Erscheinung und Wirklichkeit: Wenn die Oberfläche täuscht

Arthur Eddingtons berühmte Unterscheidung zwischen den "zwei Tischen" markiert einen grundlegenden Bruch in unserem ontologischen Verständnis der physikalischen Welt. Der vertraute Tisch der Alltagserfahrung — fest, undurchdringlich, mit klaren Konturen — erweist sich unter wissenschaftlicher Analyse als Illusion. Eddington beschreibt seinen "wissenschaftlichen Tisch" als "beinahe vollständig leeren Raum, durchdrungen von Kraftfeldern", in dem die Materie auf winzige elektrische Ladungen reduziert wird, deren kombiniertes Volumen weniger als ein milliardstel des scheinbaren Tischvolumens ausmacht. Diese Radikalität wird durch Rutherfords Streuexperimente von 1911 gestützt, die zeigten, dass die positive Ladung im Atomkern konzentriert ist und der Großteil des Atomvolumens tatsächlich leer ist.

Eddingtons eigenem Urteil zufolge ist es der wissenschaftliche Tisch, der "wirklich da ist" — doch selbst dieser Status ist nicht absolut. Die moderne Physik hat den manifesten Tisch nicht exorziert; er bleibt als "seltsame Verbindung aus externer Natur, mentalem Bild und geerbtem Vorurteil" in unserer Erfahrung präsent. Die Spannung zwischen diesen beiden Bildern — zwischen der scheinbaren Substantialität der Alltagswelt und der Feldontologie der modernen Physik — bleibt ein zentrales philosophisches Problem.

Art Hobsons These radikalisiert Eddingtons Befund: Nicht nur die Alltagsvorstellung von festen Objekten ist überholt — es gibt streng genommen nicht einmal Teilchen. In seiner Analyse im American Journal of Physics (2013) zeigt Hobson, dass Experimente und Theorie unbegrenzte Felder – nicht begrenzte Teilchen – als fundamental implizieren. Diese Schlussfolgerung ergibt sich insbesondere aus der relativistischen Quantenfeldtheorie, die zeigt, dass die Interpretation in Teilchenbegriffen zu logischen Widersprüchen führt. Das Doppelspaltexperiment illustriert dies exemplisch: Aus Teilchensicht erscheint es paradox, dass ein einzelnes Elektron oder Photon gleichzeitig durch beide Spalte geht und über das gesamte Interferenzmuster verteilt ist. In Feldbegriffen wird dies konsistent: Das quantisierte Feld jedes Elektrons oder Photons kommt gleichzeitig durch beide Spalte, breitet sich über das gesamte Muster aus und kollabiert nicht-lokal bei der Wechselwirkung mit dem Schirm in eine kleine, aber immer noch ausgedehnte Region.

Hobson betont, dass die Feldontologie nicht nur für relativistische Systeme gilt, sondern auch für nicht-relativistische: Teilchen sind Epiphänomene, die aus Feldern emergieren. Die "Teilchen-Feld-Dualität" existiert nur in dem Sinne, dass quantisierte Felder bestimmte teilchenähnliche Erscheinungen aufweisen: Quanten sind vereinheitlichte Bündel von Feld, die Energie und Impuls tragen und somit "wie Teilchen treffen"; sie sind diskret und damit zählbar. Doch diese Quanten sind keine Teilchen im klassischen Sinne — sie sind Anregungen räumlich unbegrenzter Felder. Die Grundbausteine der Natur sind demnach Felder; Photonen, Elektronen und selbst Äpfel sind Manifestationen dieser Felder, nicht umgekehrt.

Benjamin Libets Experimente in den 1980er Jahren galten lange als empirischer Beleg gegen den freien Willen: Die Messung des Bereitschaftspotentials (Readiness Potential, RP) — einer langsamen Zunahme elektrischer Aktivität im EEG — zeigte, dass das Gehirn Bewegung bereits vorbereitet, bevor die Probanden sich dessen bewusst werden. Libet fand, dass das RP durchschnittlich 500–1000 ms vor der bewussten Absicht zu handeln auftritt, was die Schlussfolgerung nahelegte, dass unbewusste Prozesse die Bewegung initiieren, bevor wir uns bewusst dazu entscheiden. Diese Interpretation prägte jahrzehntelang die neurowissenschaftliche Diskussion über Volition und freien Willen.

Schurger et al. argumentieren in Trends in Cognitive Sciences (2021), dass das RP nicht als kausales Signal, sondern als Resultat eines stochastischen Akkumulationsprozesses der Entscheidungsbildung verstanden werden sollte. In diesem Modell führt die zeitliche Integration von konstantem Rauschen plus Evidenz zu einer Schwellenüberschreitung, die die Handlung auslöst. Das RP ist demnach kein spezifischer "Entscheidungsmoment", sondern ein Mittelungsartefakt über viele Trials hinweg — die tatsächliche neuronale Dynamik ist kontinuierlich und stochastisch.

Zudem zeigt die Forschung, dass das RP nicht exklusiv mit Motorik verbunden ist: Ähnliche Signale wurden auch in Entscheidungsaufgaben ohne motorische Aktivität gefunden. Dies stellt die enge Verknüpfung zwischen RP und Handlungsinitiierung infrage und unterstreicht, dass die traditionelle Interpretation als "Hirn entscheidet vor dem Bewusstsein" einer differenzierteren Betrachtung bedarf.

Daniel Dennetts Quining Qualia (1988) dekonstruiert das traditionelle Verständnis von Qualia als ineffable, intrinsische und private Eigenschaften bewusster Erfahrungen. Das Gedankenexperiment der Weinverkostungsmaschine zeigt: Selbst wenn eine Maschine alle chemischen Analysen perfekt durchführen und dabei menschliche Experten übertreffen könnte, würde ihr den Qualia der bewussten Erfahrung fehlen — oder doch nicht? Dennett dekonstruiert die traditionelle Charakterisierung von Qualia als ineffabel, intrinsisch, privat und direkt zugänglich. Die angebliche "Körnchenlosigkeit" (grainlessness) von Qualia ist vielmehr eine kognitive Undurchdringlichkeit, die sich über Zeit ändern kann — ähnlich wie wir durch Training unsere Geschmackswahrnehmung verfeinern.

Keith Frankishs Illusionismus (2016) radikalisiert diesen Ansatz: Phänomenales Bewusstsein ist keine reale Eigenschaft, sondern eine Illusion, deren Erscheinung erklärt werden muss. Frankish unterscheidet zwischen starkem und schwachem Illusionismus. Während der starke Illusionismus phänomenale Eigenschaften komplett leugnet, akzeptiert der schwache, dass es so scheint, als gäbe es qualitative Erlebnisaspekte — doch dieser Schein selbst ist illusionär und kann durch die kognitiven Mechanismen erklärt werden, die ihn erzeugen. Die traditionelle Charakterisierung von Qualia als einfach, ineffabel, intrinsisch, privat und unmittelbar zugänglich ist demnach nicht Beschreibung einer realen Klasse von Eigenschaften, sondern Ausdruck unserer kognitiven Architektur.

Beide Ansätze — Dennetts eliminativer Materialismus und Frankishs Illusionismus — leugnen nicht das Erscheinen von Bewusstsein, sondern dessen ontologischen Sonderstatus. Bewusstseinsphänomene sind demnach keine fundamentalen Bausteine der Realität, sondern emergente Eigenschaften komplexer Systeme.

Die Skalierung von Sprachmodellen führt zu einem Phänomen, das als emergente Fähigkeiten bezeichnet wird: Fähigkeiten, die bei kleineren Modellen nicht nachweisbar sind, bei größeren Modellen aber plötzlich und diskontinuierlich auftreten. Wei et al. (2022) dokumentierten in ihrer bahnbrechenden Arbeit Emergent Abilities of Large Language Models über 137 solche Fälle, wobei die meisten Beispiele aus BIG-Bench und dem Massive Multitask Benchmark stammten. Besonders anschaulich ist das Beispiel der dreistelligen Addition: GPT-3 und LaMDA zeigen über weite Bereiche der Trainingscomputing-Kapazität nahe Null Leistung, bis die Performance bei etwa 2·10²² FLOPs (13B Parameter) bzw. 10²³ FLOPs (68B Parameter) plötzlich deutlich über dem Zufallsniveau liegt. Ähnliches Verhaltensmuster wurde bei Aufgaben wie IPA-Transliteration, Wortentschlüsselung aus durcheinandergewürfelten Buchstaben oder persischen Frage-Antwort-Aufgaben beobachtet.

Die Autoren betonen, dass Emergenz nicht als seltenes Phänomen zu betrachten ist, sondern dass die Skalierung von Sprachmodellen gezielt darauf abzielt, solche Fähigkeiten freizusetzen. Die Definition von Emergenz als "Fähigkeit, die bei kleineren Modellen nicht vorhanden ist, aber bei größeren Modellen auftritt" impliziert, dass weitere Skalierung das Spektrum der Fähigkeiten von Sprachmodellen weiter ausdehnen könnte. wobei Modelle erst ab einer bestimmten Parametergröße plötzlich überzufällige Leistung zeigten.

Die Interpretation emergenter Fähigkeiten wurde 2023 durch die Studie Are Emergent Abilities of Large Language Models a Mirage? von Schaeffer et al. grundlegend infrage gestellt. Die Autoren argumentieren, dass scheinbar emergente Fähigkeiten nicht auf grundlegende Veränderungen im Modellverhalten mit der Skala zurückzuführen sind, sondern auf die Wahl nichtlinearer oder diskontinuierlicher Metriken durch die Forscher. So produziere etwa Multiple Choice Grade als diskontinuierliche Metrik den Anschein von Emergenz, während kontinuierliche Metriken wie der Brier Score oder Token Edit Distance glatte, vorhersehbare Leistungsverbesserungen zeigten. Tatsächlich entfielen über 92 % aller behaupteten Emergenzen auf nur zwei Metriken: Multiple Choice Grade und Exact String Match.

Die Analyse der InstructGPT/GPT-3-Familie bei Arithmetikaufgaben bestätigte diese Hypothese: Mit einer erhöhten Auflösung durch größere Testdatensätze wurde sichtbar, dass die Leistung auch bei scheinbar emergentem Verhalten tatsächlich glatt und kontinuierlich anstieg. Die Forscher schlossen, dass scharfe und unvorhersehbare Veränderungen bei zunehmender Skala vollständig durch drei interpretierbare Faktoren erklärt werden können: (1) die Wahl einer Metrik, die die per-Token-Fehlerrate nichtlinear oder diskontinuierlich skaliert, (2) unzureichende Auflösung zur Schätzung der Modellleistung im kleineren Parameterbereich, und (3) unzureichende Abdeckung des größeren Parameterbereichs.

Ungeachtet dieser methodischen Kritik bleibt festzuhalten, dass die Skalierung von Sprachmodellen tatsächlich neue Fähigkeiten freisetzt. Die Debatte zeigt jedoch, dass der Nachweis von Emergenz stark von der Wahl der Evaluierungsmetriken abhängt.

Die Debatte um emergente Fähigkeiten großer Sprachmodelle hat die KI-Forschung seit 2022 intensiv beschäftigt. Der Begriff bezeichnet Fähigkeiten, die bei Modellen unterhalb einer bestimmten Skala nicht nachweisbar sind, bei größeren Modellen aber plötzlich und diskontinuierlich auftreten. Wei et al. (2022) dokumentierten solche Sprünge bei Aufgaben wie Chain-of-Thought-Reasoning, wobei Modelle erst ab einer bestimmten Parametergröße plötzlich überzufällige Leistung zeigten. Besonders auffällig war, dass ein 1,3-Milliarden-Parameter-InstructGPT-Modell in menschlichen Bewertungen einem 175-Milliarden-Parameter-GPT-3 vorgezogen wurde — ein Beleg dafür, dass nicht nur schiere Größe, sondern auch gezieltes Fine-Tuning emergente Fähigkeiten freisetzen kann.

Allerdings zeigen neuere Analysen wie das NeurIPS-Paper "Are Emergent Abilities of Large Language Models a Mirage?" (2023), dass scheinbar emergente Fähigkeiten oft von der Wahl der Metriken abhängen. Nichtlineare oder diskontinuierliche Metriken produzieren den Anschein von Emergenz, während lineare Metriken kontinuierliche, vorhersehbare Leistungssteigerungen zeigen. Dies wirft die Frage auf, ob Emergenz ein fundamentales Phänomen des Scalings ist oder ein Artefakt der Evaluierungsmethodik.

Unabhängig von dieser Debatte bleibt festzuhalten, dass die Skalierung von Sprachmodellen neue Fähigkeiten freisetzt — sei es durch schiere Größe, verbesserte Architektur, hochwertige Daten oder gezieltes Alignment. Die Diskussion um Emergenz reflektiert damit nicht nur technische Fortschritte, sondern auch unser Ringen um ein adäquates Verständnis dessen, was große Sprachmodelle tatsächlich können und wissen.