Ich war vor Kurzem eingeladen, auf einer jährlich stattfindenden Linguistikkonferenz in Posen, dem Poznań Linguistic Meeting, an einer Podiumsdiskussion zum Thema “What can linguistics contribute to artificial intelligence” teilzunehmen. Während ich keine Antwort auf die Frage, was die Linguistik denn spezifisch zur Forschung zur künstlichen Intelligenz beitragen könnte, geben kann, hat mich das Spannungsfeld, in dem sich die Sprachforschung als Mittlerin zwischen modernen Computermethoden, maschinellem Lernen, und spektakulärer Forschung zur künstlichen Intelligenz auf der einen Seite und den klassischen philologischen und künstlerisch ausgerichteten Disziplinen auf der anderen Seite befindet, schon immer sehr interessiert. So stand auch die gesamte Konferenz mit ihrem Leitmotiv in diesem Spannungsfeld, wie man besonders auch an den vielfältigen Vorträgen sehen konnte, die immer wieder zur Frage zurückkehrten, was die Linguistik in Zeiten sprechender und selbstfahrender polyglotter Autos eigentlich noch zu sagen habe. Antworten waren vielfältig. Die einen beharrten trotzig auf dem Vorrang der “reinen Sprachforschung”, die primär in der Feldforschung und der Auseinandersetzung mit bisher unerforschten Sprachen bestehe, und als einzige erlauben würde, Maschinen Sprache wirklich beizubringen. Die anderen spannen wild anmutende, aber vielleicht gar nicht so unrealistische, Visionen einer Zukunft, in der Suchmaschinen nicht nur auf Schlagworte reagieren, sondern Sätze in “natürlicher Sprache” aufnehmen und dann versuchen, individuell zu beantworten.
Ich selbst hatte in meinem vor der Diskussion gehaltenen Vortrag argumentiert, dass wir nicht das maschinelle Lernen verbessern müssen, sondern eher an das maschinelle Trainieren, oder — vielleicht genauer — das Trainieren von Maschinen denken sollten. Denn in meinem Forschungsfeld ist es in vielen Fragen zwar Gang und Gäbe, Lösungen anzubieten und zu testen, die mit Hilfe moderner Forschung zum maschinellen Lernen und zur künstlichen Intelligenz zustande kommen, dabei wird jedoch oft ein relativ naiver Ansatz verfolgt, der mit der praktischen Forschung im Bereich des computergestützten Sprachvergleichs kaum was zu tun hat. Mal sind Ansätze von normalen Menschen nicht durchführbar, weil sehr komplexe Workflows verwendet werden, die enorme Rechenresourcen benötigen und nur begrenzt von anderen Menschen repliziert werden können, mal sind Lösungen so spezifisch, dass sie lediglich auf einem Datensatz funktionieren, und somit kaum auf ähnliche Probleme übertragen werden können.
Meine Idee war es, zu betonen, dass wir mehr darüber nachdenken sollten, wie wir wirklich Gutes aus den ganzen neuen Ansätzen herausholen, anstatt uns zu fragen, wie wir die Forschung zur künstlichen Intelligenz noch mehr verbessern. Dazu brauchen wir auf der einen Seite mehr Forscherinnen und Forscher, die nicht nur in den geisteswissenschaftlichen Aspekten des historischen Sprachvergleichs ausgebildet sind, sondern auch in Bezug auf Programmierung, Algorithmen und quantitative Ansätze. Gleichtzeitig sollten Menschen, die Computerlinguistik betreiben, besser in Bezug auf die konkreten Problemen im historischen Sprachvergleich geschult werden. Meiner Erfahrung nach stößt diese Position, welche versucht, beide Lager — das Lager der klassischen Linguistinnen und Linguisten und das Lager der Computerlinguistikbetreibenden — in die Pflicht zu nehmen, entweder beiden Lagern auf, oder sie gefällt beiden Lagern.
So war es auch in dieser Podiumsdiskussion. Neben nicht vollständig verständlicher Kritik an konkreten Forschungsergebnissen, die auf unserem Repositorium standardisierter lexikalischer Daten beruhen (List et al. 2022), und vor allem die Unvollständigkeit dieser Daten betonen, an der wir unsererseits nie gezweifelt haben, gab es — zumindest schien mir das so — recht viel Zuspruch in Bezug auf die Idee, dass wir den Umgang mit Systemen des maschinellen Lernens in der Linguistik verbessern müssen.
Als es um die Schlussbetrachtung ging, war schon sehr viel von vielen Seiten gesagt worden, und ich sah mich selbst ein bisschen unter dem Druck, nicht zu lange zu reden und mich nicht zu sehr zu wiederholen. Ein Punkt, den die Diskussion für mich noch mal deutlich gemacht hatte, war, dass es wichtig ist zu, unterscheiden zwischen wissenschaftlichen und wirtschaftlichen Interessen. Zu oft wird nicht zwischen beiden unterschieden, was dann im Nachhinein zu Verstimmungen in beiden Lagern führen kann. Denn wenn eine wirtschaftlich, an praktischer Anwendung orientierte Person eine Methode zur automatischen Entdeckung von Lehnwörtern erstellt, oder eine Person, die primär an wissenschaftlichen Fragestellungen interessiert ist, so unterscheiden sich die Ansätze zumeist sehr stark. Während die wirtschaftlich denkende Person primär am Funktionieren der Methode interessiert ist, interessiert sich die wissenschaftlich denkende Person, wie das Funktionieren sich auszeichnet, also warum beispielsweise eine Methode besser funktioniert als eine andere, und was das mit Sprache im Allgemeinen und mit Prozessen der Entlehnung und des Sprachkontakts im Besonderen zu tun haben mag.
Entlang der wirtschaftlich-wissenschaftlichen Achse finden wir eine neue Spaltung in Lager vor, nicht nur in der vergleichenden Sprachforschung, sondern in der Forschung zur künstlichen Intelligenz im Allgemeinen. Auf der einen Seite haben wir die Ingenieurinnen und Ingenieure, die sich freuen, wenn sie menschliche Leistungen mit Maschinen modellieren können, auf der anderen Seite haben wir Wissenschaftlerinnen und Wissenschaftler, die verstehen wollen, wodurch sich menschliche Leistungen und maschinelle Leistungen auszeichnen. Diesen Zwiespalt zwischen anwendungsorientierter Forschung und Grundlagenforschung spüre ich als jemand, der primär an Grundlagen forschen will, meist noch mehr als den Zwiespalt zwischen qualitativer und quantitativer Forschung, da meine Arbeiten zum computergestützten Sprachvergleich häufig von anwendungsorientierten Forscherinnen und Forschern evaluiert und harsch kritisiert werden.
Während ich noch überlegte, wie ich diesen Punkt in zwei Sätzen als Fazit meiner Diskussion unterbringen sollte, fiel mir plötzlich Douglas Adams’ 42 ein (Adams 1979). 42 ist die berühmte Antwort aus dem Roman Per Anhalter durch die Galaxis, die von einem Supercomputer innerhalb von 7,5 Millionen Jahren errechnet wurde, der nach der Antwort auf die Frage aller Fragen gefragt worden war. Da die Frage aller Fragen jedoch selbst viel zu schwammig gestellt worden war, konnte niemand etwas mit der Antwort anfangen, und man erwog deshalb, einen weiteren Supercomputer zu bauen, der die Frage auf die Antwort finden sollte.
In Bezug auf das Spannungsfeld von Anwendung und Erkenntnis, könnte man sagen, dass die anwendungsorientierte Forschung sich mit der 42 zufrieden geben würde, während die wissenschaftsorientierte Forschung auf der Suche nach der Frage beharren würde. Damit waren meine Schlusspunkte für die Diskussion gefunden, und ich schraffierte eine große 4 und eine große 2 in mein Notizbuch und hielt es in die Höhe, während ich zu meinem Fazit ansetzte.
Erst später wurde mir klar, dass dieser Vergleich mit Douglas Adams’ 42 vielleicht doch weit weniger treffend war, als ich ursprünglich gedacht hatte. Denn eigentlich geht es der anwendungsbezogenen Forschung ja eben nicht darum, die Antwort auf eine Frage zu kennen, sondern darum, eine Möglichkeit zu haben, rasch sehr viele Lösungen für Probleme zu finden, ohne Anspruch auf das Wissen um die Lösungswege zu erheben. Wenn man also einen Supercomputer hätte, der alle Fragen beantwortet, dann würde die Wissenschaft fordern, dass der Computer bitte auch die Lösungswege ausspuckt.
Ich habe jedoch beschlossen, mir die schiefe Analogie zu verzeihen. Mein Hauptanliegen war es ja, auf die Trennung zwischen Anwendungs- und Erkenntnisinteresse hinzuweisen. Hierfür hatte mir die 42 von Douglas Adams eine schöne Eselsbrücke geliefert, wodurch ich mein Schlussstatement tatsächlich kurzhalten konnte. Wenn ich noch mal in eine ähnliche Situation kommen sollte, würde ich allerdings versuchen, eine andere Analogie zu finden.
Literatur
Adams, Douglas (1979): The hitch hiker’s guide to the galaxy. Pan Books: London.
List, Johann-Mattis and Forkel, Robert and Greenhill, Simon J. and Rzymski, Christoph and Englisch, Johannes and Gray, Russell D. (2022): Lexibank, A public repository of standardized wordlists with computed phonological and lexical features. Scientific Data 9.316. 1-31.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Johann-Mattis List (26. September 2022). Zwei und Vierzig. Von Wörtern und Bäumen. Abgerufen am 14. Dezember 2024 von https://doi.org/10.58079/vbrd