Computer und Kreativität
Georg Trogemann
Mensch & Computer 2001
Fachbereich Kunst- und Medienwissenschaften, Kunsthochschule für
Medien Köln
Zusammenfassung
Computer haben nicht nur die Produktionsprozesse der Wirtschaft
irreversibel verändert, sondern auch die Produktion ästhetischer
Objekte und kultureller Kommunikations- und Ausdrucksformen. Die
neuen digitalen
Werkzeuge ermöglichen nicht nur neue Stilmittel, die ohne die
Unterstützung durch den Computer nicht denkbar
wären, sie sind vielmehr immer stärker ganz aktiv an kreativen
Prozessen beteiligt. Produkte aller Art werden
nicht mehr nur technisch produziert, sondern zunehmend auch mit
technischer Unterstützung entworfen.
Obgleich sich immer mehr Bereiche des Kreativen als programmierbar
erweisen, gilt in den meisten theoretischen
Modellen zur Kreativität noch der strikte Gegensatz von Inspiration
und Mechanismus. Bisher fehlen
noch geeignete Formalisierungen, die Kreativität als spontane
Inspiration und gleichzeitig als soziales Produkt
erklären könnten. Formale Modelle sind aber die Voraussetzung und
operationale Grundlage für ein symbiotisches
kreatives Zusammenwirken von Computer und Mensch. Erste Überlegungen
zeigen, dass fundierte formale
Modellierungen kreativer Prozesse auf grundlegende Probleme der
theoretischen Informatik zurückführen,
z.B. Selbstreferenz, Selbstmodifkation und Hierarchisierung in
formalen Systemen.
1 Kreativ-Werkzeuge als
Herausforderung für die Informatik
Von den neuen computerbasierten Informations- und
Kommunikations-Technologien werden
tiefgreifende Veränderungen unserer Kultur erwartet, so z.B. der
Wechsel von verbalen in
visuelle und von narrativen in interaktive Kommunikations- und
Erlebnisformen. Gleichviel
ob alle Erwartungen erfüllt werden, gewinnen in dem Maße wie sich
die neuen Technologien ausbreiten auch die sogenannten
„Kreativ-Industrien“ weiter an Bedeutung. Hierzu zählen
u.a. Industrien wie Film, Architektur und Design, und vor allem
weite Bereiche der sogenannten
Neuen Medien. So wird das "Content Design", also die Aufbereitung
der Inhalte und
der Produktionsprozeß von interaktiven Anwendungen, in Zukunft eine
zentrale Rolle bei der
Informationsvermittlung und der Konstruktion von Erlebniswelten
einnehmen. Aber auch die
Forschungen in Natur- und Ingenieurwissenschaften werden immer
stärker mit und durch den
Computer betrieben. Wie weit bestimmen hier die Werkzeuge die
Ergebnisse und vor allem
die Sichtweisen mit? Die Entwicklung von formalen Systemen und
Werkzeugen, die kreatives
Arbeiten, wissenschaftliches und künstlerisches Forschen, oder
komplexe Entscheidungsprozesse
verstehen helfen und software-technisch unterstützen, zählt zu den
großen Herausforderungen
zukünftiger interaktiver Programmsysteme.
Sowohl Wissenschaft als auch Kunst sind in erster Linie soziale
Konstruktionen. Die traditionelle
und auch heute noch verbreitete Auffassung, die Kreativität als
Leistung des singulären
Individuums sieht, das im einsamen Ringen reine Originale
hervorbringt, ist überbewertet.
Kreativität ist immer gleichzeitig ein persönlicher und ein
gesellschaftlicher Prozeß. Prinzipiell
sollte die Frage vermieden werden, ob das Individuum als Schöpfer
oder als Geschöpf
von Kultur, Wissenschaft, Kunst, Wirtschaft und Technik gesehen
werden muss. Vielmehr
erzeugen sie sich gegenseitig, sind also Erzeugende und Erzeugte
gleichermaßen.
Der Computer als entwurfsgenerierendes und
entscheidungsunterstützendes Medium steht
noch am Anfang seiner Entwicklung. Aber auch schon jetzt
beeinflussen Computer – bewußt
oder unbewußt - die Ergebnisse der Arbeitsprozesse. Fundierte
Untersuchungen zu kreativen
Mechanismen und zum kreativen Zusammenspiel von Mensch und Maschine
sind schon deshalb
wichtig, weil wir den Einflüssen der Werkzeuge ohnehin schon
ausgesetzt sind, uns
bleibt nur die Möglichkeit sie zu verstehen. Entscheidend ist, wie
der Computer in Zukunft
besser und bewußter in kreative Arbeitsprozesse eingebunden werden
kann. Zwei Punkte
sollten bei der Konzeption kreativitätsunterstützender Systeme
bedacht werden:
- Alle existierenden Modelle und Theorien von Kreativität, sowohl
diejenigen, die von der
Inspiration des autonomen Genies ausgehen, als auch jene, die
soziale Kommunikationsprozesse
ins Zentrum stellen, können in kreativitätsunterstützenden Systemen
Berücksichtigung
finden. Häufig konzentrieren sich konstruktive computerbasierte
Ansätze auf
den eingeschränkten Bereich der individuellen, inspirierten
Kreativität, die nun autonom
von der Maschine erzeugt werden soll. Wichtig ist aber, beide
Prozesse, den individuellen
wie den gesellschaftlichen, gleichermaßen zu unterstützen.
- Entscheidend ist die Kreativität des Gesamtsystems, das
symbiotische Zusammenspiel
von Mensch und Computer. Welche Bereiche und Phasen des kreativen
Prozesses dabei
sinnvollerweise vom Benutzer und welche vom Computer übernommen
werden, bleibt
skalierbar. Am linken Ende der Skala hat der Benutzer die gesamte
kreative Arbeit zu
leisten und die Maschine ist lediglich ein Werkzeug im herkömmlichen
Sinn. Am anderen
Ende vollbringt die Maschine autonom kreative Leistungen. Am
interessantesten und
schon heute realisierbar sind Systeme, die im mittleren Bereich der
Skala liegen, d.h. bei
denen Neues durch das inszenierte Zusammenspiel beider „Partner“
entsteht.
2 Sichtweisen der Entstehung des
Neuen
Es existiert eine Fülle von Literatur zu den Themen Kreativität,
Emergenz und Innovation.
Der vorliegende Beitrag kann der Vielfalt und Tiefe der Ansätze
nicht annähernd gerecht
werden. Eine allgemein akzeptierte Definition der Begriffe,
geschweige denn eine Beschreibung,
die einer maschinellen Implementierung direkt zugänglich wäre,
existiert allerdings
nicht. Im folgenden wollen wir die Ansätze zur Analyse des Phänomens
der Kreativität grob
in drei Kategorien einteilen: 1. Kreativität als spontane
Inspiration, 2. Kreativität als soziales
Produkt, 3. Maschinelle und maschinenunterstützte Kreativität. Die
verschiedenen Sichtweisen
sollen zunächst exemplarisch verdeutlicht werden. Die „Kreativität
der Natur“ (Binnig
1989), eine Sichtweise, die auch emergenten physikalischen und
biologischen Prozessen Kreativität
zuspricht, und die insbesondere für die konstruktivistischen Modelle
der maschinellen
Kreativität eine wichtige methodische Quelle sein kann, bleibt
hierbei weitgehend ausgeblendet.
Sie würde den Rahmen des Beitrages sprengen. Komplexe dynamische
Systeme, Selbstorganisation,
Autopoiesis, Chaostheorie und Evolution sind einige einschlägige
Begriffe, unter
denen die entsprechenden Forschungsarbeiten stattfinden. Ein
philosophischer und computertheoretischer
Einstieg in das Thema Kreativität und Emergenz sind die
Untersuchungen
von (Syed Mustafa Ali 1999), insbesondere Kapitel 6 über Poiesis.
3 Mensch & Computer 2001
2.1 Kreativität als spontane Inspiration
Eine der ersten Darstellungen des Ablaufs kreativer Prozesse stammt
von dem französischen
Mathematiker Poincaré. Er analysierte mathematische Beweise und
stellte fest, dass nicht der
einzelne Schritt entscheidend für das Verständnis eines Beweises
ist, sondern die Gesamtstruktur.
Die Frage für ihn war, wie können solche Gesamtmuster erzeugt und
verstanden
werden? Auf der Basis der Darstellungen Poincarés formulierte Wallas
1926 eine Analyse
des kreativen Denkens und schlägt ein vierstufiges Verfahren vor (Partridge
und Rowe 1994):
1. Preparation, die Phase des
konzentrierten Arbeitens und Datensammelns. 2. Inkubation, als
Phase der Erholung und des unbewußten Verarbeitens, während das
Bewußtsein mit anderen
Dingen beschäftigt ist. 3. Illumination, als der Moment der
Einsicht. 4. Verifikation, die Überprüfung
der Ergebnisse. Der eigentliche „Mechanismus der Kreativität“ bleibt
bei diesem
oder ähnlichen Modellen vollkommen ungeklärt, der „schöpferische
Akt“ wird lediglich als
Erleuchtung, als „Aha-“ oder „Heureka-Erlebnis“ charakterisiert.
Arthur Koestler hat den schöpferischen Akt als „Bisoziation“ (binary
association) von zwei
oder mehr Gedankenmatrizen beschrieben, d.h. das in Beziehung setzen
zweier Bezugsrahmen,
die vorher nicht miteinander verbunden waren (Koestler 1964). Im
kreativen Prozeß
kommt es zu einer Verschmelzung von Gegensätzen. Was bisher
unvereinbar gegenübergestellt
war, ist nun permanent miteinander verbunden. Das Syntheseprodukt
ist mehr als die
Summe seiner Teile, es vollzieht den Sprung auf eine neue
Qualitätsstufe. Einen weiterreichenden
Erklärungsversuch für die Vorgehensweise des menschlichen Geistes
bei der Lösung
von Problemen beschreibt Edward de Bono mit seiner Gegenüberstellung
von vertikalem und
lateralem Denken (de Bono 1970). Während das vertikale Denken
ständig Informationen reduziert
und analysiert um sie in ein bestimmtes rationales Muster
einzupassen, versucht das
laterale Denken simultan die Synthese neuer Muster. Beim vertikalen
Denken sind Klassen,
Kategorien und Symbole fix, das Denken steht unter der Kontrolle
eines dominanten Bezugsrahmens.
Das laterale Denken dagegen versucht, unabhängig von bisherigen
Erfolgen weitere
alternative Bezugsrahmen zu entwickeln. Koestlers Unterscheidung
zwischen dem „Denken
auf einer Ebene“ und der kreativen Bisoziation, das viele Fragen
nicht beantwortet, läßt sich
gut in de Bonos Konzept des vertikalen und lateralen Denkens
integrieren (Hampden-Turner
1991). Die „Inspirationalisten“ (Shneiderman 2000) betrachten
Kreativität als ureigene
menschliche Fähigkeit. Die These, die hinter den Ansätzen von de
Bono, Michalko (Michalko
1998) u.a. steht ist aber die, dass Kreativität durchaus lehr- und
lernbar ist (z.B. Brainstorming,
freie Assoziation). Allerdings wird meistens übersehen, dass diese
Verfahren die
spontaneistische bzw. intuitionsgeleitete Auffassung von Kreativität
nicht ersetzen, sondern
radikal vertiefen (wollen), insofern als formalisierbare Aspekte der
Kreativität an die Routine
bzw. an die Maschine abgegeben werden können und das kreative
Subjekt für genuinere Kreativitätsleistungen
befreit wird.
2.2 Kreativität als soziales
Produkt
Der Psychologe Mihaly Csikszentmihalyi ist der Überzeugung, dass die
Frage: Was ist Kreativität?
ersetzt werden muss durch die Frage: Wo entsteht Kreativität? „Jeder
Kreative entwickelt
sich in einem bestimmten Kontext, zu dem vielerlei gehört, auch das
Arbeitszimmer und
die Landschaft, Familie und Freunde, auch Förderer, die in manchen
Lebensabschnitten notwendig
sein können“ (Csikszentmihalyi 1997). Kreativität wird eingebettet
gesehen in eine
praktizierende Gemeinschaft, in der Konventionen entstehen, zur
Anwendung kommen und
hinterfragt werden. Der Einzelne gilt als abhängig von den
Prozessen, die Anerkennung und
Ablehnung generieren. Ein ähnliches Bild entwickelt Peter Weibel für
die Kunst, die er als
soziale Konstruktion betrachtet (Weibel 1997). Der Künstler ist
nicht das Genie, das originale
Werke produziert, sondern im wesentlichen Übersetzungsarbeit
leistet, individuelle Interpretationen
von Geschichte. Die Bewertung der kreativen Leistung findet im
sozialen Feld der
Kultur statt, nämlich durch die Kritiker, Galeristen, Kuratoren und
Sammler. Kunst ist somit
nicht zuletzt Konsensbildung. Kritik am Konsens ist nur erfolgreich,
wenn auch sie wieder
Konsens erzielt. In der Sprache der Informatik heißt das,
Regelveränderung kann erst dann
erfolgreich sein, wenn das Ergebnis als neue Regel formuliert werden
kann. In (Shneiderman
2000) wird diese Gruppe als „Situationalisten“ bezeichnet. Für
Situationalisten müssen
Werkzeuge es ermöglichen, leicht auf frühere Arbeiten zuzugreifen,
sich mit Mitgliedern eines
Arbeitsgebietes zu beraten, und die Ergebnisse der Arbeit anderen
zur Verfügung zu
stellen, d.h. sie in den gesellschaftlichen Prozeß zurückzuführen.
2.3 Maschinelle und
maschinenunterstütze Kreativität
Ein früher Ansatz, Kreativität in Maschinen nachzubilden, sind die
"Schöpferischen Automaten"
des Kybernetikers Tihamér Nemes (Nemes 1967). Nemes wehrt sich gegen
das von
Lady Lovelace vorgebrachte Argument, Maschinen könnten nur
ausführen, was ihnen vorher
befohlen wurde. Er fragt, was denn wäre, wenn man den Mechanismus
der Originalität selbst
in die Maschine einbauen würde? Für ihn als Kybernetiker ist „die
Originalität kein metaphysisches
Etwas: sie hat ihre eigenen Naturgesetze, die erforscht und
nachgebildet werden können“.
Die Erforschung schöpferischer und ganz allgemein geistiger
Funktionen kann nach
Nemes auf drei verschiedene Weisen durchgeführt werden: 1.
Subjektiv, d.h. introspektiv
(durch Beobachtung des eigenen Inneren). 2. Objektiv, d.h.
behavioristisch (Beobachtung des
Verhaltens anderer Personen). 3. Konstruktiv, d.h. mit Hilfe der
Kybernetik, die die Analyse
eines Prozesses als technische Aufgabe auffasst. Interessant ist,
dass die Methode der Selbstbeobachtung
aufgeführt wird, die in der gegenwärtigen KI- und
Kreativitäts-Forschung nur
eine untergeordnete Rolle spielen. Als Beispiele für Ausnahmen sind
(Wiener 1996) und
(Konolige 1988) zu nennen. Unter Kreativität wird bei Nemes
allerdings ausschließlich
Problemlösungskompetenz verstanden, wobei er sich explizit auf die
Arbeiten Pólyas (Pólya
1957) bezieht, die er versucht weiterzuentwickeln und auf eine
allgemeine Programmstruktur
abzubilden. Tihamér Nemes und seine Versuche der Mechanisierung der
Kreativiät haben
inzwischen viele Nachahmer gefunden. Einige Einstiegspunkte sind
(Boden 1990),
(Hofstadter 1996), (Bringsjord, Ferucci 2000), (Sims 1991 und 1994)
und (Partridge, Rowe
1994). Aus den Ansätzen zur maschinellen Kreativität soll der Ansatz
von Ben Shneiderman
(Shneiderman 1999 und 2000) herausgehoben werden. Er zeichnet sich
dadurch aus, dass er –
im Gegensatz zu den anderen Ansätzen - die sozialen Prozesse bei der
Kreativitätsunterstützung
in den Mittelpunkt stellt. Sein „Genex Framework“ (generator of
excellence) besteht aus
einem Vier-Phasen-Modell, das die Benutzung digitaler Bibliotheken
und den ständigen
Austausch mit Gleichgesinnten und Ratgebern ins Zentrum stellt.
Im Zusammenhang mit kreativen Automaten muss allerdings ganz
allgemein auf den Unterschied
von Intelligenz und Kreativität im Problemlösungsverhalten
hingewiesen werden. Die
KI Forschung hat sich historisch weitgehend mit der Implementierung
von Intelligenz und
weniger mit der direkten Implementierung von Kreativität im Bereich
der Problemlösung
befaßt. Die enge Verbindung von Kreativität und Problemlösung ist
gewiss ein erster Schritt,
der jedoch Kreativität noch zu eng an Intelligenz bindet. Es gibt
durchaus hohe menschliche
Intelligenz ohne jegliche Kreativität, und nicht jeder Kreative ist
notwendigerweise auch hoch
intelligent. Psychologisch betrachtet, sind Intelligenz und
Kreativität zwei weitgehend disjunkte
Funktionen. Eine stark vereinfachende Sichtweise ist die
Unterteilung von Problemlösungsprozessen
in eine kreativen Phase, in der die Aspekte sich ausweiten und
divergieren,
gefolgt von einer analytischen Phase, die auf einen Erkenntnispunkt
hin konvergiert.
Andererseits muss natürlich generell die Frage gestellt werden, ob
nicht beide Bereiche - Intelligenz
und Kreativität - durch die bisher enge Perspektive der
Problemlösungs-Szenarien
zu eingeschränkt gesehen werden. Fest steht, nur wenn es gelingt, zu
eigenen Fragestellungen
der maschinellen Kreativität (in Differenz zur KI-Forschung)
vorzudringen, können auch eigenständige
Theorien, Methoden und Anwendungen entstehen. Zur Verwirklichung von
kreativitätsunterstützenden Systemen sollten deshalb zunächst neue
Kooperationsformen zwischen
Künstlern, Computerwissenschaftlern und Ingenieuren organisiert
werden, um den Erfahrungsaustausch
zwischen diesen heterogenen Gruppen zu forcieren. Erste Ansätze zu
einer
solchen Kooperation leistet z.B. die Universität Loughborough, in
dem sie ein Forum für
Künstler, Designer und Informatiker etabliert hat und eine
entsprechende staatliche Förderung
organisieren konnte. In diesem Rahmen finden dort auch seit 1993
Konferenzen mit dem Titel
„Creativity and Cognition“ statt (Candy und Edmonds 1993, 1996,
1999). Als weiterer
avancierter Ort ist die Kunsthochschule für Medien Köln zu nennen.
Hier hat sich die Verbindung
zwischen Informatik und Kunst aus den Fragen der medialen Praxis
heraus zum
zentralen Forschungsgegenstand entwickelt. In staatlich
unterstützten Forschungsvorhaben
werden die Wechselwirkungen von künstlerischer Praktik und
Informatik sowohl unter der
Perspektive einer Ausweitung künstlerischer Ausdrucksformen, als
auch der Veränderung der
zugrundeliegenden technischen Konzepte und formalen Strukturen
untersucht. Weltweit entstehen
ähnliche Labore, in denen das Zusammenwirken von Kreativität und
Computer auf
dem Prüfstand steht. Der renommierte HCI-Experte Ben Shneiderman hat
vor kurzem "Creativity
Support Systems" zur Herausforderung für die Interface-Entwicklung
im kommenden
Millennium erklärt (Shneiderman 2000).
3 Introspektion, Selbstmodifikation und Heterarchie als
Bedingungen für kreative Problemlösungssysteme
Kreative Problemlösungsprozesse werden meist als mehrstufiges
Phasenmodell dargestellt.
Die einzelnen Methoden – gleichviel ob sie aus drei, vier, oder fünf
Phasen bestehen – sind
sich weitgehend ähnlich. In der (den) ersten Phase(n) wird versucht,
Daten zu sammeln und
dem eigentlichen Problem näher zu kommen und es zu verstehen. In der
(den) folgenden Phase(n) werden Ideen, Lösungsvorschläge und Pläne entwickelt und
angewendet. In der (den)
letzten Phase(n) schließlich wird zurückgeblickt und eine Bewertung
der Ergebnisse durchgeführt.
Aus der Vielzahl der Lösungen wird eine Auswahl getroffen und die
Ergebnisse kommuniziert. Diese klassische Sichtweise ist für konstruktive Prozesse
allerdings wenig hilfreich.
Die einzelnen Phasen enthalten wenige oder keine Hinweise auf
Operationalisierbarkeit.
Weder wird erklärt, wie es zum Problemverständnis kommt, noch wie
Ideen und Pläne
entstehen, noch welchem Geist die Bewertungskriterien entspringen.
Letztlich wird an diesen
Punkten wieder auf die spontane Inspiration zurückverwiesen.
3.1 Wie entstehen Probleme?
Bei den bisher betrachteten Modellen handelt es sich vorwiegend um
eine problemlösungsorientierte
Auffassung von Kreativität. Dagegen braucht es oft gerade
Kreativität, um ein
Problem überhaupt zu schaffen, ebenso um es zu erkennen. Muss
Kreativität generell mit
Problemlösung verbunden sein? Welche Probleme lösen kreative
Künstler? Umgekehrt heißt
es auch, Probleme sind Lösungen vorhergegangener Probleme. Kann es
in manchen Bereichen
also überhaupt Lösungen geben, oder vielmehr nur Fortschritte in der
Problemstellung?
Wie bereits weiter oben festgestellt, kann die enge Verbindung von
Kreativität und Problemlösung
nur ein erster Schritt sein, der allerdings Kreativität eng an
Intelligenz bindet. All dies
ist für die Implementierung und Realisation in Maschinen zu
beachten.
In der kognitiven Psychologie werden Design-Probleme als schlecht
definiert (ill-defined)
und nicht abgrenzbar (open-ended) bezeichnet (Bonnardel 1999).
Design-Probleme gelten als
schlecht definiert, weil Designer anfänglich nur eine unvollständige
und ungenaue Repräsentation
des Design-Ziels haben. Problemabgrenzung und Problemlösung sind
nicht zwei zeitlich
getrennte Phasen, sondern ein iterativer, gemeinsam fortschreitender
Prozeß. Designprobleme
gelten andererseits als offen, weil es keine eindeutige korrekte
Lösung für ein gegebenes
Problem gibt, sondern viele mögliche Lösungen. Im Gegensatz zu
mathematischen
Problemen, gibt es keinen Zeitpunkt, zu dem das Problem als
endgültig gelöst betrachtet werden
kann. Auch konstruiert jeder Designer im Verlaufe des
Arbeitsprozesses seine eigene
Problemspezifikation und beschäftigt sich immer mehr mit einer
Aufgabe, die eng mit seiner
eigenen Person und Sichtweise verknüpft ist. Unterschiedliche
Designer, denen die gleiche
Aufgabe gestellt wird, werden zu unterschiedlichen
Problemdarstellungen, Ideen und Lösungen
kommen.
Selbst in den ursprünglichsten Anwendungsgebieten formalisierter
Problemlösung - der
Softwareentwicklung - treten die Schwächen gegenwärtiger
mathematisch-formaler Sichtweisen
deutlich zutage. Aufgrund der anhaltenden Softwarekrise sind die in
der Praxis stehenden
Softwareentwickler inzwischen überzeugt, dass Informatiker die
Komplexität industrieller
Softwaresysteme nicht mehr beherrschen können. Sie fordern eine
Reform der Informatik, in
der die Fähigkeiten eines koordinierenden Ingenieurs im Vordergrund
stehen - und nicht die
eines Mathematikers. Im Gegensatz zur Mathematik ist im Bereich der
Softwareentwicklung
1. die Problemstellung nie
vollständig, sondern läßt Ermessensspielraum der ausgehandelt werden
muß,
2. müssen die zur Lösung zur
Verfügung stehenden Bausteine teilweise erst
durch einen mühsamen Kommunikationsprozeß gewonnen werden, und
3. ist die Lösung nur arbeitsteilig
erreichbar, d.h. Fachleute aus verschiedenen Disziplinen müssen an
einem koordinierten Kommunikationsprozeß teilnehmen. Primärer
Kenntnisbedarf sind also nicht formale Methoden, sondern
Kommunikationsmittel (Trogemann 2000).
Die Problemfindung und –eingrenzung wird bei den meisten
Problemlösungsprozessen unterbewertet.
Für problemlösungsorientierte Kreativprozesse ist aber gerade die
Bestimmung
des Problems der halbe Weg zur Lösung. Die selbstbestimmte
Definition von Zielen, etwa als
der Entwurf von neuen Horizonten (Kontexten, Rahmenbedingungen) ist
deshalb neben
Problemlösungs- und Bewertungsprozessen und -Strategien eine der
großen Herausforderungen
für die Formalisierung. Problemdenken in kreativen Prozessen bezieht
die Persönlichkeit
des Analysierenden mit ein, ist also ein selbstreferentieller Prozeß.
3.2 Wie entstehen Lösungs- und
Bewertungsverfahren?
Nach Gotthard Günther können alle gegenwärtigen Computer nur
Pseudo-Entscheidungen
treffen. Der output jedes Computers ist vollständig bestimmt durch
drei Faktoren: a) der
Struktur der Maschine; b) dem Input (Programmierung); und c) der
Information, die sich bereits
aufgrund früherer Programmierungen in der Maschine befindet (der
Geschichte der Maschine).
„Pseudo-decisions are characterized by the fact that their
alternatives always lie within the conceptual
range of the programmer. This, of course, does not exclude that the
programmer is completely taken by
surprise when faced with the decision a computer has made. (...)
What is important in this case is that the
possible choices were implicitly generated outside the computing
system.“ (Günther 1970)
Um von „echten“ Entscheidungen sprechen zu können, fordert Günther
die maschinelle Fähigkeit
der „Selbsterzeugung von Wahlmöglichkeiten“, um dann über die selbst
erzeugten
Alternativen Entscheidungen zu treffen.
„On the other hand, a machine, capable of genuine decision-making,
would be a system gifted with the
power of self-generation of choices, and the acting in a decisional
manner upon its self-created alternatives.
(...) A machine which has such a capacity could either accept or
reject the total conceptual range
within which a given input is logically and mathematically located.
It goes without saying that by rejecting
it the machine displays some independence from the programmer which
would mean that the machine
has the logical and mathematical prerequisites of making decisions
of its own which were not implied
by the conceptual range of the programme. But even if we assume that
the machine accepts affirmatively
the conceptual context of the programme qua context, this is by no
means the same as being immediately
affected by the specifique contents of the programme that the
programmer feeds into it. If we call the first
attitude of the machine critical acceptance of the programme and the
latter naive acceptance, then it must
be said that the differences of their handling a given input in both
cases are enormous. In the first case a
conceptual and therefore structural context is rejected this does
not necessarily imply that also the specific
content of the programme are rejected. They still may be accepted,
but moved to a different logical or
mathematical contexturality.“ (Günther 1970, p.6-7)
Zeitgenössische Arbeiten zu dieser
Problematik finden sich bei Peter Cariani, der sich auf den
Günther Kollegen Gordon Pask bezieht. Siehe dazu z.B. Robert
Saunders.
"Implications for Design Computing: The emergence of new
observational abilities is the current focus of
work being done in design computing. The goal is the construction of
creative design systems able to
sense and adapt to changing requirements and potentials in a design.
The task of creative design requires
that the system encounter situations which are unforeseen. Cariani
sums up the challenge that is facing
design computing in the following way. "To build devices which find
new observational primitives for us,
they must be made epistemically autonomous relative to us, capable
of searching realms for which we
have no inkling." This seems to sum up our current ambitions for
constructing creative design systems very
well and it points us in the direction of a necessary requirement
for doing so. But, what is an epistemically
autonomous device and what are the implications of it's use? An
epistemically autonomous device is
one capable of choosing its own
semantic categories as well as its syntactic operations on the
alternatives.
An epistemically autonomous device therefore is not constrained by
the semantic categories of an observer.
How is such a device to be put to useful work if one of necessary
conditions for its utility means that
it may not share any common semantic categories with its users?"
(Saunders 1998)
Einer der wesentlichen, wenn auch
keineswegs ausreichenden Aspekte kreativer Systeme ist
ihre Fähigkeit der Problemlösung verbunden mit Lernverfahren. Die
gegenwärtigen Lösungsund
Bewertungsverfahren innerhalb problemlösender Systeme sind dagegen
relativ einfach
strukturiert. In der Regel sind sowohl die Lösungsverfahren als auch
die Bewertungsmethoden
starr vorprogrammiert. Es verändert sich weder der Algorithmus, noch
der den Algorithmus
konfigurierende Datensatz. Diese Systeme werden in der Literatur
auch als „Lernen 0“
bezeichnet (von Goldammer, Kaehr 1989). „Lernen I“ steht für
Systeme, bei denen aus eigener
Leistung eine Adaption des gespeicherten Datensatzes an eine
veränderte Situation erfolgt.
In die Kategorie von Lernen 0 und I gehören sowohl Modelle der
Neuroinformatik,
Genetische Algorithmen, als auch alle bekannten mathematischen
Klassifikations- und Optimierungsverfahren.
Genetische Programmierung dagegen gehört zum Bereich Lernen II, da
nicht nur die Operanden des Systems (die Datensätze) sondern auch
die Operatoren (die Algorithmen)
verändert werden. Programme erzeugen als output andere lauffähige
Programme.
Dies führt auch zum Konzept der Emergenten Genetischen
Programmierung bzw. Emergenten
Evolutionären Programmierung (Crutchfield, Mitchell 1995). Auf
Lösungsstrategien (und
Bewertungsverfahren) innerhalb mehrstufiger Kreativprozesse bezogen
bedeutet das, die
Methoden werden nicht unreflektiert auf das Problem angewendet,
sondern die Lösungsstrategie
selbst wird von einem übergeordneten Verfahren kontrolliert. Dieses
Schema kann nun
so fortgesetzt gedacht werden. Ein Algorithmus der nächst höheren
Ebene beschreibt die Änderungen
im Algorithmus auf der jeweils darunter liegenden Ebene.
In Abbildung 1 ist das Prinzip für
die ersten 3 Ebenen dargestellt. In der Literatur werden
solche Systeme als Meta-Level-Architekturen bezeichnet oder werden
unter dem Schlagwort
Computational Reflection behandelt (Maes und Nardi 1988). Der Ablauf
des Schemas ist dort
strikt serialisiert und erfolgt in Abbildung 1 von oben nach unten.
Der Umtausch des Operators
(Lösungsverfahren1) der Objektberechnung zum Operanden (Daten1) der
Meta-Berechnung
wird durch die Umtauschrelation beschrieben (Doppelpfeil in
Abbildung 1).
Das Strukturschema eines derartigen reflexiven Berechnungssystems
entspricht der offenen
Proemialrelation Günthers (Kaehr, Mahler 1995). Der
Proemialkombinator ist allerdings insofern
allgemeiner, als er im Gegensatz zum strikten Nacheinander in der
Computational Reflection
die simultane Verkopplung von Objekt- und Metaberechnung erlaubt. Er
bietet damit
ein paralleles Modellierungskonzept für reflexive Systeme.
3.3 Die Aufhebung des Grundes
In der Informatik wäre der spontanen Inspiration nur der Sprung aus
dem Regelsystem
gleichzusetzen. Die Frage ist, wie diese Form der Diskontinuität
eines Prozesses formalisiert
werden kann. Der Sprung aus dem Regelsystem erfordert als
Minimalbedingungen
Introspektion und Selbstmodifikation. Innerhalb streng
determinierter Systeme wie dem
Computer, kann diese Selbsterzeugung, die ja gerade nicht
anderweitig determiniert sein soll,
nur aus dem Formalismus selbst kommen, sie ist also
selbstreferenziell. Es kann nur in ein
neues Regelsystem gesprungen werden, das aber nicht schon vorher
existiert hat, sondern das
durch das simultane Zusammenspiel eines verteilten Systems erzeugt
wird. Das heterarchische
System muss sich selbst so modifizieren, dass sowohl
Absprungszeitpunkt und –ort, als
auch der Landeplatz selbstgeneriert sind. Als erster
Formalisierungsversuch könnten die sich
selbstreproduzierenden Automaten John von Neumanns gesehen werden
(Von Neumann
1966). Zunächst werden die Komponenten als Operanden an den neuen
Ort kopiert, dabei
gegebenenfalls auch soweit modifiziert, dass sie einen neuen Kontext
beschreiben. Am neuen
Ort werden sie dann als Operatoren gestartet. Der erstmalige Start
der Operanden als Operator
könnte als so etwas wie ein Sprung aus dem System interpretiert
werden. Die Regeln, die
vorher als Daten behandelt wurden, sind jetzt selbst Regeln, die nun
möglicherweise die
Kontrolle über die Regeln übernehmen, von denen sie generiert
wurden. Es sind allerdings,
wie das von Neumannsche Modell zeigt, trickreiche Konstruktionen
erforderlich, damit Systeme
sich selbst reproduzieren und dabei weiterentwickeln. Das System ist
nicht mehr streng
hierarchisch organisiert, sondern heterarchisch. Wer worüber die
Kontrolle hat, ist nicht festgeschrieben,
sondern eine Frage des Zeitpunktes. Da es hierbei um Probleme des
Grundes,
ontologisch, epistemologisch, logisch usw. geht, werden nun auch für
Informatiker Heideggers
Arbeiten zur Problematik und Auflösung des Grundes wichtig. Zumal in
der angelsächsischen
Literatur Heidegger (Der Satz vom Grund) bereits mit Erfolg in den
Computerwissenschaften
verarbeitet wird. Siehe dazu insbesondere (Syed Mustafa Ali 1999).
Die formale
Problematik von Selbstbezug und Grund ist auch ausführlich durch (Varela
1979) behandelt
worden.
In ähnlicher Weise erfordert der Wechsel der Bezugsrahmen bzw. das
Erzeugen immer neuer
Bezugsrahmen im Koestlerschen Modell oder das laterale Erzeugen
neuer Ideen bei de Bono
heterarchische Konstruktionen. Wir verlangen vom System eine
Erweiterung seines eigenen
Kontextes. Der Mechanismus der Erweiterung darf aber nicht ebenfalls
schon vorgegeben
sein. Die einfachste Grundstruktur, die in der Lage ist, diesen
Prozeß abzubilden, ist die geschlossene
Proemialrelation. Während bei der offenen Proemialrelation noch
immer ein fester
unveränderlicher Fixpunkt der Berechnung gegeben ist, nämlich der
Operator der höchsten
Ebene, können bei der geschlossenen Proemialrelation die
Start-Algorithmen im Laufe des
Prozesses irreversibel und vollständig zugunsten neuer Algorithmen
überschrieben werden.
Das rückgekoppelte verteilte System zieht sich selbst aus dem Sumpf
der Startbedingungen.
Dies ist allerdings nur möglich, wenn das System nicht mehr unter
den Kategorien der ontologischsemantischen Identität betrachtet wird. Ansonsten verfängt sich das
System in Antinomien
und trivialisert sich zu nichts (brauchbarem). Von
computerwissenschaftlicher Seite
hat insbesondere B.C. Smith auf die Notwendigkeit einer
Neuformulierung des logischontologischen
Identitätssatzes hingewiesen und dazu Pionierarbeiten vorgelegt, die
das etwas
verfrühte Unternehmen Günthers (1962: Cybernetic Ontology) im
Nachhinein legitimieren:
"Real-world computer systems involve extraordinarily complex issues
of identity. Often, objects that for
some purposes are best treated as unitary, single, or "one", are for
other purposes better distinguished,
treated as several. Thus we have one program; but many copies. One
procedure; many call sites. One call
site; many executions. One product; many versions. One Web site;
multiple servers. One url; several documents
(also: several urls; one Web site). One file; several replicated
copies (maybe synchronized). One
function; several algorithms; myriad implementations. One variable;
different values over time (as well as
multiple variables; the same value). One login name; several users.
And so on. Dealing with such identity
questions is a recalcitrant issue that comes up in every corner of
computing, from such relatively simple
cases as Lisp's distinction between eq and equal to the (in general)
undecidable question of whether two
procedures compute the same function. The aim of the Computanional
Ontology project is to focus on identity
as a technical problem in its own right, and to develop a calculus
of generalized object identity, one
in which identity -- the question of whether two entities are the
same or different -- is taken to be a dynamic
and contextual matter of perspective, rather than a static or
permanent fact about intrinsic structure."
(Smith 1996)
Eine mehr formale Thematisierung und Formalisierung im Sinne eines
operationalen Modells,
basierend auf der Polykontexturalen Logik und der Morphogrammatik,
findet sich in
In Abbildung 2 ist das Grundschema der geschlossenen
Proemialrelation (Kaehr, Mahler
1995) skizziert. Aus dieser Grundstruktur heraus kann das System
sich entfalten. Wiederum
laufen, wie bei der offenen Proemialrelation, die Prozesse simultan
ab. Nach Günther besteht
ein System, das eine Erweiterung seines eigenen Kontextes vornehmen
kann aus einem kognitiven
und einen volitiven Prozeß (Günther 1979). Der volitive Prozeß
strukturiert die Umgebung und legt den Kontext fest, in dem die empfangenen Signale
(nicht zu verwechseln mit
Information) eine Bedeutung erhalten. Der kognitive Prozeß
klassifiziert und abstrahiert die
Daten und erzeugt Inhalte und Bedeutung innerhalb des gewählten
Kontextes. Beide Prozesse
sind zueinander komplementär, es macht keinen Sinn, sie unabhängig
voneinander betrachten
zu wollen.
4 Ausblick: Individual-Software vs. Massen-Produkt
Softwaresysteme, die heute kommerziell vertrieben werden sind
Massenprodukte. Um das
Verhalten der Produkte individueller zu gestalten, bieten viele
Programme die Möglichkeit,
bis zu einem bestimmten Grad, eine Anpassung an die individuellen
Präferenzen des Benutzers
vorzunehmen. Diese benutzerselektierte Anpassung, z.B. mit Hilfe von
Profildateien und
Präferenzmenüs, ist sehr eingeschränkt und wird wenig benutzt. In
den letzten Jahren wurden
deshalb eine Reihe von Methoden entwickelt, mit deren Hilfe das
System sich selbständig an
den Benutzer und die Bedürfnisse der konkreten Interaktion adaptiert
(Schneider-Hufschmidt,
et.al. 1993). Hierzu bildet das System nach verschiedenen Methoden
Annahmen über den
Benutzer, die bei komplexeren Anpassungen in einem Benutzermodell
gespeichert und verwaltet
werden. Adaptivität und Benutzermodellierung sollen die
Bedienbarkeit eines Systems
im Hinblick auf Effizienz, Fehlerrate und Verständnis verbessern
helfen.
Zur Verwirklichung von kreativitätsunterstützenden Systemen müssen
ähnliche Mechanismen
entwickelt werden. Gefragt sind Methoden, die auf den Aufbau einer
längerfristigen Beziehung
zwischen System und Benutzer abzielen, d.h beide Seiten machen eine
gemeinsame
Entwicklung durch, dabei findet eine gegenseitige Adaption statt.
Die Zielsetzung ist hierbei
nicht in erster Linie die Verbesserung der Effizienz oder die
Verringerung der Fehlerrate,
sondern die Ausweitung des Leistungsspektrums und der Funktionalität
des Gesamtsystems -
bestehend aus Benutzer und Computersystem. In diesem Zusammenhang
spielt die Benutzermodellierung
ebenfalls eine wichtige Rolle, jedoch müssen die Erkenntnisse über
die Interaktionsverläufe
zu neuen Funktionalitäten und schließlich auch zur Herausbildung
neuer
Kontexte führen. Das Ziel sind Systeme, deren formale
Grundstrukturen sich während der
Benutzung verändern und wachsen können, d.h. nicht nur die Daten
ändern sich, sondern
auch die Algorithmen und mit ihnen der Kontext in dem das System
agiert. Die größte Herausforderung
ist damit die Formalisierung von Systemen, die ihr Verhältnis zu
ihrer Umwelt
selbstbestimmt ändern können, d.h. die während sie ausgeführt werden
in der Lage sind, in
neue selbst erzeugte Kontexte zu wechseln.
Literaturverzeichnis
Binnig, G. (1989): Aus dem Nichts – Über die Kreativität von Mensch
und Natur. München: Serie Piper
Boden, M. (1990): The Creative Mind, Myths & Mechanism. London:
Weidenfeld and Nicolson
Bonnardel, N. (1999): Creativity in design activities: The role of
analogies in a constrained cognitive environment.
In: Candy, L.; Edmonds, E. (Hrsg.): Creativity & Cognition. New
York: ACM Press, S. 158 –165
Bringsjord, S.; Ferucci, D. (2000): Artificial Intelligence and
Literary Creativity: inside the mind of BRUTUS, a
storytelling machine. Mahwah u.a.: Lawrence Erlbaum Associates
12 Mensch & Computer 2001
Candy, L.; Edmonds, E. (Hrsg.) (1993): Creativity and Cognition.
International Symposium, Loughborough
University, England
Candy, L.; Edmonds, E. (Hrsg.) (1996): Creativity and Cognition.
Second International Symposium, Loughborough
University, England
Candy, L.; Edmonds, E. (Hrsg.) (1999): Creativity and Cognition.
Proceedings of the third International Symposium,
Loughborough University, England. New York: ACM Press
Crutchfield, J.P.; Mitchell, M. (1995): The Evolution of Emergent
Computation. Santa Fe Institute, SFI Technical
Report 94-03-012
Csikszentmihalyi, M. (1997): Kreativität. Stuttgart: Klett-Cotta
de Bono, E. (1970): Lateral Thinking: Creativity Step by Step. New
York: Harper & Row
Günther, G. (1970): Proposal for the Continuation of an
Investigation of a MATHEMATICAL SYSTEM FOR
DECISION-MAKING MACHINES Under Grant: AF-AFOSR 68-1391. Department
of Electrical Engineering, University
of Illinois, Urbana
Günther, G. (1979): Cognition and Volition, A Contribution to a
Cybernetic Theory of Subjectivity, in: Beiträge
zu einer operationsfähigen Dialektik, Bd. II, Meiner Verlag Hamburg
Hampden-Turner, C. (1991): Modelle des Menschen - Ein Handbuch des
menschlichen Bewußtseins. Weinheim
u.a: Beltz Verlag
Hofstadter, D. R. (1996): Die Fargonauten – Über Analogie und
Kreativität. Stuttgart: Klett-Cotta
Kaehr, R.; Mahler, T. (1995): Proömik und Disseminatorik. In:
Selbstorganisation - Jahrbuch für Komplexität in
den Natur-, Sozial- und Geisteswissenschaften. Band 6: Ziemke, A.;
Kaehr, R. (Hrsg.): Realitäten und Rationalitäten.
Berlin: Duncker & Humblot, S. 111-159
Kaehr, R. Mahler, T. (1993): Morphogrammatik: Eine Einführung in die
Theorie der Form. Klagenfurter Beiträge
zur Technikdiskussion 65
Konolige, K. (1988): Reasoning by Introspection. In: Maes, P.; Nardi
D. (Hrsg.): Meta-Level Architectures and
Reflection. Amsterdam u.a.: North Holland Elsevier, S. 61 - 74
Koestler, A. (1964): The Act of Creation. New York: Macmillan
Maes, P.; Nardi D. (1988): Meta-Level Architectures and Reflection.
Amsterdam u.a.: North Holland Elsevier
Michalko, M. (1998): Cracking Creativity. Berkeley: Ten Speed Press
Nemes, T. (1967): Kybernetische Maschinen. Stuttgart: Berliner Union
GmbH, S. 237-243
Partridge, D.; Rowe, J. (1994): Computers and Creativity. London:
Intellect Books
Pólya, G. (1957). How to Solve it: A New Aspect of Mathematical
Method (second edition). New York:
Doubleday Anchor Books
Saunders, R. (1998): Implications for Design Computing.
http://www.arch.usyd.edu.au/~rob/study/EmergenceAndArtificialLife.html
Schneider-Hufschmidt, M.; Kühme, T.; Malinowski, U. (Hrsg.) (1993):
Adaptive User Interfaces: Principles
and Practise. Amsterdam: North Holland Elsevier
Shneiderman, B. (1999): User Interfaces for Creativity Support
Tools. In: Candy, L.; Edmonds, E. (Hrsg.):
Creativity & Cognition. New York: ACM Press, S. 15 –24
Shneiderman, B. (2000): Creating Creativity: User Interfaces for
Supporting Innovation. In: ACM Transactions
on Computer-Human Interaction, Vol. 7, No. 1, March 2000, S. 114-138
Sims, K. (1991): Artificial Evolution for Computer Graphics.
Siggraph 91 Conference Proceedings. In: Computer
Graphics, Volume 25, Number 4, Reading u.a.: Addison Wesley, S.
319-328
Sims, K. (1994): Evolving Virtual Creatures. Siggraph 94 Conference
Proceedings. In: Computer Graphics,
Annual Conference Series, Reading u.a.: Addison Wesley, S. 15-22
Smith, B. C. (1996): On the Origin of Objects, Cambridge: MIT Press
Syed Mustafa Ali (1999): The Concept of Poiesis and its Application
in a Heideggerian Critique of Computationally
Emergent Artificiality, Brunel Univ.
Trogemann, G. (2000): Irritation versus Intuition. Notizen zur
Situation der Informatik, in: Fiktion als Fakt,
"Metaphysik" der neuen Medien, Jahrbuch für Internationale
Germanistik, Reihe C, Band4/5, Bern u.a.:
Mensch & Computer 2001
Verlag Peter Lang, S. 45 - 59
Varela, F. (1979): Priciples of Biological Autonomy, Amsterdam:
North Holland
13
von Goldammer, Kaehr (1989): "Lernen" in Maschinen und lebenden
Systemen, in: Design & Elektronik, Verlag
Markt und Technik, Ausg. 6, S. 146-151
von Neumann, J. (1966): Theory of self-reproducing Automata. Edited
and completed by A.W. Burks, Urbana:
University of Illinois Press
Weibel, P. (1997): Kunst als soziale Konstruktion. In: Müller. A.;
Müller K.; Stadler F. (Hrsg.): Konstruktivismus
und Kognitionswissenschaft. New York u.a.: Springer-Verlag, S.
183-197
Wiener, O. (1996): Schriften zur Erkenntnistheorie. Wien u.a.:
Springer Verlag |