Kategorie: Uncategorized

Bauchentscheidungen

In den letzten Wochen habe ich das Buch „Bauchentscheidungen“ des international anerkannten Psychologen Gerd Gigerenzer gelesen. Das (populärwissenschaftlich geschriebene) Buch ist 2007 unter dem Titel „Gut Feelings“ erschienen und hat sich seither sehr erfolgreich verkauft, so dass ich mich gefreut hatte, endlich Zeit dafür zu haben.

Beim Lesen beschlich mich aber zunehmend der Eindruck, dass die Dinge hier der „Message“ zuliebe doch recht einseitig dargestellt werden. Schon der deutsche Untertitel („Die Intelligenz des Unbewussten und die Macht der Intuition“) lässt erahnen, dass Gigerenzer die menschliche Intuition in einem ziemlich positiven Licht sieht. Damit grenzt er sich ganz ausdrücklich von den Arbeiten der bekannten Psychologen Daniel Kahneman und Amos Tversky ab, die in ihrer Forschung immer wieder Beispiele dafür geliefert haben, wie die menschliche Intuition völlig danebenliegen kann.

Der gemeinsame Feind: Der Erwartungsnutzenmaximierer

Als Informatiker stelle ich mir hier die (für Geisteswissenschaftler vielleicht gar nicht nachvollziehbare) Frage, wie angesehene Forscher zu derart unterschiedlichen Einschätzungen gelangen können. Denn die Alltagsbeobachtung sagt ja, dass beides richtig ist: In vielen Situationen kommen wir mit unserer Intuition ziemlich weit, in bestimmten Situationen dagegen versagt unser Bauchgefühl völlig.

Es sagt eine Menge aus über die lange in der Wirtschaftstheorie gepredigten Glaubenssätze, dass diese einfache Alltagsbeobachtung jahrzehntelang geleugnet wurde und dass man stattdessen ohne jede Evidenz behauptete, im Inneren jedes Menschen würden komplexe Optimierungsalgorithmen ablaufen, die uns zu „Erwartungsnutzenmaximierern“ machen. Jeder Mensch, so die These, würde aus den vorhandenen Informationen die für ihn und seine Ziele bestmöglichen Entscheidungen ableiten.

Nun zeigen sowohl die Ergebnisse Gigerenzers als auch die Ergebnisse von Kahneman und Tversky, dass dem überhaupt nicht so ist und dass Intuition ganz anders funktioniert. Allerdings nähern sie sich dem Problem von entgegengesetzten Seiten: Während Gigerenzer zu zeigen versucht, dass Intuition den formalen Algorithmen der klassischen Entscheidungslehre sogar überlegen sein kann, suchen Kahneman und Tversky nach Beispielen, bei denen das Gegenteil der Fall ist.

Extrempositionen

Ein Stückweit ärgert es mich, wenn ausgerechnet in Büchern, die eine große Leserschaft erreichen wollen, solche Extrempositionen bezogen werden. Denn natürlich glaubt weder Gigerenzer, dass die menschliche Intuition immer zu überlegenen Ergebnissen führt, noch sind Kahneman und Tversky davon überzeugt, dass sie immer daneben liegt. Die Wahrheit ist komplizierter, sie hat viel damit zu tun, wer welche Testfragen stellt und mit welcher Absicht.

Diese Situation kennen wir auch aus dem Alltag. Wenn ich möchte, dass mein Gegenüber meinen Test besteht, stelle ich eben einfache Fragen. Und so fragt Gigerenzer danach, welche von zwei Städten wohl größer ist – eine Frage, die deshalb auch mit Halbwissen vergleichsweise gut zu beantworten ist, weil die Antwort mit der Bekanntheit der Stadt korreliert ist. Daraus, dass Menschen diese Frage oft auch dann richtig beantworten, wenn sie die Größe der Stadt gar nicht kennen, folgert er, dass die Intuition (hier konkret: die sogenannte Rekognitionsheuristik) ein mächtiges Werkzeug ist. Doch was wäre, wenn man den gleichen Teilnehmern stattdessen die Frage gestellt hätte, welche der Städte älter ist oder welche südlicher liegt? Hier ist die Korrelation mit der Bekanntheit deutlich weniger ausgeprägt, und ich vermute daher, dass die Ergebnisse nicht annähernd so gut gewesen wären.

So aber wird der Eindruck erweckt, als könne es auf die Frage „wie intelligent ist die menschliche Intuition“ nur eine Antwort geben. Und das ist in einem solch komplexen Thema eine gefährliche Vereinfachung.

Die Folgen der Übertreibung

Die Probleme, die sich aus dem Argumentieren mit Extremen ergeben, kennen wir aus dem politischen Alltag seit Jahren – die Mitte, der Ausgleich, der Kompromiss gehen darüber immer mehr verloren. Und leider treffen wir auch in der Politik den Typ des Wissenschaftlers an, der nur seinen eigenen Standpunkt, sein eigenes Modell, seine eigene Prognose gelten lässt. Typischerweise entstammen diese Wissenschaftler einer Disziplin, in der eindeutige Wahrheiten gar nicht beweisbar sind, was aber durch umso bessere rhetorische Schulung oder größere Überzeugung ausgeglichen wird. Argumentiert wird mit Extremen; gemäßigte, vermittelnde oder gar zweifelnde Standpunkte wirken langweilig, passen nicht in einen Tweet und verkaufen sich weder in den Abendnachrichten noch als Buch.

Dem Vertrauen der Allgemeinheit in die Wissenschaft hat dies nicht gutgetan. Wenn (um ein aktuelles Beispiel zu nennen) die einen Wissenschaftler mit fast schon religiöser Hingabe einen harten, monatelangen Lockdown zur Bekämpfung der Corona-Pandemie fordern, während die anderen mit genau der gleichen Überzeugung jede Form von Lockdown als nutzlosen und gefährlichen Unfug zur Bekämpfung eines maßlos übertriebenen Problems bezeichnen, fragt sich der sprichwörtliche Mann auf der Straße natürlich, wieso er irgendwelches Vertrauen in diese Wissenschaftler haben sollte. Und dieser Zweifel an den Wissenschaft, ihren Methoden und Erkenntnissen wird in den letzten Jahren ja auch immer deutlicher ausgesprochen…

Die wahren Fragen

Was also kann die Wissenschaft tun? Bei aller Freude am Diskurs ist es wichtig, sich daran erinnern, dass Extrempositionen so gut wie nie die Wahrheit sind, sondern dass komplexe Sachverhalte es erfordern, dass man alle Seiten gleichermaßen beleuchtet.

Bei den oben genannten Autoren finden sich zwischen den Zeilen (und vor allem in ihren Forschungsarbeiten) natürlich auch genau diese Grautöne, die echte Wissenschaft auszeichnen. Und wir erkennen auch die Fragen wieder, die ein Algorithmiker instinktiv gestellt hätte:

• Wie schwer ist das zu lösende Problem überhaupt?
• Wie eindeutig ist die Aufgabenstellung definiert?
• Wie vollständig sind die Informationen, über die die Person verfügt?
• Wie wichtig ist die Qualität der Lösung?
• Wieviel Zeit hat die Person zur Verfügung?
• Welche Ressourcen (Denkleistung etc.) hat die Person zur Verfügung?
• Hat die Person Erfahrung mit vergleichbaren Situationen?
• Spielt der Zufall eine Rolle, und falls ja: sind die Wahrscheinlichkeiten bekannt?
• Gibt es einen intelligenten Gegenspieler?

Anhand dieser Fragen wird hoffentlich deutlich, wie viele verschiedene Anforderungen es an eine gute Intuition gibt und auf wie viele Arten man ihre Qualität beurteilen kann. Ich wage – auch aus der Erfahrung der Informatik in diesem Bereich – zu behaupten, dass die Forschung hier noch ganz am Anfang steht. Jeder Schritt dabei ist wertvoll, aber er sollte nicht vorschnell als Teil einer universellen Wahrheit wie „vertrauen Sie ruhig öfter ihrem Bauchgefühl“ verkauft werden.

Ich möchte gleich zu Beginn ein Buch besprechen, das einen riesigen Beitrag dazu geleistet hat, dass mir der Zusammenhang zwischen „Computer-Algorithmen“ und „Alltags-Algorithmen“ klar geworden ist. Es handelt sich um das Buch „Algorithms to Live By“ (deutsch: Algorithmen für den Alltag) von Brian Christian und Tom Griffiths.

In dem Buch zeigen die Autoren anhand zahlreicher Beispiele auf, wie Algorithmen, die ich aus der Informatik seit Jahren kannte, auch im Alltag ganz selbstverständlich zum Einsatz kommen. Und ich muss zugeben, dass ich an manchen Stellen schlicht fassungslos war, dass mir das nicht einmal aufgefallen war, obwohl mir sowohl Algorithmus als auch Alltagssituation durchaus vertraut waren. Umgekehrt werden auch Alltagssituationen besprochen, die wir alle kennen, und mit Algorithmen verknüpft, die vielleicht weniger bekannt sind, die aber nichtsdestotrotz entweder sinnvoll sind oder zumindest ein neues Licht auf unsere tatsächlichen Entscheidungen werfen.

Wer einen ersten Eindruck von den Ideen bekommen will, die in „Algorithms to Live By“ diskutiert werden, dem sei Tom Griffiths‘ TED-Talk von 2017 empfohlen, den man auf Youtube finden kann. Für alle anderen möchte ich hier ein paar Beispiele auflisten:

• Der Explore-Exploit-Tradeoff zeigt, wie sich das Verhältnis zwischen „Neues ausprobieren“ und „Erprobtes genießen“ im Laufe der Zeit verschiebt und auch, dass sich das tatsächliche Verhalten von Menschen meist erstaunlich nah an der Idealkurve liegt. Ich selbst habe auch gelernt, dass ich nahezu zum mathematisch perfekten Zeitpunkt geheiratet habe…
• Das Kapitel über das Sortieren im Alltag (Sie sortieren im Alltag gar nicht? Dachte ich auch…) hat mich gleich mehrfach überrascht und mich zu einer Reihe von Überlegungen angeregt, von denen in künftigen Blogeinträgen noch die Rede sein wird.
• Speicherhierarchien hielt ich ebenfalls für etwas, was nur in Computern vorkommt. Wieder falsch gedacht…
• Im Kapitel über Netzwerke gab es gleich mehrere Fundstücke, die mir sehr zu denken gegeben haben. So habe ich da gelernt, warum wir genauso wie Computer darauf achten müssen, unsere Eingangspuffer (physisch ebenso wie geistig) nicht zu überlasten, und ich habe verstanden, was mit Messies wirklich passiert. Aber auch die Exponential-Backoff-Strategie fand ich erhellend und die Erkenntnis, dass sie im Umgang mit anderen Menschen sinnvoller sein kann als das gängige „Ich rufe ihn zweimal an, dann kann er mir den Buckel runterrutschen“.
• Vielleicht das größte Aha-Erlebnis aber hatte ich im Kapitel über Spieltheorie. Mir war gar nicht bewusst, welche Rolle Emotionen bei spieltheoretischen Dilemmata spielen, aber wenn man es einmal gesehen hat, macht es absolut Sinn. Und es zeichnet ein ziemlich hässliches Bild davon, wie weit das derzeit so verbreitete individualistische Weltbild an der evolutionären Wirklichkeit vorbeigeht…

Tatsächlich könnte ich hier noch stundenlang weiterschreiben, denn eigentlich habe ich alle paar Seiten etwas gefunden, was mich weitergebracht oder zumindest zum Nachdenken angeregt hat. Vor allem zeigt das Buch Zusammenhänge auf zwischen zwei Disziplinen, die ich bisher immer isoliert betrachtet habe. Dadurch hat es schon jetzt die Art verändert, wie ich Algorithmik (oder sogar Informatik insgesamt) unterrichte, und es hat mich zu einer Reihe von Forschungsideen inspiriert. Ja, allein dass ich jetzt diese Zusammenfassung schreibe, führt mich in Versuchung, das Buch erneut durchzulesen und dabei diesmal auch den Endnoten und Quellen im Anhang stärkere Bedeutung beizumessen.

Zusammenfassend kann ich nur jedem – egal ob er sich nun für Informatik interessiert oder „nur“ dafür, wie wir Menschen ticken – empfehlen, einen Blick in dieses Buch zu werfen. Ich selbst jedenfalls würde es jederzeit in der Liste der 10 Bücher führen, die ich auf eine einsame Insel mitnehmen würde. Und in Anbetracht der doch ziemlich vielen Bücher, die ich besitze, will das etwas heißen!

Wie alles begann

Im Grunde hat mich der Zusammenhang zwischen Algorithmen und menschlichem Denken schon immer interessiert.

Das lässt sich bis in die Schulzeit zurückverfolgen. So gehört es zu meinen frühesten Computererinnerungen, dass ich als 18-jähriger Schüler nach nur einem Schuljahr Informatik am Bundeswettbewerb Informatik teilgenommen habe. Ich bin zwar mangels Informatikkenntnisse gleich in der ersten Runde rausgeflogen („1 von 3 Aufgaben korrekt gelöst“), aber zumindest belegt die Teilnehmerurkunde, dass mich das Thema „Algorithmen“ schon damals umgetrieben hat.

Einige Jahre später gab es im Studium immer mal wieder Programmierprojekte, und während es meine Kommilitonen beispielsweise beim Entwickeln eines Computerspiels spannend fanden, Graphiken, Animationen oder Netzanwendungen zu implementieren, wollte ich eher wissen, wie man den Gegner so programmiert, dass er möglichst häufig gewinnt.

Und auch als Doktorand habe ich meinen ursprünglichen Plan, Protokolle für elektronische Bezahlverfahren zu entwickeln, nicht lange durchgehalten. Stattdessen handeln sowohl meine Diplom- als auch meine Doktorarbeit von Algorithmen zur Kryptoanalyse, also zum Brechen kryptographischer Verfahren.

Was ist daran interessant?

Ich glaube, dass mein Interesse an Algorithmen verschiedene Gründe hat. Zum einen ist das Entwickeln neuer Algorithmen einfach eine Art von fortgeschrittenem Rätseln: Man löst nicht nur die eigentliche Aufgabe, sondern versucht darüber hinaus, diese Methode so zu verallgemeinern, dass man alle Probleme dieses Typs auf diese Weise lösen kann. Tatsächlich kann ich nicht einmal ein Sudoku lösen, ohne mir dabei zugleich zu überlegen, wie ein allgemeines Sudoku-Lösungs-Verfahren aussieht, das nicht auf reiner Rechenpower basiert, sondern vielmehr das menschliche Lösungsverhalten abbildet.

Und damit komme ich zu meiner zweiten Motivation: Das Entwickeln von Algorithmen erlaubt es uns (zumindest manchmal), einen Blick in unseren eigenen Kopf zu werfen. Wie gehe ich eigentlich vor, wenn ich ein bestimmtes Problem löse? Normalerweise ist das ja ein eher unbewusster Prozess, aber wenn ich nun einem völligen Trottel (sprich: einem Computer) erklären soll, wie ich das mache, damit er es mir nachtun kann, muss ich mir meine eigenen Gedanken bewusst machen. Diesen Einblick in das eigene Denken finde ich spannend – sowohl als Selbsterkenntnis als auch, weil es die Möglichkeit zur Selbstverbesserung bietet.

Und damit bin ich bei der dritten Motivation angelangt: Die Algorithmik bietet uns einen Werkzeugkasten, mit dem nicht nur Computer programmiert werden können, sondern mit dem wir unsere eigenen Problemlösungsfähigkeiten steigern können. Tatsächlich sind Disziplinen wie „Critical Thinking“ oder „Entscheidungslehre“ genau solche Werkzeugkästen, deren Methoden stark an Algorithmen erinnern, und wer beispielsweise die Wikipedia-Einträge zu Problem Solving mit den typischen Überschriften von Algorithmik-Lehrbüchern vergleicht, der entdeckt dort viele Gemeinsamkeiten.

Algorithmisches Denken

Kurioserweise werden beide Gebiete – das menschliche Problemlösen als Teilgebiet der kognitiven Psychologie und das Computer-Problemlösen als Teilgebiet der Algorithmik bzw. Informatik – weitgehend unabhängig voneinander betrieben. So wird die Algorithmik für gewöhnlich mit einem ausschließlichen Fokus auf Computer gelehrt; kaum einmal wird aufgezeigt, dass die gleichen Techniken auch für das Lösen von Alltagsproblemen genutzt werden können. Und umgekehrt bin ich immer wieder mit aggressiver „Algorithmen sind böse“-Rhetorik konfrontiert, die meist etwas mit der Angst vor missbräuchlicher Nutzung von KI zu tun hat, dabei aber übersieht, dass die gleichen „bösen“ Algorithmen ja auch (bewusst oder unbewusst) von uns Menschen verwendet werden! Nicht ohne Grund ist die Patentierung von Algorithmen in vielen Ländern verboten, weil dadurch das menschliche Denken selbst beschränkt werden könnte.

Tatsächlich ist auch mir selbst dieser Zusammenhang lange Zeit nicht wirklich klar gewesen. Ich habe mich beruflich mit Algorithmen beschäftigt und in meiner Freizeit mit dem menschlichen Denken. Ich habe Bücher zum Selbstmanagement, zur Entscheidungslehre, zur Spieltheorie und zur kognitiven Psychologie verschlungen, bis ich auf die Überlegungen von Jeannette Wing zum „Computational Thinking“ (deutsch: Algorithmisches Denken) gestoßen bin, in dem diese Verbindung explizit hergestellt wurde. Und erst da ist mir der sprichwörtliche Kronleuchter aufgegangen.

Inzwischen habe ich gelernt, dass es seit den ersten Tagen der Computer immer Menschen (von Alan Turing über Marvin Minsky bis Donald Knuth) gegeben hat, denen diese Verbindung bewusst war. Nur muss ich zu meiner Schande gestehen, dass ich bisher nicht dazugehört habe. Ja, ich habe sogar jahrelang das Informatik-Grundlagenfach „Algorithmen und Datenstrukturen“ unterrichtet, ohne dass mir klar gewesen wäre, wo wir die Algorithmen, die wir dort als neu verkaufen, im Alltag schon längst benutzen. Zu meiner Entschuldigung kann ich eigentlich nur anführen, dass ich sehr viele Bücher zur Algorithmik gelesen habe, ohne dass die Verbindungen zum Problemlösen im Alltag jemals explizit gemacht worden wäre. Und auch unter meinen Studierenden ist bis heute noch keiner aufgestanden und hat gesagt: „Das ist doch alles trivial, das hätte man im wirklichen Leben doch ganz genauso gemacht!“ Und das, obwohl das tatsächlich hier und da angebracht gewesen wäre. Aber scheinbar bin ich nicht der einzige, der den Wald vor lauter Bäumen nicht mehr gesehen hat.

Wohin soll die Reise gehen?

Ziel dieses Blogs ist es nun, die Verbindung – die Gemeinsamkeiten, aber auch die Unterschiede – zwischen algorithmischem und menschlichem Denken herauszuarbeiten. Es handelt sich im Wesentlichen um ein Protokoll meines eigenen Lernens und Forschens zu diesem Thema, und da ich dabei erst am Anfang stehe, werde ich sicherlich immer wieder Erkenntnisse niederschreiben, die für Experten mit einem anderen Hintergrund (z.B. aus der Kognitionswissenschaft) selbstverständlich sind. Aber ich hoffe, dass ich mit der Zeit dazulerne und dass der eine oder andere Gedanke auch für den erfahrenen Leser neu sein wird. Bis dahin bitte ich um Geduld und kann zumindest schon einmal die Erkenntnis anbieten, dass auch Professoren längst nicht alles wissen…