Verstehen
7 Texte
A Polyphonic Conception of AI Understanding
Mit Pierre Beckmann.
Argumentiert, dass die Frage, ob grosse Sprachmodelle verstehen, wovon sie sprechen, zugleich unausweichlich und falsch gestellt ist: unausweichlich, weil Nutzerinnen und Nutzer Ausgaben, die epistemisches Vertrauen verdienen, von solchen unterscheiden müssen, die es nicht tun, und kein rein mathematisches oder statistisches Vokabular diese Grenze ziehen kann, ohne den Begriff des Verstehens der Sache nach wieder einzuführen; falsch gestellt, weil der überkommene Begriff einen einzigen Sitz des Verstehens voraussetzt. Die mechanistische Interpretierbarkeitsforschung zeigt dagegen, dass LLMs zutiefst polyphone Systeme sind, deren Ausgaben aus parallelen Mechanismen ungleicher Zuverlässigkeit hervorgehen. Gestützt auf Belege für medizinisches, mathematisches, logisches und räumliches Verstehen in LLMs entwickelt der Aufsatz eine für solche Systeme geeignete Konzeption: Ein Modell versteht einen Bereich in dem Masse, wie es über solide Schaltkreise verfügt, die relevante Strukturen erfassen, und diese zuverlässig zur Steuerung seiner Ausgaben heranzieht – womit scheinbar müssige metaphysische Streitfragen zu bearbeitbaren empirischen Fragen werden, an denen sich die Zuteilung von Vertrauen orientieren kann.
PDF herunterladen
Evolving Minds, Evolving Language: Metaphor as a Process of Conceptual Adaptation to Artificial Intelligence
Manuskript (+Folien)
Argumentiert, dass kognitive Termini wie „Verstehen“ oder „Schlussfolgern“ immer häufiger auch von technisch versierten Forschenden auf grosse Sprachmodelle angewandt werden und dass solche Anwendungen weder als wörtliche Zuschreibungen noch als bloss lockere Rede zu begreifen sind, sondern als Metapher im Sinne begrifflicher Anpassung: als kreative Ausdehnung von Begriffen über ihren ursprünglichen Bereich hinaus unter dem Druck begrifflicher Bedürfnisse. Im Rückgriff auf die Strawson-Kant-Tradition zu Einbildungskraft und Begriffsanwendung, auf inferentialistische Semantik, auf Bermúdez’ Theorie rationaler Rahmung und auf Gentners Structure-Mapping-Theorie der Analogie entwickelt der Aufsatz einen Rahmen mit vier ineinandergreifenden Komponenten: selektive Übertragung inferenzieller Verknüpfungen statt von Referenz, die leitende Rolle begrifflicher Bedürfnisse und ihrer aptischen Normativität, die empirische Prüfbarkeit übertragener Verknüpfungen mithilfe mechanistischer Interpretierbarkeit sowie die „Karriere“ kognitiver Termini im KI-Kontext von neuartigen Vergleichen über inferenzielle Aushandlung bis hin zu möglicher Konventionalisierung. Damit verschiebt der Aufsatz die Debatte über die wörtliche Anwendbarkeit kognitiver Termini auf KI hin zu abgestuften und empirisch bearbeitbaren Fragen nach der Passung bestimmter inferenzieller Übertragungen und zeigt zugleich, dass die Wahl eines kognitiven Vokabulars für KI evaluativ und praktisch folgenreich ist.
Präsentation ansehen
From Habitus to Systema: Keckermann and the Pedagogical Origins of Cognitive Systematicity
In Begutachtung
Argumentiert, dass das frühneuzeitliche systema des Wissens um 1600 als Lehrmaschine entstand, bevor es zu einem metaphysischen oder erkenntnistheoretischen Ideal wurde. Das scholastische Wissen hatte auf der Autorität der Kirche und auf einem in jahrelanger Disputation erworbenen habitus beruht; nach der Reformation mussten die neuen protestantischen Konfessionen Pfarrer und Lehrer rasch und in grosser Zahl ausbilden. Der Aufsatz zeichnet nach, wie der Ramismus das Wissen räumlich überschaubar machte und wie Bartholomäus Keckermanns Systema logicae (1600) ramistische Methode mit aristotelischer Substanz verband, und zeigt, dass das System die kognitive Ordnung nach aussen verlagerte: Arbeit, die zuvor gebildete Personen und Institutionen geleistet hatten, ging auf sichtbare, reproduzierbare Strukturen der Darstellung über. Die Philosophie ist, in Alsteds Formel, im Geist ein habitus und ausserhalb des Geistes ein systema. Die Tugenden der neuen Form waren die eines Mechanismus: Überschaubarkeit, Reproduzierbarkeit und Unabhängigkeit von einem bestimmten Lehrer. Durch Buchdruck und Papiertechniken verstärkt und durch eine vom stoischen systema mundi ererbte metaphysische Beglaubigung geadelt, sollte die Lehrmaschine später Wahrheit verbürgen und unpersönliche Autorität begründen. Zum Schluss fragt der Aufsatz, was beim Übergang von der Summa zum systema auf der Strecke blieb – eine Frage, die sich stellt, sooft neue Techniken, vom Zettelkasten bis zur algorithmisch erzeugten Zusammenfassung, den Weg zum Verstehen abzukürzen versprechen.
PDF herunterladen
Re-Engineering the Concept of Understanding for AI
Mit Pierre Beckmann.
Argumentiert, dass der Begriff des Verstehens für künstliche Kognition neu zu konzipieren ist – empirisch informiert durch die Forschung zur mechanistischen Interpretierbarkeit und theoretisch geleitet durch ein Verständnis der Funktionen des Begriffs.
PDF folgt
Why We Care about Understanding: Competence through Predictive Compression
Mit Pierre Beckmann.
Entwirft eine einheitliche Theorie des Verstehens, indem die Funktion sowohl des Zustands als auch des Begriffs mittels Reverse Engineering rekonstruiert wird. Argumentiert, dass uns Verständnis wichtig ist, weil es robuste Kompetenz begründet. Unser Begriff des Verstehens hat sich als effizientes Proxy entwickelt, um diese schwer fassbare Eigenschaft zu verfolgen, sodass wir erkennen können, wem wir vertrauen und von wem wir lernen sollten. Das macht die Sozialität des Verstehens sichtbar und zeigt, wie sie den Charakter menschlichen Verstehens prägt. Verständnis ist das Ergebnis konvergierender Kräfte, die uns dazu drängen, die Welt mithilfe kognitiver Modelle vorherzusagen, die nicht nur akkurat, sondern auch hinreichend komprimiert sind, um gespeichert, demonstriert und weitergegeben werden zu können.
PDF herunterladen
Forms of Understanding in LLMs: A Crisis for Comprehension?
In The Routledge Handbook of Philosophy of AI. Leonard Dung, Guido Löhr und Chris Ranalli (Hrsg.). London: Routledge. Im Erscheinen. Mit Pierre Beckmann.
Mechanistic Indicators of Understanding in Large Language Models
Philosophical Studies. 2026. Mit Pierre Beckmann. doi:10.1007/s11098-026-02513-1
Stützt sich auf detaillierte technische Evidenz aus der Forschung zur mechanistischen Interpretierbarkeit (MI), um zu zeigen, dass LLMs zwar tiefgreifend von menschlicher Kognition abweichen, aber mehr tun als Wort‑Ko‑Okkurrenzen zu zählen: Sie bilden interne Strukturen, die sich fruchtbar mit verschiedenen Formen menschlichen Verstehens vergleichen lassen, etwa mit begrifflichem, faktischem und prinzipiellem Verständnis. Wir synthetisieren die bislang relevantesten Befunde der MI und betten sie in einen integrativen theoretischen Rahmen ein, um über Verständnis in LLMs nachzudenken. Wie das Phänomen „parallel mechanisms“ zeigt, sind die Unterschiede zwischen LLMs und menschlicher Kognition jedoch ebenso philosophisch ergiebig wie die Ähnlichkeiten.
PDF herunterladen