FernUni Blog

Sollten sich künstlich intelligente Systeme langweilen?

Geschrieben von Corinna Martarelli | 12.08.21 08:18

Co-Autor: Nathanael Jost

Wir kennen alle das Gefühl der Langeweile, das entsteht, wenn eine Aktivität zu einfach oder zu schwierig ist. Aus psychologischer Sicht stimmen in solchen Situationen die individuell verfügbaren kognitiven Ressourcen und die Anforderungen der laufenden Aufgabe nicht überein.

Wann entsteht Langweile und warum?

Langeweile wird aber auch ausgelöst, wenn die laufende Aufgabe sinnlos ist. Dabei besteht eine Inkongruenz zwischen den individuellen Zielen und dem Wert der laufenden Aufgabe.

Wenn wir die - zu einfache / zu schwierige oder sinnlose - Aufgabe trotzdem ausführen müssen, entsteht Langeweile. Dies ist ein unangenehmer Zustand, oft begleitet von einer Verlangsamung der Zeit; unsere Gedanken wandern, wir fühlen uns unruhig, und wir haben einen Wunsch nach Veränderung.


Die überraschende Funktion der Langweile

Langeweile ist ein aufsteigendes und sich schnell entwickelndes Forschungsgebiet, das von immer mehr Forschenden untersucht wird.

Ursprünglich als ein mentaler Zustand mit geringem Nutzen betrachtet, herrscht heute Einigkeit darüber, dass Langeweile eine wichtige Rolle im menschlichen Verhalten spielt.

In aktuellen Studien wurde die Wichtigkeit von Langeweile untermauert, denn es hat sich gezeigt, dass Langeweile eine notwendige Verhaltensänderung signalisiert, und bewirkt somit das Verfolgen von neuen Aktivitäten und Zielen.

Langeweile hat also eine adaptive Funktion, indem sie uns dabei hilft, uns an neue Situationen besser und effizienter anzupassen. Sie bringt uns dazu, Verhaltensalternativen zu erkunden, die möglicherweise positive Konsequenzen haben.

Es gibt in den letzten Jahren immer mehr wissenschaftliche Untersuchungen zum Thema, Forschende führen sowohl experimentelle als auch korrelative Studien durch.

Dabei werden verschiedene Methoden zur Messung von Langeweile verwendet, wie Befragungen zum Erleben von Langeweile, physiologische Masse (z.B. Herzrate oder Hautleitwiderstand) und neurowissenschaftliche Verfahren (z.B. funktionelle Magnetresonanztomographie).

Viele Menschen verbinden mit dem Begriff Langeweile Negatives. Das ist nicht erstaunlich, weil in der Vergangenheit gezeigt wurde, dass Langeweile mit verschiedenen negativen Verhaltensweisen zusammenhängt.

Leute, denen häufiger langweilig ist, konsumierten zum Beispiel tendenziell mehr Alkohol und Drogen und zeigten höheren pathologischen Internetkonsum, insbesondere in Bezug auf soziale Netzwerke. An dieser Stelle muss angemerkt werden, dass es sich hier um Gruppenstatistiken handelt (es kann also aufgrund dieser Resultate nicht auf Einzelpersonen geschlossen werden).

Langeweile ist aber nicht negativ per se. Eine neuere Forschung hat gezeigt, dass Langeweile ein starker Motivator für sowohl negatives (z.B. pathologischen Internetkonsum) als auch positives (z.B. Kreativität) Verhalten ist.


Gehirn als Vorhersage-Maschine

Das menschliche Gehirn kann nicht die ganze Komplexität der Welt erfassen. Es will Ordnung herstellen, weshalb es interne Modelle über die Welt erschafft.

Interne Modelle sind also eine vereinfachte Darstellung davon, wie die Welt funktioniert. Unser Gehirn aktualisiert nun diese internen Modelle über die Aussenwelt ständig (Friston, 2010). Basierend auf solchen internen Modellen kann das menschliche Gehirn zusätzlich auf den aktuellen Zustand der Welt schliessen und auch zukünftige Zustände vorhersagen.

Unsere Vorhersage (durch das interne Modell) und die Realität stimmen aber nicht immer überein. Wenn dies der Fall ist, sprechen wir vom Vorhersagefehler.

Letzterer spielt in der Free Energy Theory eine wichtige Rolle. Diese Theorie besagt, dass biologische Wesen immer danach streben, den Vorhersagefehler zu minimieren.

Bei einem Vorhersagefehler war das interne Modell nicht gut genug, und es muss angepasst werden; so verfeinert das Gehirn also die internen Modelle immer weiter und es wird immer besser.

Warum sollten sich biologische Wesen überhaupt in neue, unbekannte Situationen begeben, in welchen die internen Modelle schlecht sind und somit mit grosser Wahrscheinlichkeit ein Vorhersagefehler entsteht?

Es wäre auch möglich, immer in der gleichen bekannten Situation zu bleiben, in der kein Vorhersagefehler gemacht wird.

Allgemeiner wirft dies die Frage auf, wieso wir überhaupt erkundendes Verhalten zeigen und damit auch, was der Mechanismus ist, der biologische Wesen dazu veranlasst, sich auf neue Situationen einzulassen.

 

Langeweile als Lösung?

Laut Gomez-Ramirez und Costa (2017) lautet die Antwort Langeweile.

Aus ihrer Sicht ist letztere direkt mit Explorationsverhalten verknüpft. Laut ihrer Theorie ist die Langeweile, die dazu führt, dass wir neue Situationen suchen.

Sie argumentieren, dass in mathematischen Modellen, die versuchen, die Zukunft so gut wie möglich vorherzusagen, Langeweile als Faktor integriert werden sollte.

Diese Modelle gelten für alle Systeme, die den Vorhersagefehler minimieren wollen (also auch Menschen).

Denn Langeweile zeigt an, ob man in einer Situation bleiben und die Vorteile der Situation nutzen sollte oder ob man es wagen sollte, sich in eine neue Situation mit potenziell grösseren Vorteilen zu begeben.

Folglich ist sie laut den Autoren ein Indikator dafür, ob es sich lohnt, eine Situation weiter zu erkunden oder nicht. In dieser Theorie löst Langeweile also die Suche nach neuen Informationen aus.


Sollten sich künstlich intelligente Systeme langweilen?

Künstliche Intelligenz gilt heutzutage als grosser Trend, in verschiedensten Branchen werden immer mehr künstlich intelligente Systeme eingesetzt.

Dabei gibt es viele Systeme, die sich auf eine Aufgabe spezialisieren und diese immer weiter verbessern - wie etwa ein künstlich intelligenter Schachcomputer.

Auf der anderen Seite wird aber auch über Systeme geforscht, die sich in verschiedensten Aufgaben (domänenübergreifend) selbst weiterentwickeln. Sie sollten also ihre Umgebung aktiv erkunden und damit ihr Modell über die Aussenwelt aktualisieren.

Wenn also Langeweile Explorationsverhalten antreibt und steuert, stellt sich die Frage, ob Langeweile auch in künstlich Intelligente Systeme eingebaut werden sollte.

Ob dies gewünscht und / oder möglich ist, bleibt eine offene Frage, deren Thematisierung zukünftigen interdisziplinären Diskussionen und Forschungsprojekten vorbehalten bleibt.


Referenzen


Gomez-Ramirez, J., & Costa, T. (2017). Boredom begets creativity: A solution to the exploitation-exploration trade-off in predictive coding. Bio Systems, 162, 168-176.
Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11, 127–138.


Zum Weiterlesen

 

Wolff, W., & Martarelli, C. S. (2020). Bored into depletion? Towards a tentative integration of perceived self-control exertion and boredom as guiding signals for goal-directed behavior. Perspectives on Psychological Science. 15, 1272-1283.