Die Lücke überbrücken: MITs neue Vorreiterrolle in der KI-Ausbildung

Das Massachusetts Institute of Technology ist seit langem ein Pionier in Ingenieurwesen und Informatik, aber ein bahnbrechender neuer Kurs, der im Rahmen der Common Ground for Computing Education-Initiative eingeführt wurde, verschiebt die Grenzen dessen, wie künstliche Intelligenz (artificial intelligence) gelehrt wird. Der Kurs mit dem Titel AI and Rationality (6.S044/24.S00) stellt eine bedeutende Veränderung in der akademischen Pädagogik dar, indem er die präzisen mathematischen Rahmenwerke der Informatik mit der nuancierten, kritischen Untersuchung der Philosophie verbindet.

Eingeführt vor dem Hintergrund der raschen Entwicklung autonomer Systeme, vereint dieses interdisziplinäre Angebot zwei unterschiedliche, aber zunehmend zusammenwachsende Fachgebiete. Der Kurs wird gemeinsam von Leslie Kaelbling, der Panasonic Professor of Computer Science and Engineering, und Brian Hedden, Professor in der Department of Linguistics and Philosophy, unterrichtet. Ihre Zusammenarbeit unterstreicht ein wachsendes Bewusstsein in der akademischen Gemeinschaft: Da KI-Systeme immer ausgefeilter werden, lassen sich die aufgeworfenen Fragen nicht mehr allein durch Code beantworten.

Die Initiative ist Teil des breiteren Common Ground for Computing Education, eines bereichsübergreifenden Programms am MIT Schwarzman College of Computing. Dieses Programm soll Kooperationen zwischen mehreren Fachbereichen erleichtern und Kurse schaffen, die Informatik mit anderen Disziplinen verbinden – in diesem Fall die Department of Electrical Engineering and Computer Science (EECS) und die Department of Linguistics and Philosophy.

Das philosophische Rätsel der rationalen Agenten (Rational Agents)

Im Zentrum des Kurses steht eine komplexe Frage: Inwieweit kann ein künstliches System als rational angesehen werden? Während traditionelle KI-Lehrpläne sich auf Optimierung und Leistungskennzahlen konzentrieren, fordert AI and Rationality die Studierenden dazu auf, einen Schritt zurückzutreten und die grundlegenden Annahmen der Agenten zu untersuchen, die sie bauen.

Professorin Kaelbling, die einen Bachelorabschluss in Philosophie besitzt, betont die historische Verflechtung der beiden Disziplinen. Sie weist darauf hin, dass sich die technischen Komponenten der Philosophie schon immer mit der KI überschnitten haben, besonders in deren frühen Tagen, und nennt Alan Turing als ein Paradebeispiel für einen Wissenschaftler, der beide Bereiche vereinte. Der Kurs fordert die Studierenden auf, komplexe Computersysteme so zu behandeln, als seien sie rationale Agenten (rational agents) – Entitäten, die Überzeugungen über die Welt und Wünsche nach bestimmten Ergebnissen haben.

Dieser Ansatz bietet einen praktischen Rahmen für das Ingenieurwesen. Indem man eine Maschine als rationalen Agenten betrachtet, der Handlungen unternimmt, um Ziele zu erreichen, können Studierende das Systemverhalten besser verstehen und vorhersagen. Die Dozenten weisen jedoch darauf hin, dass menschliche Rationalität oft durch kognitive Grenzen eingeschränkt ist – eine Nuance, die beim Modellieren „idealer“ Rationalität in computationalen Systemen entscheidend wird.

Lehrplan im Detail: Über Standardalgorithmen hinaus

Der Lehrplan von 6.S044/24.S00 geht über die standardmäßigen Modelle des maschinellen Lernens hinaus, die man in typischen Informatikstudiengängen findet. Stattdessen führt er die Studierenden in rigorose philosophische Konzepte zusammen mit technischen Implementierungen ein.

Wichtige Themen des Kurses umfassen:

• Rationale Handlungsfähigkeit (Rational Agency): Definition dessen, was es bedeutet, dass ein Agent (menschlich oder maschinell) rational handelt.
• Bayessche Wahrscheinlichkeit (Bayesian Probability): Verständnis von Glaubensupdates und Beweismitteln.
• Erwartungsnutzentheorie (Expected Utility Theory): Ein Rahmen zur Entscheidungsfindung unter Unsicherheit.
• Sequenzielle Entscheidungsfindung (Sequential Decision-Making): Wie Agenten langfristige Ziele in dynamischen Umgebungen planen.
• Inferenzen über Überzeugungen und Ziele (Belief and Goal Inference): Mechanismen zur Zuschreibung von Absichten an autonome Systeme.

Professor Hedden weist darauf hin, dass die Disziplinen zwar unterschiedliche Schwerpunkte und Perspektiven haben, sie aber weitaus stärker ausgerichtet sind, als die meisten Studierenden vermuten. Der Kurs zielt nicht darauf ab, den Studierenden einen starren Lehrkörper zum Auswendiglernen zu vermitteln. Stattdessen will er sie mit den kritischen Denkwerkzeugen ausstatten, die nötig sind, um sich in einer unvorhersehbaren technologischen Landschaft zurechtzufinden.

Rationalität von Ethik unterscheiden

Es ist wichtig, dieses neue Angebot von anderen interdisziplinären Kursen wie Ethik der Informatik (Ethics of Computing) (6.C40/24.C40) zu unterscheiden. Während sich der Ethikkurs auf die gesellschaftlichen Auswirkungen, moralischen Verpflichtungen und potenziellen Schäden der Technologie konzentriert, fokussiert AI and Rationality auf die Mechanik des Denkens selbst.

Die Unterscheidung ist subtil, aber wesentlich. Die Ethik fragt: „Ist diese Handlung richtig oder falsch?“ Rationalität fragt: „Erreicht diese Handlung effektiv die Ziele des Agenten basierend auf seinen Überzeugungen?“ Im Kontext der KI ist das Verständnis von Rationalität eine Voraussetzung dafür, robuste Systeme zu bauen, die sich nachvollziehbar verhalten. Wenn ein KI-System weitgehend irrational handelt – seine Überzeugungen nicht anhand neuer Daten aktualisiert oder im Widerspruch zu seinen programmierten Zielen handelt –, wird es unvorhersehbar und potenziell gefährlich, unabhängig von seiner ethischen Programmierung.

Indem der Kurs die Studierenden in die formalen Definitionen von Rationalität einführt, bereitet er sie darauf vor, Systeme zu entwerfen, die nicht nur leistungsstark, sondern auch kohärent und interpretierbar sind.

Vergleich: Traditionelle vs. interdisziplinäre Perspektiven

Die folgende Tabelle veranschaulicht die Verschiebung der Perspektive, die der Common Ground-Ansatz im Vergleich zur traditionellen Informatikausbildung bietet.

Table 1: Educational Paradigms in AI Development

Die nächste Generation von Wissenschaftlern vorbereiten

Die Resonanz auf den Kurs war stark, mit über zwei Dutzend Studierenden, die sich für das initiale Angebot angemeldet haben. Dieses Interesse signalisiert einen Hunger in der Studierendenschaft nach Bildung, die technische Fähigkeiten in einen breiteren intellektuellen Rahmen einbettet.

Für die nächste Generation von Wissenschaftlern und Ingenieuren werden die Konzepte der rationalen Agentenschaft und der autonomen Entscheidungsfindung integrale Bestandteile sein. Wenn KI aus akademischen Forschungslaboren in reale Anwendungen übergeht – Autos steuert, Stromnetze verwaltet und Krankheiten diagnostiziert –, wird die Fähigkeit, diese Systeme als rationale Agenten zu modellieren, zur Notwendigkeit für Sicherheit und Zuverlässigkeit.

Die Dozenten Kaelbling und Hedden sehen diesen Kurs als grundlegenden Baustein. Sie lehren die Studierenden nicht nur, wie man KI baut; sie lehren sie, darüber nachzudenken, was sie bauen. Kaelbling merkt an, dass das Fordern der Studierenden, ihre Annahmen zu hinterfragen, ihnen hilft, ihre Arbeit in einen tatsächlichen Kontext zu stellen – eine Fähigkeit, die sowohl in der Forschung als auch in der Industrie zunehmend gefordert wird.

Die Zukunft der Common Ground-Initiative

Der Erfolg von AI and Rationality unterstreicht das Potenzial der Common Ground for Computing Education, die akademische Landschaft am MIT neu zu gestalten. Indem Abteilungen zusammengebracht werden, die historisch isoliert gearbeitet haben, fördert die Initiative eine neue Art von „computing bilinguals“ – Absolventen, die sowohl die Sprache der Algorithmen als auch die Sprache der Geisteswissenschaften beherrschen.

Da die Definition von Intelligenz selbst weiterhin durch technologischen Fortschritt bestritten und neu definiert wird, sorgen Kurse wie dieser dafür, dass die Ingenieure der Zukunft über die philosophische Tiefe verfügen, um die Komplexitäten, die sie schaffen, zu bewältigen. Der interdisziplinäre Lehrplan, den die Common Ground-Initiative propagiert, dient als Modell dafür, wie Universitäten weltweit sich an das Zeitalter der künstlichen Intelligenz anpassen könnten, und beweist, dass der fortschrittlichste Code das tiefste Gewissen erfordert.