Eigentlich sind sich alle einig: Die Künstliche Intelligenz kommt und sie wird uns überholen: sie wird besser lernen, verstehen und vorhersagen als der Mensch. Der Autor dieses Textes, Joab Rosenberg, sieht das anders. Er wendet sich gegen die These der Computerforscherin Kira Radinsky, die behauptet, dass Algorithmen aus Googles DeepMind Labor nicht nur im Brettspiel Go gegen einen Großmeister gewinnen, sondern bald auch den Ausgang des Nahostkonflikts für uns vorhersagen könnten. Alles nur eine Frage des Datenzuflusses. Schlau genug wären die Maschinen schon.

Rosenberg argumentiert hingegen, Computer wären an induktive Prognosen gebunden, sie könnten also immer nur Vorhersagen anhand bestehender Daten treffen. Jede von Computern vorhergesagte Zukunft sei deshalb nur eine extrapolierte Gegenwart. Solche Vorhersagen funktionierten aber nur, wo sich die äußeren Bedingungen nicht änderten, wo also keine unerwarteten Ereignisse einträfen.

Sobald sich einzelne Faktoren verschöben, einflussreiche Politiker beispielsweise spontan ihre Haltung änderten, müsste die Maschine entscheiden, welchen Einfluss diese Änderung auf die Gesamtsituation hätte. Das könne sie deshalb nicht, weil sie den Unterschied von Korrelation und Kausalität nicht machen könne. Welche Faktoren entwickeln sich nur zufällig auf ähnliche Weise und welche sind tatsächlich kausal aneinander gebunden?

Rosenberg nennt ein Beispiel: Die Entwicklung der US̀-Wissenschaftsförderung stimmt statistisch fast exakt mit der Entwicklung von Selbstmorden per Strick in den USA überein. Für Menschen ein sinnloser Zusammenhang, für einen Computer eine plausible Korrelation.

Nur Menschen könnten die Unterscheidung von sinnvollen und sinnlosen Zusammenhängen treffen. Deshalb glaubt Rosenberg an eine Kooperation zwischen künstlicher und menschlicher Intelligenz: Computer könnten anhand großer Datensätze Muster zwar schneller erkennen, aber nicht interpretieren - belastbare Schlussfolgerungen blieben dem Menschen vorbehalten.