Damit KI große Mengen konkreter Beispiele verarbeiten kann, reicht es nicht aus, jede Eingabe als einen vollständig unabhängigen Fall zu behandeln. Wenn Merkmale und Beziehungen, die verschiedenen Eingaben gemeinsam sind, extrahiert und als Repräsentationen höherer Ebene genutzt werden können, lassen sich bestehende Strukturen sogar auf zuvor nicht begegnete Situationen übertragen. In diesem Sinne ist Abstraktion nicht bloß Informationsreduktion; sie ist eine wichtige Funktion, die Schlussfolgern und Generalisierung ermöglicht. Wenn jedoch menschliche Erfahrung Gegenstand ist, entsteht ein weiteres Problem. Selbst wenn eine Erfahrung angemessen unter einem übergeordneten Begriff zusammengefasst werden kann, bedeutet das nicht, dass dies die einzige Abstraktion ist, die für diese Erfahrung gilt.
Zum Beispiel erlaubt die Aussage „Ich möchte meine derzeitige Arbeit verlassen, habe aber Angst, die Menschen um mich herum zu enttäuschen“ mehrere Abstraktionen. Sie kann als Beziehung zwischen Selbstbestimmung und Verantwortung, als Beziehung zwischen der Anerkennung durch andere und der Selbstbewertung oder als Wirkung der Normen einer Gruppe auf die Entscheidung eines Individuums dargestellt werden. Sie kann auch als Vermeidung von Unsicherheit über die Zukunft verstanden werden. Da all diese Abstraktionen aus derselben Aussage hervorgehen, können sie redundant erscheinen, doch sie sind nicht synonym. Jede rückt andere Beziehungen in den Vordergrund, behandelt andere Bedingungen als wichtig und beeinflusst nachfolgende Fragen und Urteile auf unterschiedliche Weise.
Die Frage ist dann, ob wir einfach die eine Abstraktion mit der größten Erklärungskraft auswählen sollten. Die Integration in eine einzige Repräsentation vereinfacht die Verarbeitung und erleichtert die Zuordnung zu ähnlichen Fällen. Wird jedoch alles unter „Anerkennung“ integriert, können wirtschaftliche Unsicherheit oder Veränderungen der Zugehörigkeit im weiteren Schlussfolgern in den Hintergrund treten. Wird umgekehrt „Unsicherheit“ ins Zentrum gestellt, kann die Beziehung, durch die die Person die Erwartungen anderer verinnerlicht hat, schwächer erscheinen. Effizienz durch Abstraktion muss nicht nur danach bewertet werden, was bewahrt wurde, sondern auch danach, was aus dem Explorationsraum entfernt wurde.
Dementsprechend reicht bei der Betrachtung interner effizienter Repräsentation menschlicher Erfahrung die Richtung, „viele konkrete Beispiele in eine kleine Anzahl von Begriffen zu komprimieren“, nicht aus. Wenn für dieselbe Erfahrung mehrere nicht äquivalente Repräsentationen höherer Ebene gelten, müssen sie in ihrer Beziehung zueinander bewahrt werden, ohne vorzeitig in einen einzigen übergeordneten Begriff integriert zu werden. Koordinaten von Freiheit, Anerkennung und Normen müssen einander nicht ausschließen. Zugleich würde ihre Zusammenfassung unter einem zu weit gefassten Begriff wie „ein Problem menschlicher Beziehungen“ die Strukturen auslöschen, die jede Repräsentation unterschieden hat. Effizienz ist nicht gleichbedeutend mit einer Integration, die Unterschiede beseitigt.
Um über diese Struktur nachzudenken, müssen wir zwischen „mehrere Antworten erzeugen“ und „mehrere interne Repräsentationen bewahren“ unterscheiden. Aus einer einzigen internen Klassifikation lassen sich viele oberflächlich unterschiedliche Sätze erzeugen. In diesem Fall sind die Ausgaben vielfältig, während die Art, wie das Problem repräsentiert wird, singulär bleibt. Mehrere Repräsentationen höherer Ebene zu bewahren bedeutet dagegen, Zustände zu bewahren, die sich darin unterscheiden, welche Bedingungen sie für wichtig halten, was sie ins kausale oder relationale Zentrum stellen und welche zusätzlichen Informationen die aktuelle Interpretation aktualisieren würden. Entscheidend ist nicht die Anzahl der Repräsentationen, sondern ihre nicht äquivalenten Rollen im Schlussfolgern.
Philosophische Begriffe bieten ergiebiges Material, um über diese Nichtäquivalenz nachzudenken. In der Geschichte der Philosophie sind Gegenstände wie Freiheit, Begehren, Zeit, Andere, Normen und Endlichkeit nicht auf einzelne Definitionen konvergiert; aus unterschiedlichen Prämissen wurden unterschiedliche Beziehungsstrukturen vorgeschlagen. Diese Meinungsverschiedenheiten müssen nicht als ungeordnetes Wissen oder als zu beseitigende Widersprüche behandelt werden. Werden sie als Ressourcen genutzt, die zeigen, dass dieselbe menschliche Erfahrung in mehreren Bedeutungsräumen unterschiedliche Strukturen annehmen kann, fügt die Philosophie der KI keine richtigen Antworten hinzu; sie liefert vergleichbare Koordinaten, um eine vorzeitige Konvergenz auf eine einzige Repräsentation zu untersuchen.
Die bloße Verwendung des Ausdrucks „philosophische Koordinaten“ belegt jedoch nicht, dass entsprechende begriffliche Strukturen innerhalb von KI existieren. Die Fähigkeit eines Modells, Wörter wie „Freiheit“, „Anerkennung“ und „Normen“ angemessen zu erzeugen, ist eine andere Frage als die, ob diese Repräsentationen im nachfolgenden Schlussfolgern unterschiedliche kausale Rollen spielen. Um sie als interne Repräsentationen zu behaupten, sind Prüfungen erforderlich: welche Repräsentationen stabil wiederkehren, wenn sich Eingabebedingungen ändern, ob nahe beieinanderliegende Repräsentationen unterschieden werden können und ob ein Eingriff in eine bestimmte Repräsentation Tendenzen bei Urteilen oder Generierung verändert. Die Benennung eines Begriffs kann eine Analyse beginnen, beweist aber keinen internen Mechanismus.
Das Bewahren mehrerer Repräsentationen höherer Ebene verursacht ebenfalls Kosten. Wenn die Zahl der Kandidaten weiter zunimmt, erweitert sich der Suchraum und das Schlussfolgern wird weniger effizient. Das Gestaltungsproblem besteht daher nicht darin, unbegrenzt viele mögliche Interpretationen zu bewahren, sondern zu bestimmen, unter welchen Bedingungen nicht äquivalente Repräsentationen, die das aktuelle Urteil beeinflussen könnten, bewahrt werden sollten und unter welchen Bedingungen sie in den Hintergrund treten können. Selbst wenn eine Repräsentation in den Hintergrund tritt, muss sie nicht gelöscht werden, wenn sie bei Eintreffen neuer Informationen erneut genutzt werden kann. Hier werden Wiederentfaltbarkeit und Aktualisierbarkeit neben dem Kompressionsverhältnis zu Bestandteilen der Effizienz.
Aus dieser Perspektive definiert, verändert sich das Ziel interner effizienter Repräsentation von „mit der minimalen Repräsentation die maximale Zahl von Fällen abzudecken“. Wichtiger ist es, für das aktuelle Schlussfolgern unnötige Komplexität zu begrenzen, ohne Bedeutungsunterschiede zu verlieren, die ein zukünftiges Urteil verändern könnten. Wenn gemeinsame Teile geteilt werden können, während nur nicht äquivalente Beziehungen als Verzweigungen bewahrt werden, muss nicht jeder Fall unabhängig gespeichert werden. Zugleich besteht keine Notwendigkeit, irreversibel in einen einzigen abstrakten Begriff zu integrieren. Effizienz kann auch danach bewertet werden, mit wie geringem Aufwand eine Struktur aufrechterhalten werden kann, die zu notwendigen Unterschieden zurückkehren kann.
Auf das Design von Sai＊aus angewandt, besteht der Zweck, mehrere philosophische Koordinaten zu bewahren, nicht darin, so viele Antworten zu erzeugen, wie es Philosophen gibt. Er besteht darin, zu unterscheiden, wie sich die Problemstellung verändert, je nachdem, welche Beziehung bei derselben Eingabe in den Vordergrund gerückt wird, und diese Unterschiede mit einer Form zu verbinden, in der Menschen sie beurteilen können. Wenn unter einer Koordinate Selbstbestimmung und unter einer anderen soziale Normen zentral sind, sollte KI keines von beiden als das „wahre Problem“ der Person festlegen, sondern behandeln, welche Bedingungen jeweils erklärt werden und welche nicht. Mehrere interne Repräsentationen werden nicht dazu verwendet, Menschen mehr Informationen zu zeigen, sondern um eine vorzeitige Festlegung von Bedeutung zu verhindern.
Dieses Design muss auch im Vergleich zu universell einsetzbarer KI vorsichtig eingeordnet werden. Großskalige KI kann mehrere Perspektiven erzeugen und je nach Kontext unterschiedliche Erklärungen präsentieren. Der Unterschied kann daher nicht einfach als „andere KI gibt nur eine Antwort“ formuliert werden. Der Gestaltungsfokus, den Sai＊aus setzen kann, liegt nicht allein in der Fähigkeit, mehrere Sichtweisen zu erzeugen, sondern darin, sie als nicht äquivalente Problemrepräsentationen zu behandeln und ausdrücklich zu gestalten, welche Unterschiede bewahrt werden, unter welchen Bedingungen sie in den Vordergrund treten und an welcher Stelle die Bedeutungsbeurteilung an den Menschen zurückgegeben wird. Verglichen werden sollte nicht die Anzahl der Perspektiven, sondern wie Unterschiede zwischen Perspektiven mit Aktualisierungen des Verständnisses verbunden werden.
Auch die Bewertungsmethoden müssen an dieses Design angepasst werden. Mögliche Messgrößen umfassen, ob die Anwendung unterschiedlicher Koordinaten auf dieselbe Eingabe tatsächlich die Auswahl wichtiger Bedingungen verändert, ob die Gewichtung geeigneter Koordinaten mit zusätzlichen Informationen aktualisiert werden kann, ob eine in den Hintergrund getretene Repräsentation bei Bedarf wieder entfaltet werden kann und ob die Darstellung mehrerer Repräsentationen es Nutzern ermöglicht, zentrale Entscheidungspunkte genauer zu unterscheiden. Dies ist keine einzelne universelle Skala, doch solche Messgrößen können das Gestaltungsprinzip „mehrerer Repräsentationen“ mit beobachtbarem Verhalten verbinden. Es ist wichtig, zwischen Prinzip und Wirkung einen messbaren Abstand zu setzen.
Eine einzige Abstraktion ist oft leistungsfähig. Ohne gemeinsame Strukturen zu finden, werden Wissenstransfer und effizientes Schlussfolgern schwierig. Doch bei menschlicher Erfahrung kann gerade der Erfolg einer Abstraktion eine andere Bedeutung auslöschen. Erforderlich ist daher weder, Kompression abzulehnen, noch Komplexität unverändert zu bewahren. Es geht darum zu behandeln, bis wohin Dinge geteilt werden können und wo sie sich in nicht äquivalente Repräsentationen verzweigen sollten. Mehrere philosophische Koordinaten bieten eine Möglichkeit, über diese Grenze nachzudenken.
Für KI, die Menschen zu verstehen sucht, bedeutet Effizienz nicht nur, auf dem kürzesten Weg zu einer Erklärung zu gelangen. Dazu gehört auch, die für das aktuelle Urteil erforderliche Struktur in den Vordergrund zu rücken, ohne die Möglichkeit zukünftiger Aktualisierung durch eine andere Perspektive zu verlieren. Statt einer einzigen minimalen Repräsentation gilt es, Repräsentationen zu bewahren, die sich bei Bedarf in unterschiedliche Bedeutungsräume wieder entfalten können. Interne effiziente Repräsentation verändert sich dann von einer Kompression, die Komplexität beseitigt, zu einem Design, das wichtige Unterschiede innerhalb der Komplexität in wiederverwendbarer Form bewahrt. Und welche Bedeutung letztlich als das eigene Problem angenommen wird, wird nicht innerhalb der KI festgelegt, sondern an das menschliche Urteil zurückgegeben.
Nicht Antworten. Verstehen.