Aspekte einer Soziologie künstlicher Intelligenz

Aspekte einer Soziologie künstlicher Intelligenz1 Mit dieser Formulierung will ich zum Ausdruck bringen, dass es mir primär um soziologische Theoriebildung im Sinne des Beschreibungsgehalts und nicht in erster Linie um explizite disziplinäre Zuordnung geht, weil soziologisch instruktive Beiträge zu ML sich meiner Erfahrung nach vor allem auch in Publikationen finden, die formal nicht unbedingt dem soziologischen Fachdiskurs zugerechnet werden.Entsprechend werde ich in meinem Argumenten im Verlauf der Untersuchung neben soziologischer auch solche Literatur berücksichtigen und auswerten, die ›offiziell‹ etwa den Diskursen der Medienwissenschaft, der Kulturwissenschaft, den STS oder der Technik-und Medienphilosophie zugehörig ist.Differenzmarkierungen -in diesem Fall offensichtlich zu üblichen Verständnisse von »reason« und »Sozialität« 4 -und mithin als Hinweise auf Leerstellen der bisherigen theoretischen Theoriearbeit.In sozialtheoretischer Thematisierung dieses Umstandes finden sich Ansätze, die explizit einen Bedarf an begrifflicher Arbeit artikulieren und sich vor allem in Kritik des ›Theoriebestands‹ üben, indem sie die Eigenlogik rechentechnischer Phänomene betonen (vgl.Bratton & Agüera y Arcas 2022).Auf eine griffige Formel gebracht: »computation is computation« (Fazi 2018, S. 187).5 Beiden letzteren Positionen ist die Ansicht gemein, dass ML eine genuine Herausforderung für die Theoriebildung darstellt und nicht etwa nur alte Probleme in neuen Gewändern vorführt.Unter ähnlichen Vorzeichen lassen sich Luciana Parisis Ausführungen zum »alien subject of AI« (2019) nachvollziehbar machen.Laut Parisi geht die gegenwärtige Verbreitung von ML mit einer Automatisierung kognitiver Tätigkeiten einher, was mithin der Ausbreitung eines »alien space of reasoning« (S. 30) gleichkomme.Dieser sei geprägt durch den für Beobachter:innen befremdliche Charakter dessen, was sie »machine thinking« (S. 31) nennt.Die Verbreitung von stochastischen Modellierungen zur automatischen Generierungen von sinnförmig verstehbaren Outputs für kommunikative Anlässe verheiße nicht weniger als eine Krise »crisis of conscious cognition« (S. 28).Es verbreite sich innerhalb der vertraut geglaubten sozialen Wirklichkeit zudem ein für menschliche Beobachtungen opaker »space of machine communication« (S. 31).Die aus diesen Entwicklungen resultierende Krise menschliche Subjektivität hat laut Parisi zwei wesentliche Bezugspunkte: Handeln und Wahrnehmung.Im Hinblick auf beide erweist sich »alienness« als zentrales Charakteristikum.Ungewöhnliche Outputs von ML-Modellen (vgl.etwa Bucher 2017) können Erwartungen ihrer Beobachter:innen destabilisieren und erschweren gleichermaßen Verstehen sowie adäquate Reaktionen, weil das Befremdliche an ihnen kaum rationalisierend durch Erklärungen eingehegt, d.h.verstehbar gemacht werden kann.Beobachter:innen von ML-Anwendungen könnten im Versuch, deren Outputs als Kommunikation zu verstehen, nachgerade einen »epistemic shock« (Roberge & 4 Die entsprechend ›non-computational‹ bzw.›nicht-algorithmisch‹ verfasst sein müssten, was angesichts der langen Kulturgeschichte des Rechnens sowie spezifisch der Algorithmen (vgl.etwa Pasquinelli 2019) eine anspruchsvolle Aufgabe darstellt.5 Das Insistieren darauf, dass »computation« ein eigenlogisches Phänomen darstellt, impliziert zugleich Skepsis gegenüber gängigen Metaphern und Analogien: »computation is neither nature nor artifice« (ebd.)und gleichsam »neither about mathematical idealism nor physical empiricism« (Fazi 2016).Kontextabhängig wird »computational« in der vorliegenden Studie meist als »rechentechnisch« übersetzt, weil »computation« hier primär in ihrer Manifestation als Technik Gegenstand ist.Darüber hinaus ist vor allem relevant, dass jede »computation« zwangsläufig eine bestimmte Rechnung darstellt, was sich in Form typischer Vorsilben sprachlich abgebildet: Errechnung, Berechnung.