeitsleben nutzen sollen. Diese Denkweise basiert ja, ähm, auf der Annahme, dass das, was wir in der Schule lernen, später mal genutzt werden kann, um dann auch Lösungen zu entwickeln.

Aber, und jetzt kommt's, die fehlende Verbindung zwischen einzelnen Teilen und dem großen Ganzen, die verhindert halt, dass dieser Prozess, überhaupt realistisch sein kann, in dieser kommenden Zeit. Die einzigen Wahrheiten, die wirklich zählen, wenn man komplexe Lösungen entwickeln will, sind die, die erst im Nachhinein entstehen. Und, ganz ehrlich, es ist viel besser, naiv zu agieren, wenn man sich auf dieses notwendige Trial-and-Error einlässt, das dann ja zu Entdeckungen führt, als irgendwie mit vorher gelernten Grundlagen einzugreifen. So ein Eingreifen kann den Fortschritt und die Entdeckung unter Komplexität ja nur behindern, und das haben wir ja schon, ne, im ganzen Buch diskutiert.

Also, die meisten Themen, die heutzutage in der Schule gelehrt werden, laufen ja unter dem Motto Design. Wenn wir jetzt irgendwie was über die Entdeckung von Atomen, Genen, Bürgerkunde, Geologie, Analysis, Rechtschreibung, Vokabular, Zeichensetzung usw. lernen, dann wird erwartet, dass wir das nutzen können, um die Welt zu verbessern. Uns wird halt gesagt, dass es da kausale Zusammenhänge gibt, zwischen diesem Wissen und den Lösungen, die Leute später entwickeln werden. Uns wird gesagt, dass wir, wenn wir Rechtschreibung und Zeichensetzung lernen, irgendwann mal was Wichtiges schreiben werden. Dass wir, wenn wir Analysis lernen, die Bewegung, die Kräfte und die Energie in den Maschinen verstehen werden, die wir dann zusammenbauen. Dass unser Wissen über Bürgerkunde zu besseren Regierungsprozessen und -strukturen führen wird.

Aber, dieses Wissen, so wie es betrachtet wird, das kann halt nicht funktionieren in einer Zeit, in der unsere Lösungen komplexe Dinge sein müssen. Ein Buch zum Beispiel, ist ja auch was Komplexes. Ein Buch hat Charaktere, Schauplätze, Handlungen, Nebenhandlungen und Themen, die alle irgendwie miteinander interagieren. Die Geschichte, die sich dem Leser dann aufdrängt, entsteht aus den Interaktionen zwischen diesen ganzen Komponenten, oft unvorhersehbar. Die Dynamik zwischen den Teilen eines Buches entwickelt sich im Laufe der Ereignisse. Gutes Schreiben passiert nicht, wenn jemand seine Worte mit einer erzählerischen Struktur und literarischen Mitteln lenkt. Diese Dinge entstehen erst, nachdem man sich auf chaotische und wiederholte Versuche eingelassen hat, seine Intuitionen auszudrücken.

Und das, das ähnelt jetzt dem Prozess, durch den unsere Technologien gebaut werden müssen. Früher war die Trennung zwischen Wissenschaft und der realen Welt nur ineffizient. Studenten konnten immer noch über das Innenleben der Systeme in ihrem Fachbereich nachdenken, indem sie akademisches Wissen nutzten. Obwohl Entdeckungen schon immer auf Trial-and-Error basierten, bestand die endgültige Umsetzung aus entworfenen Abstraktionen, und diese Designs konnten mit akademischem Wissen und bewährten Praktiken in Einklang gebracht werden. Aber das ist halt nicht der Fall, wenn das, was wir bauen müssen, komplex ist.

Die technologischen Lösungen, die wir jetzt brauchen, ähneln eher Büchern und Kunstwerken als den Maschinen der industriellen Revolution. Kenntnisse über Bewegung, Kräfte und Energie werden uns nicht helfen, die Maschinen von morgen zusammenzusetzen. Bessere Regierungsprozesse und -strukturen können nicht verwirklicht werden, indem man Grundlagen über bürgerliches Engagement und demokratische Prinzipien zusammenfügt. Welche Lösung auch immer funktioniert, sie muss so sein, wie die Lösungen der Natur; komplexe Objekte, deren Innenleben aus Trial-and-Error, Heuristiken und einer ordentlichen Portion naivem Handeln entsteht.

Und trotzdem ist das Wissen, das in der Schule gelehrt wird, wichtig. Es wäre ja lächerlich, der nächsten Generation die größten Errungenschaften der Menschheit niemals beizubringen. Zu sehen, was schon alles gemacht wurde, motiviert die nächste Generation, ihre eigenen Entdeckungen zu machen und bessere Dinge zu bauen, ganz zu schweigen davon, dass es Leute davon abhält, Dinge neu zu entdecken und neu zu erfinden. Wie können wir aber dann die Tatsache in Einklang bringen, dass die Design-Narrative unlösbar wird, mit der Vorstellung, dass wir lehren sollten, was schon erreicht wurde?

Wir müssen halt neu definieren, was es bedeutet, zu lernen, was uns zur Neudefinition von Wissen zurückbringt. Nur Meta-Level-Eigenschaften, die in Verbindung mit logischem Denken verwendet werden, können unter Komplexität als wirksam angesehen werden. Eigenschaften sind robust gegenüber der Design-Narrative, da sie nicht von Natur aus kausal sind. Eigenschaften sind keine Dinge, die leiten oder anleiten sollen, sie dienen als nachträgliche Signale, dass etwas erreicht wurde. Die Berücksichtigung von Eigenschaften ist der Weg, wie komplexe Dinge auf gültige Weise gebaut werden können, weil Eigenschaften außerhalb der inneren Kräfte liegen, die Dinge zum Funktionieren bringen.

Nehmen wir mal das Atom. Das ist ja eine echte Entdeckung und sollte als Teil jedes wissenschaftlichen Lehrplans unterrichtet werden. Aber das Wissen über Atome kann dir halt nicht sagen, wie du wirksame Medikamente herstellen oder bessere Materialien produzieren kannst. Das mag für den Pharmazeutiker oder Materialwissenschaftler ja absurd klingen, aber erinnert euch an die Design-Narrative. Es braucht nicht viel, um jemanden davon zu überzeugen, dass seine Handlungen einen kausalen Zusammenhang mit dem haben, was am anderen Ende passiert.

Es gibt so ein Gefühl von Kontrolle im Design, weil es uns sagt, dass wir etwas darüber herausfinden können, wie die Welt funktioniert, und dieses Wissen dann anwenden können, um Probleme zu lösen. Aber die grundlegende Diskrepanz zwischen dem, was die Forschung durch Isolation herausfindet, und dem, was tatsächlich in realen Situationen passiert, schließt das halt aus. Nur weil die moderne Medikamentenentwicklung zunehmend auf systematischen und gezielten Ansätzen beruht, bedeutet das nicht, dass sie gesundheitliche Ergebnisse in einem deterministischen Sinne konstruiert. Man kann immer mit einer Reihe von Nebenwirkungen rechnen.

Die einzig wahre Validierung ist das Überleben. Ein Medikament, das die Kopfschmerzen nimmt, oder ein Material, das stark ist, das funktioniert. Wir brauchen keine Gründe für die Wirksamkeit; der Grund, warum etwas richtig ist, ist, weil es Versuche übersteht. Das würde alle notwendigen Sicherheitsvorkehrungen einschließen, da Versuche Sicherheitsstandards überstehen müssen. Welche Gründe auch immer für den Erfolg dessen, was geschaffen wurde, angeführt werden, sind größtenteils eine nachträgliche Erzählung, die im Nachhinein hinzugefügt wird, um die ergriffenen Maßnahmen zu rechtfertigen.

Die einzigen Dinge, die wirklich wissenswert sind, sind: 1) dass wir ein komplexes Ding bauen und 2) dass das, was geschaffen wird, die Kriterien für das Problem erfüllt. Für die Medikamentenentwicklung erfordert dies kein Wissen über Atome im kausalen Sinne (Wissen über Atome, das zur Entwicklung von Medikamenten führt), sondern eher Wissen über Eigenschaften, die signalisieren, dass Komplexität erreicht wird, und den Nachweis, dass das, was geschaffen wurde, funktioniert.

Unsere Versuche, Lösungen zu schaffen, müssen auf naivem Trial-and-Error basieren, nicht auf Design. Die Medikamentenentwicklung wäre besser dran, wenn sie so betrieben würde, wie man ein Buch schreibt. Wenn chemische Verbindungen naiv gemischt und kombiniert werden, fängt man an, Strukturen und Verhaltensweisen zu erkennen, die entstehen. Diese signalisieren, dass wir auf dem richtigen Weg sind. Man beachte, dass wir bestimmte strukturelle und verhaltensbezogene Eigenschaften von Verbindungen identifizieren können, die potenziell wirksam sind. Diese sind nicht spezifisch für ein einzelnes Medikament, sondern sind meta zu vielen Medikamenten innerhalb derselben Kategorie.

Wir würden erwarten, dass die physikalische Erscheinung der Verbindung in Bezug auf Farbe, Textur und Form konsistent ist, was auf Reinheit und Stabilität hindeutet. Die Feststellung der Löslichkeit der Verbindung würde ihre Fähigkeit anzeigen, sich in wasser- und lipidbasierten Lösungsmitteln aufzulösen, was für die Absorption und Verteilung im Körper entscheidend ist. Die Auflösungsgeschwindigkeit könnte beobachtet werden, um ihre potenzielle Bioverfügbarkeit zu signalisieren. Ihre Robustheit gegenüber Licht, Luft und unterschiedlichen Temperaturen würde andeuten, dass sie sich nicht schnell abbaut. Das Auftreten einer Dosis-Wirkungs-Beziehung würde Aspekte ihrer Toxizität und Wirksamkeit anzeigen. Wir könnten auch prüfen, ob die Verbindung bestimmte Systeme oder Symptome zu zielen scheint.

Die Versuchung besteht darin, diese Eigenschaften von vornherein mit Kenntnissen der Chemie absichtlich in das Medikament einzubauen. Wir könnten damit beginnen, ein Molekül mit einer spezifischen, wohldefinierten Struktur zu entwerfen, die die Variabilität von Schmelzpunkt, Löslichkeit und Stabilität minimiert. Wir könnten spezifische funktionelle Gruppen auswählen, von denen bekannt ist, dass sie die Löslichkeit sowohl in wässrigen als auch in Lipidumgebungen fördern. Wir könnten die Partikelgröße und Morphologie der Substanz kontrollieren, um die Auflösungsraten zu optimieren und die Absorption zu verbessern. Wir könnten spezifische chemische Bindungen und Strukturmotive auswählen, die eine Beständigkeit gegen den Abbau unter verschiedenen Bedingungen verleihen. Wir könnten Struktur-Wirkungs-Beziehungen (SAR) verwenden, um zu versuchen, eine vorhersagbare Dosis-Wirkungs-Beziehung herzustellen. Und wir könnten Kenntnisse über molekulare Interaktionen und biologische Ziele nutzen, um unsere Verbindungen dazu zu bringen, mit gewünschten Zielen zu interagieren.

Das klingt doch alles vernünftig, oder? Das Wissen darüber, wie man Konsistenz, Löslichkeit, Auflösungsgeschwindigkeit, Robustheit gegenüber Bedingungen, Dosis-Wirkungs-Beziehungen und Targeting kontrolliert, ist ja tatsächlich vorhanden. Warum also nicht nutzen?

Aus dem gleichen Grund, aus dem das Schreiben nach einer vorgegebenen erzählerischen Struktur kein gutes Stück Schrift hervorbringen wird. Ja, man wird einen Aufsatz oder ein Buch bekommen, aber es ist zu erwarten, dass es langweilig und pedantisch sein wird. Das Innenleben der Lösung wird nicht koordiniert zusammenarbeiten. Die Medikamentenentwicklung war schon immer real, aber die Design-Narrative, die die Industrie verwendet, enthält eine ganze Menge Fiktion. Man kann argumentieren, dass die Abhängigkeit vom Design in der Medikamentenentwicklung mehr Probleme verursacht als sie löst.

Eigenschaften sind keine Dinge, die man in die Systeme einbauen sollte, die wir schaffen, sie sind Dinge, die man bemerkt, nachdem naives Trial-and-Error etwas hervorgebracht hat, das funktioniert. Ja, es ist möglich, die Eigenschaften in eine Lösung einzubauen, und das wird einem tatsächlich die gewünschten Eigenschaften geben. Das Medikament wird Konsistenz, Löslichkeit usw. haben. Aber es wird auch eine Reihe von Nebenwirkungen haben, die die Lösung gerade noch wert sind.

Pharmazeutika sind nur ein Beispiel. Der Punkt ist, um komplexe Lösungen zu schaffen, müssen wir Eigenschaften verwenden, um zu signalisieren, dass naives Handeln funktioniert, nicht um das System als eine additive Pipeline von Eigenschaften zu entwerfen, die kausal miteinander verbunden sind. Die Realität ist, dass wir bessere Behandlungen und Materialien herstellen können, wenn wir von außen arbeiten und mehr Wert auf die erfolgreiche Umsetzung von Trial-and-Error legen als auf die Gestaltung spezifischer Ergebnisse.

Aber wenn wir kein Wissen über Atome benötigen, um bessere Medikamente oder Materialien herzustellen, warum sollten wir uns dann überhaupt die Mühe machen, etwas über Atome zu lernen? Weil es beim Lernen über Atome nicht darum geht, Atome zu verwenden, um bessere Dinge herzustellen. Das Studium der Atome lehrt uns wichtige Eigenschaften, die sich darauf beziehen, wie sich bestimmte Systeme anordnen und verhalten.

Das reduktionistische Wissen, das wir bis heute angesammelt haben, sollte nicht als Teile gesehen werden, mit denen wir eine bessere Zukunft bauen können, sondern als Beispiele für die Lösungen der Natur, die universell gültige Eigenschaften haben; Wissen, das uns helfen kann, zu bestätigen, dass unsere Bemühungen funktionieren.

Überlegt mal, wie sich Wissen über Atome in Bereichen außerhalb der Chemie als sehr nützlich erweisen kann. Das Wissen, dass Elektronen bestimmte Energieniveaus in einem Atom besetzen, könnte ein Muster nahelegen, das für robuste digitale Kommunikationssysteme nützlich ist, wobei wohldefinierte Zustände die Signalintegrität gewährleisten. Schwächere Bindungen zwischen Atomen, die Flexibilität in Materialien verleihen, könnten einen besseren Ansatz nahelegen, um Zusammenarbeit zu erreichen und gleichzeitig flexibel zu bleiben. Die Art und Weise, wie äußere Elektronen das atomare Verhalten bestimmen, könnten die verräterischen Anzeichen für effektive Interaktionsprotokolle in hochvernetzten Systemen sein. Die Anordnungen, die in Atomgittern zu sehen sind, könnten breiter auf die Stadtplanung anwendbar sein.

Der Punkt ist, das Studium von Atomen ist es in der Tat wert, aber nicht, um sie kausal über das Design in größere Systeme einzubinden. Das Studium von Atomen ist wichtig, weil sie universelle Eigenschaften zeigen, an die sich die Natur hält, und analoge Systeme in unterschiedlichen Maßstäben werden zweifellos unter ähnlichen Einschränkungen arbeiten.

Wenn es um das Wissen geht, das wir zukünftigen Generationen vermitteln, müssen wir mit der Design-Narrative aufräumen. Die isolierten Wissensstücke, die in Lehrbüchern vorkommen, sind keine Wege, um reale Lösungen zu schaffen, sondern Beispiele, die universell gültige Eigenschaften demonstrieren; Eigenschaften, die viele andere Systeme aufweisen werden. Es ist das Wissen um diese Eigenschaften, gepaart mit unserer natürlichen menschlichen Fähigkeit, Trial-and-Error zu nutzen und heuristisch zu denken, das zu den besten Lösungen führen wird.

Wir sollen eigentlich Alchemie betreiben

Eine gängige Kritik an der heutigen KI-Forschung und -Entwicklung ist, dass sie eher nach Alchemie aussieht als nach einer echten Wissenschaft. Der Fortschritt in der KI profitiert nicht viel von bewusstem Design oder reduktionistischem Denken. Sie hat sich dank des Hinzufügens von mehr Daten, des Einsatzes von mehr Rechenleistung und des Mischens und Kombinierens von Hyperparametern auf relativ ad-hoc-artige Weise weiterentwickelt; alles zum Leidwesen traditioneller Wissenschaftler und Statistiker.

Inzwischen sollte der Leser erkennen, dass diese Ad-hoc-mäßige, chaotische Arbeit genau das ist, was KI sein muss. Die KI nähert sich einer echten Komplexität, wie sie es tun muss, um schwierige Probleme zu lösen, und echte Komplexität kann nicht durch Design geschaffen werden. Der fiktive Ursache-Wirkungs-Reduktionismus der traditionellen Wissenschaft wird die KI nicht verbessern.

Der Erfolg der heutigen KI ist darauf zurückzuführen, dass Deep Learning auf einem Ansatz basiert, der sich grundlegend von traditioneller Wissenschaft, Statistik und regelbasierter Software unterscheidet. Wie bei Städten, Stromnetzen und dem Markt erhält die KI ihre wichtigsten Ergebnisse nicht durch die bewussten Entwürfe von Ingenieuren. Die KI erreicht ihre notwendigen Interna durch einen externen Prozess, der der Art und Weise ähnelt, wie die Natur Lösungen schafft.

Aber wie üblich schleicht sich die Design-Narrative wieder in die Bemühungen von Wissenschaftlern und Ingenieuren ein. Die Ad-hoc-Natur, mit der die heutige KI-Entwicklung voranschreitet, klingt allzu unraffiniert. Die heutigen Forscher wollen neuronale Architekturen und die vielen Teile, die darin enthalten sind, entwerfen.

Aber wir sollen eigentlich Alchemie betreiben. Wir sollen Dinge auf Ad-hoc-artige Weise mischen und kombinieren und abwarten, was passiert. Dies ist in der Tat ein weitaus strengerer Ansatz als das Operieren unter den Fiktionen des Designs. Anstatt vorzugeben, Zugang zu Informationen zu haben, die sie nicht hat, bleibt der alchemistische Ansatz außerhalb der Systeme und wartet ab, was passiert. Er lässt die Natur zu Lösungen konvergieren.

Natürlich hat die Alchemie nie Gold hervorgebracht, daher muss die Analogie irgendwo aufhören. Aber der Punkt ist, auszutreten und der Natur zu erlauben, zu konvergieren, ist nicht unwissenschaftlich; solche Vorstellungen sind ein Strohmann, der von traditionellen Wissenschaftlern verwendet wird, die in einem (hoffentlich) sterbenden Paradigma feststecken. Ein Teil des Kreislaufs ist es, den gleichen Geist zu umarmen, der unsere Vorfahren dazu zwang, das Alltägliche in etwas Wertvolles zu verwandeln.

Neudefinition von Strenge

Es ist wichtig, in Wissenschaft und Technik streng zu sein. Strenge ist, wie wir Zuverlässigkeit und Validität in dem, was wir entdecken und bauen, festlegen. Sie stellt sicher, dass die menschliche Suche nach fundierten Entscheidungen auf unserer Fähigkeit beruht, gültige Schlussfolgerungen zu ziehen. Wir wollen ein Fundament bauen, auf dem zukünftige Arbeit aufgebaut werden kann. All dies verleiht dem Vertrauen und der Glaubwürdigkeit, die die Öffentlichkeit verdient, als sie sich auf die Theorien und Erfindungen verlassen, die wir produzieren.

Aber die gegenwärtige Wahrnehmung dessen, was als streng gilt, wird zunehmend problematischer. Wissenschaftler und Laien gleichermaßen betrachten schwierigere Fähigkeiten als strenger als etwas Hochwertiges und weniger Präzises. Wenn man sich eine Theorie ansieht, die mit mathematischen Gleichungen gefüllt ist, erscheint sie stärker als eine mit bloßen Worten und Diagrammen. Präzision, die in formalen Systemen ausgedrückt wird, lässt die Dinge so viel konkreter erscheinen. Aber es gibt einen Preis für diese Präzision, der von unserem gegenwärtigen Paradigma bequem ignoriert wird. Wenn wir unsere Entdeckungen präzise mit mathematischen Symbolen oder kausalen Berechnungen ausdrücken, verlieren wir einen Großteil des Kontextes, der den Dingen Bedeutung verleiht.

Und doch sind wir kausale Kreaturen. Wir müssen das, was wir in der Welt wahrnehmen, auf bestimmte Dinge verankern. Wir müssen wissen, dass das, was wir messen, beobachten und erleben, in realistische Modelle eingeordnet werden kann, die uns helfen, bessere Entscheidungen zu treffen.

Ich habe in diesem Buch bereits detailliert beschrieben, wie die richtige Strenge unter Komplexität aussieht. Ist es die Schaffung logischer Argumente, deren Prämissen auf zeitlosen Eigenschaften und nicht auf kausalen Gründen beruhen. Aber dies allein berücksichtigt nicht unser Bedürfnis nach Kausalität und Determinismus. Ja, Eigenschaften wirken als Einschränkungen, von denen wir erwarten, dass komplexe Dinge sie einhalten. Wir können sie verwenden, um zu überlegen, ob wir auf dem richtigen Weg sind, wenn wir komplexe Lösungen bauen. Aber sie haben auch eine Art Bindegewebe. Sie sind nicht nur unterschiedliche Eigenschaften ohne Beziehung.

Betrachten wir noch einmal ein Buch. Bücher haben erzählerische Strukturen, die von einem Aufbau über steigende Herausforderungen bis hin zu Lösungen für diese Herausforderungen übergehen. Wie ich argumentiert habe, sollte diese Struktur nicht verwendet werden, um das Schreiben zu säen oder zu leiten, sondern nur als nachträgliche Signale, dass das Schreiben gut läuft. Die verschiedenen Teile der erzählerischen Struktur sind Eigenschaften guten Schreibens, aber diese Eigenschaften haben eine metakausale Verbindung zwischen sich. Der Aufbau führt zu steigender Spannung, die zu einem Höhepunkt übergeht, der schließlich in eine Auflösung mündet.

Die erzählerische Struktur des Schreibens kann als eine externe Metastruktur angesehen werden, deren Teile als Eigenschaften wirken, die kausal miteinander verbunden sind. Dies bedeutet, dass wir, wenn wir unsere Definition von Wissen extern, weg von den inneren Ursachen der Dinge verschieben, die Art von Kausalität und Determinismus retten können, die Menschen zum Denken verwenden.

Dies ist eine richtig platzierte Konkretheit, im Gegensatz zu der fehlplatzierten Konkretheit, die aufgrund unseres reduktionistischen wissenschaftlichen und technischen Paradigmas aufgetreten ist. Wenn Kausalität auf der Metaebene verwendet wird, wird sie zu einem gewaltigen Werkzeug, um darüber nachzudenken, was wir bauen. Es gibt Struktur und Vernunft in dem, was auf der Metaebene existiert. Dies bringt einen viel realistischeren Ansatz für Strenge bei der Diskussion über die Schaffung komplexer Dinge.

Die Menschheit muss Strenge als das neu definieren, was außerhalb der Systeme existiert, die wir zu schaffen hoffen. Hier begegneten die Menschen zum ersten Mal der intuitiven Kausalität und dem Determinismus, von dem unser Selbstbewusstsein und unsere Vernunft abhängen. Nicht im Inneren deterministischer Systeme oder den ausgefallenen Symbolen unserer Theorien und Erklärungen, sondern in der natürlich komplexen Welt, in der wir gelernt haben zu überleben. Vielleicht wird die größte Entdeckung der Menschheit die Erkenntnis sein, dass Fortschritt in seiner besten Form uns näher an den Punkt bringt, an dem wir angefangen haben. So, das war's, erstmal. Bis zum nächsten Mal!