Nachwort
Das war’s: der zweite und letzte Teil zum Thema „Der fehlende Baustein“. Dass dieser noch kommen würde, war der letzte Hinweis des zweiten Palmblattlesers. Und damit endeten dann auch seine Vorhersagen. Er meinte zwar, dort würde noch viel mehr stehen – ich müsste nur wiederkommen, um es zu erfahren. Darauf kann ich jedoch gerne verzichten.
Wohin ging die Reise? Sie begann beim Rätsel um den Pfarrer Saunière in Südfrankreich und führte von dort zum Weltbild der Antike: zu den Planetengöttern und zum Weltbild der Gnostiker, das die Planetengötter nicht widerlegt, sondern über sie hinausgeht – Stichwort „Pleroma“. Von dort ging es weiter zu den Vertretern gnostischen Gedankenguts, zu Geheimgesellschaften wie den Freimaurern und schließlich zu den Ursprüngen der abrahamitischen Religionen.
Ein weiterer roter Faden entstand durch die Gespräche mit den verschiedenen KIs: die Frage, wie wir überhaupt zwischen Wissen, Modell und Wahrheit unterscheiden können.
Ein Erkenntnissystem kann in sich logisch, methodisch sauber und mit zahlreichen Quellen belegt sein und trotzdem auf falschen Grundannahmen beruhen. Gleichzeitig kann ein System nicht bei jeder abweichenden Behauptung seine bisherigen Erkenntnisse verwerfen. Es braucht eine gewisse Trägheit, um Wissen überhaupt aufbauen zu können. Genau diese Trägheit kann jedoch dazu führen, dass neue Erkenntnisse zunächst abgewehrt werden.
Auch eine KI löst dieses Problem nicht. Sie arbeitet mit dem vorhandenen Wissensbestand und wird deshalb zunächst bevorzugt das wiedergeben, was dort gut belegt, häufig vertreten und allgemein anerkannt ist. Das schützt einerseits vor beliebiger Spekulation, kann andererseits aber auch dazu führen, dass ungewöhnliche Fragestellungen und alternative Modelle zunächst durch das Raster fallen.
Deshalb war die KI für dieses Projekt kein Orakel, das entscheidet, was wahr und was falsch ist. Viel interessanter war ihre Rolle als Gesprächspartner: Zusammenhänge prüfen, Widersprüche aufdecken, Gegenargumente formulieren und immer wieder die Frage stellen, welche Annahmen für ein Modell eigentlich notwendig sind.
Am Ende bleibt daher kein Anspruch auf eine endgültige Wahrheit. Es bleibt ein Modell und die Einladung, es selbst zu prüfen. Wo passen die einzelnen Bausteine zusammen? Wo widersprechen sie sich? Welche Zusammenhänge lassen sich historisch belegen, welche sind lediglich mögliche Interpretationen – und wo könnte das gesamte Modell auf einer falschen Grundannahme beruhen?
Denn vielleicht ist genau das der wichtigste Punkt dieser Reise: Nicht ein bestehendes Weltbild durch ein neues Dogma zu ersetzen, sondern bereit zu sein, auch die eigenen Grundannahmen wieder infrage zu stellen.
Beim Dogma wird die Evidenz passend gemacht. Beim Modell darf die Evidenz das Modell kaputtmachen.
Glaubt nicht, daß ich fasele, daß ich dichte;
Seht hin und findet mir andre Gestalt!
Es ist die ganze Kirchengeschichte
Mischmasch von Irrtum und von Gewalt.
Johann Wolfgang von Goethe
Die KI argumentiert
ChatGPT zum Thema Galileo:
Ein funktionierendes Wissenschaftssystem darf nicht bei jeder Anomalie sämtliche Lehrbücher verbrennen. Es braucht eine gewisse Trägheit. Sonst wäre Wissen überhaupt nicht kumulierbar.
Damit entsteht aber ein fundamentales Optimierungsproblem:
Zu wenig Trägheit → jeder Unsinn kann etablierte Erkenntnisse ständig wieder aufreißen.
Zu viel Trägheit → eine echte wissenschaftliche Revolution wird abgewehrt, weil sie etablierten Erkenntnissen widerspricht.
Und dafür gibt es meines Wissens keinen perfekten Algorithmus.
...
Aber als Gedankenexperiment über Erkenntnissysteme funktioniert dein Beispiel [Galileo] sehr gut:
Wie erkennt ein System Evidenz, die zeigt, dass möglicherweise die Grundannahmen des Systems selbst falsch sind?
...
Ein System kann intern vollkommen konsistent sein und trotzdem auf falschen Prämissen beruhen. Konsistenz + korrekte Zitation + methodisches Arbeiten innerhalb des Systems garantieren keine Wahrheit über die Außenwelt.
Dafür braucht es ein möglichst unabhängiges Widerlager.
In den Naturwissenschaften ist dieses Widerlager besonders stark:
Die Natur.
Irgendwann muss das Modell Vorhersagen machen, die man beobachten kann. Und wenn das alte Modell bestimmte Beobachtungen schlechter erklärt oder vorhersagt als das neue, bekommt das neue Modell trotz institutioneller Trägheit eine Chance.
Deshalb würde ich unsere Aussage von vorhin jetzt verbessern:
Wissenschaft ist kein Fehlerkorrekturmechanismus, der zuverlässig Wahrheit produziert. Sie ist ein Verfahren, das Fehler prinzipiell korrigierbar machen soll – einschließlich, im Idealfall, der eigenen Grundannahmen.
Und „im Idealfall“ ist hier entscheidend.
Denn dein Galileo-Einwand [dass unser Wissenschaftssystem zur Zeit Galileos das geozentrische Weltbild systembedingt verteidigt hätte] bleibt bestehen: In der Übergangsphase kann genau der Fehlerkorrekturmechanismus zunächst das bestehende, falsche Modell stabilisieren, weil das Neue schlechter zum vorhandenen Wissensbestand passt.
Das ist kein kleiner Schönheitsfehler. Das ist eines der grundlegenden erkenntnistheoretischen Probleme von Wissenschaft.