Da Systeme der künstlichen Intelligenz (KI) zunehmend "menschliches Niveau" oder "übermenschliche" Leistungen beanspruchen, bleiben grundlegende Annahmen über Intelligenz untertheoretisiert. Bestehende Diskurse zu KI-Sicherheit und -Ausrichtung rahmen Intelligenz oft als körperlos, universal und messbar ein – wobei westlich-zentrierte Benchmarks wie logisches Denken, sprachliche Kompetenz und Rechengeschwindigkeit verstärkt werden. Diese enge Rahmung birgt das Risiko, ein technokratisches Modell der Ausrichtung zu legitimieren, das vielfältige kulturelle und epistemische Perspektiven ausschließt. Dieser Artikel untersucht, wie dominante Vorstellungen von Intelligenz im zeitgenössischen KI-Governance-Kontext konstruiert und angefochten werden. Basierend auf einem Mixed-Methods-Design kombiniert die Studie eine kritische Diskursanalyse grundlegender Texte führender KI-Labore (OpenAI, DeepMind, Anthropic) mit zwanzig semi-strukturierten Interviews mit KI-Forschern, Ethikern und interdisziplinären Wissenschaftlern. Die Analyse zeigt, dass das vorherrschende Konzept von "Superintelligenz" Optimierung, Vorhersage und Kontrolle bevorzugt – während moralisches Denken, relationales Verstehen und verkörperte oder situierte Wissensformen marginalisiert werden. Als Antwort darauf schlägt der Artikel eine pluralistische Neufassung maschineller Intelligenz vor, die auf kognitiver Vielfalt, kultureller Epistemologie und partizipativer Governance basiert. Er plädiert für eine Erweiterung von Benchmarks, Sicherheitsprotokollen und Ausrichtungsrahmen, um diverse Werte und kognitive Stile widerzuspiegeln. Konkrete Wege zur Operationalisierung dieses Wandels umfassen sorgfältigkeitsorientierte Sicherheitsprüfungen, epistemisch diverse Bewertungsmetriken und polyzentrische Governance-Strukturen. Durch die Dekenterung dominanter techno-wissenschaftlicher Paradigmen leistet der Artikel einen Beitrag zu einer inklusiveren und sozial verankerten Vision der KI-Governance. Diese Neufassung ist bedeutsam, um öffentliches Vertrauen zu erhöhen, epistemische Ungerechtigkeit zu mindern und Ausrichtungsstrategien zu entwickeln, die nicht nur sicher, sondern auch gerecht und kontextuell relevant auf globaler Ebene sind.
Building similarity graph...
Analyzing shared references across papers
Loading...
Achi Iseko
International Journal of Science Technology and Society
Oldham Council
Building similarity graph...
Analyzing shared references across papers
Loading...
Achi Iseko (Mi,) untersuchte diese Fragestellung.
www.synapsesocial.com/papers/68c1d9a154b1d3bfb60fbbc4 — DOI: https://doi.org/10.11648/j.ijsts.20251304.14
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: