Eine Minute vor Mitternacht
Um über Technologie zu sprechen, muss man zunächst über Zeit sprechen. Nicht, weil jede Erfindung ein Datum braucht, sondern weil der Abstand, der eine Transformation von einer anderen trennt, Teil ihrer Bedeutung ist. Es gibt Skalen, die wir uns vorstellen können, weil sie in unsere Erfahrung passen: ein Jahr, ein Jahrzehnt, die Dauer eines Lebens. Jenseits dieser Grenze wird Zeit zu einer Zahl, die wir verstehen, ohne sie uns vorstellen zu können. Wir wissen, dass eine Million Jahre viel mehr ist als hunderttausend, aber beide nehmen in unserer Intuition einen ähnlichen Platz ein: eine ferne Vergangenheit, in der die Unterschiede nahezu ununterscheidbar werden.
Diese Schwierigkeit verzerrt die Art und Weise, wie wir über Technik denken. Stein, Feuer, Landwirtschaft, Schrift, Dampfmaschine und Computer erscheinen als aufeinanderfolgende Phasen desselben Weges, geordnet mit einer Regelmäßigkeit, die nie existierte. Zwischen den ersten Transformationen lagen Hunderttausende von Jahren; zwischen den jüngsten, kaum ein paar Jahre. Um diese Beschleunigung sichtbar zu machen, werden wir die technische Geschichte der Menschheit innerhalb eines Kalenders von nur einem Jahr durchlaufen. Der 1. Januar beginnt mit der Oldowan-Technologie, einer der ersten weit verbreiteten und erkennbaren Steinbearbeitungstraditionen. Die Mitternacht des 31. Dezember markiert die Gegenwart. Es geht nicht darum, zu behaupten, dass jeder Fortschritt unweigerlich zum nächsten führte, sondern darum, den Weg zu rekonstruieren, der unsere Welt schließlich ermöglichte: welche Fähigkeit entstand, wie lange es dauerte, bis sie entstand, und welche neuen Bedingungen sie hinterließ.
Während eines Großteils dieses Kalenders konnte eine technische Form länger bestehen als ganze Arten. Jetzt hingegen können mehrere aufeinanderfolgende Transformationen das Leben eines einzelnen Menschen durchlaufen. Wir können sie als Individuen erfahren, aber als Spezies haben wir nicht die gleiche Zeit, um sie zu verstehen. Wir haben gelernt, die Welt mit einer viel höheren Geschwindigkeit zu transformieren, als wir verstehen können, in was wir sie transformieren.
1. Januar – Die Welt kann verändert werden
Das Jahr beginnt mit der Oldowan-Technologie. Ein Hominide schlägt einen Stein gegen einen anderen; durch den Aufprall löst sich ein scharfer Splitter, während der Kern von scharfen Kanten gezeichnet wird. Die Geste scheint elementar, enthält aber einen entscheidenden Unterschied zur gelegentlichen Verwendung eines gefundenen Objekts: Der Stein wird nicht mehr so akzeptiert, wie er erscheint, sondern es wird darauf eingewirkt, um eine Eigenschaft zu erzeugen, die er vorher nicht besaß.
Die Bedeutung der Oldowan-Technologie liegt nicht nur in den erhaltenen Werkzeugen, sondern darin, dass sie eine erkennbare Tradition darstellt, die sich über einen immensen Zeitraum über Gebiete und Generationen hinweg ausbreitete. Diese Kontinuität deutet darauf hin, dass die Operation übermittelt und gelehrt werden konnte. Wichtig war nicht nur, eine Schneide zu erzeugen, sondern zu wissen, wie man es wiederholt.
Eine Fähigkeit, die der Körper allein nicht besitzt, geht so in ein äußeres Objekt über. Eine schärfere Klaue hätte viele Generationen biologischer Veränderungen erfordert; ein schneidfähiger Splitter konnte während des Lebens des Individuums, das ihn benötigte, hergestellt, transportiert und reproduziert werden. Technik beginnt, wenn eine Transformation nicht mehr von einem isolierten Fund abhängt und zur Tradition werden kann.
In den ersten Monaten unseres Kalenders ändert sich diese Tradition mit einer Geschwindigkeit, die aus heutiger Sicht fast unbeweglich erscheint. Unzählige Generationen werden geboren und verschwinden innerhalb derselben technischen Form, die für jede von ihnen so stabil war wie die Berge der Landschaft.
29. April – Das Objekt existiert, bevor es fertig ist
Wir müssen bis zum 29. April, etwa 840.000 Jahre, warten, um die ersten Acheuléen-Faustkeile zu finden. Der Unterschied besteht nicht einfach darin, einen Stein stärker zu behauen. Die Herstellung eines Faustkeils erfordert die Bearbeitung beider Seiten, das Aneinanderreihen von Abspaltungen, das Korrigieren von Unregelmäßigkeiten und das Beibehalten einer allgemeinen Form über eine längere Zeitspanne. Wer ihn behaut, reagiert nicht nur auf das Ergebnis des letzten Schlags: Er vergleicht das Produzierte mit einem Objekt, das noch ausschließlich in seinem Kopf existiert. Die endgültige Form ist in der Materie nicht vorhanden, leitet aber bereits die Arbeit. Das Werkzeug erscheint zuerst als Projekt.
Dieser Abstand markiert die erste große Wartezeit unserer technischen Geschichte: etwa 840.000 Jahre, um von einer Behauungsform, die auf die Gewinnung nützlicher Abschläge und Schneiden konzentriert war, zu einer anderen zu gelangen, die Planung und Konfiguration des gesamten Steins auf beiden Seiten erfordert.
5. November – Eine Transformation über die Zeit aufrechterhalten
Seit dem Auftauchen der ersten Faustkeile sind 1,36 Millionen Jahre vergangen. In unserem Kalender ist es bereits der 5. November, als eine bewusste Kontrolle des Feuers festgestellt werden kann, die es ermöglicht, es zu erzeugen, zu erhalten und zu nutzen, ohne von einem natürlichen Brand abhängig zu sein. Der Stein hatte es ermöglicht, Materie durch ein Objekt zu verändern; Feuer ermöglicht es, Energie zu lenken und eine Transformation aufrechtzuerhalten, solange die notwendigen Bedingungen beibehalten werden.
Kochen verlagert einen Teil der Verdauungsarbeit aus dem Körper, erweitert das, was gegessen werden kann, und beseitigt schädliche Substanzen. Feuer schützt, beleuchtet und transformiert auch Materialien. Seine tiefgreifendste Neuheit liegt jedoch nicht nur in seinen Anwendungen, sondern darin, dass es einen Prozess einführt, der über die Zeit aufrechterhalten werden muss. Man muss es füttern, schützen, überwachen und neu erzeugen.
Diese Kontinuität hängt nicht nur von einem Individuum ab, sondern von der Gruppe. Feuer kann überleben, weil verschiedene Personen nacheinander die Bedingungen aufrechterhalten, die es aktiv halten. Die technische Fähigkeit hört somit auf, nur in einem Objekt zu liegen, und geht auch in einen kollektiven Prozess über, der durch eine kontinuierliche Kette von Handlungen bewahrt werden muss. Mehr als zehn Monate unseres Jahres hatte jede Nacht die Welt in Dunkelheit zurückgeführt.
30. Dezember, vormittags – Auf eine Zukunft handeln, die noch nicht existiert
Die nächste große Transformation kommt am Morgen des 30. Dezember, etwa 390.000 Jahre später. Die Landwirtschaft entsteht nicht an einem einzigen Ort und ersetzt nicht sofort die Jagd und das Sammeln, aber sie führt eine andere Beziehung zur Zukunft ein. Anbau erfordert die Auswahl von Samen, die Vorbereitung des Bodens, die Kontrolle des Wassers, den Schutz der Ernte und das Warten auf ein Ergebnis, das noch nicht existiert. Der Faustkeil hatte erfordert, eine Form vorwegzunehmen; die Landwirtschaft zwingt dazu, einen Zyklus vorwegzunehmen und die Umgebung zu modifizieren, damit er sich wiederholen kann.
Diese Intervention beschränkt sich nicht auf Pflanzen. Durch die Auswahl, welche Tiere sich vermehren, welche erhalten bleiben und welche Merkmale nützlich sind, beginnen die Gemeinschaften auch, andere Arten über Generationen hinweg zu verändern. Die Technik wirkt nicht mehr nur auf Objekte oder lokalisierte Prozesse, sondern beginnt, die Landschaft, biologische Zyklen und Lebewesen zu modifizieren.
In einigen Gesellschaften ermöglicht der landwirtschaftliche Überschuss einem Teil der Bevölkerung, sich stabiler anderen Aufgaben zu widmen. Die Erfahrung konzentriert sich, das kollektive Wissen nimmt zu und verteilt sich auf spezialisierte Personen. Doch je mehr die Gemeinschaft weiß, desto weniger der notwendigen Fähigkeiten, um ihr Leben allein aufrechtzuerhalten, besitzt jedes Individuum. Die Fähigkeit des Ganzen wächst gleichzeitig mit der Abhängigkeit zwischen seinen Mitgliedern.
Wenn diese Organisation eine ausreichende Größe erreicht, entsteht auch die Notwendigkeit, Lagerbestände, Eigentum, Tauschgeschäfte und Verpflichtungen aufzuzeichnen. Die Landwirtschaft produziert nicht nur Nahrung. Sie produziert auch Rechnungen.
31. Dezember, vormittags – Das Gedächtnis verlässt den Körper
Die Schrift erscheint am Morgen des 31. Dezember, etwa siebentausend Jahre später. Das Gedächtnis verlässt dann seine ausschließliche Abhängigkeit von den erinnernden Personen. Eine Menge wird zu einem Zeichen; ein Name bleibt, wenn der, der ihn ausgesprochen hat, nicht mehr da ist; eine Verpflichtung kann nachgeschlagen werden, wenn ihre Protagonisten ihre Bedingungen vergessen haben.
Diese Dauerhaftigkeit erweitert auch die Fähigkeit der Macht, die Gesellschaft zu organisieren und ihren Einfluss auszudehnen. Gesetze können als Referenz fixiert, Steuern und Überschüsse aufgezeichnet, Ressourcen verwaltet und Befehle an weit entfernte Gebiete übermittelt werden. Die Schrift ermöglicht es, Menschen, Produktion und Verpflichtungen zu koordinieren, ohne von der direkten Anwesenheit der Regierenden oder dem Gedächtnis der an jedem Austausch Beteiligten abhängig zu sein.
Eine schriftliche Idee kann Generationen überdauern, ohne dass jemand sie ständig in seinem Gedächtnis bewahren muss. Sie kann auch erneut gelesen, geteilt, verglichen und korrigiert werden. Wissen erlangt so eine neue Stabilität, obwohl es Jahrtausende lang knapp bleiben wird: Jede Tafel muss beschrieben und jede Rolle oder jeder Kodex von Hand kopiert werden. Die Schrift löst die Permanenz des Wissens, aber noch nicht seine Verbreitung.
31. Dezember, 22:00 Uhr – Wissen vervielfacht sich
Wir müssen bis zehn Uhr abends am letzten Tag warten, bis die europäische Buchdruckerkunst die Vervielfältigung von Texten vervielfacht. Etwa 4.600 Jahre sind seit den ersten Schriften vergangen. Der Kopist wiederholt die Arbeit an jedem Exemplar; die Druckmaschine verlagert diesen Aufwand auf die Vorbereitung einer Matrix, die viele produzieren kann. Die Veränderung besteht nicht nur darin, Bücher schneller herzustellen, sondern die Produktion des Inhalts von der Reproduktion jeder Kopie zu trennen.
Wissen tritt so in eine Logik ein, die später für die Fabrik typisch sein wird: Der Aufwand konzentriert sich auf den Aufbau eines Systems, das in der Lage ist, eine Einheit zu wiederholen, anstatt sie jedes Mal vollständig neu aufzubauen. Derselbe Text kann weit voneinander entfernte Leser erreichen, Versionen können verglichen werden und eine Ausgabe kann die vorherige korrigieren.
Die Druckmaschine vervielfacht nicht nur Bücher: Sie vervielfacht die Orte, von denen aus neues Wissen produziert werden kann. Je mehr Wissen zirkuliert, desto mehr Menschen können darauf aufbauen, es kombinieren und erweitern. Die Beschleunigung beginnt dann, auf ihre eigenen Bedingungen zu wirken. Nach der Druckmaschine genügen kaum zwei Stunden unseres Kalenders, bis Industrie, Computer, Internet, Smartphone und künstliche Intelligenz erscheinen.
31. Dezember, 23:00 Uhr – Die Maschine beginnt, Maschinen zu bauen
Um elf Uhr abends, nur eine Stunde später in unserem Kalender, wandelt die Dampfmaschine Energie in regelmäßige mechanische Arbeit um. Im Jahr 1712 pumpt die Newcomen-Maschine das Wasser aus den Kohlengruben; diese Kohle treibt später neue Maschinen an, die noch mehr fördern können. Die Technik beginnt, die materiellen Bedingungen für ihr eigenes Wachstum zu schaffen.
Spätere Verbesserungen reduzieren den Verbrauch und wandeln die Bewegung des Kolbens in Rotation um. Dampf treibt nicht mehr nur Pumpen an, sondern wird zu einer allgemeinen Kraftquelle, die Webstühle, Hämmer, Mühlen und Fahrzeuge antreiben kann. Die Produktion hängt nicht mehr vollständig von menschlicher oder tierischer Kraft oder dem Ort ab, an dem der Wind weht oder Wasser strömt. Energie kann dort konzentriert und kontinuierlich genutzt werden, wo die Industrie sie benötigt.
Die Fabrik vereint diese Energie mit Materialien, Arbeitern und Maschinen in einem Raum. In der Werkstatt folgte das Werkzeug dem Tempo des Handwerkers; in der Fabrik beginnt die Arbeit, dem konstanten Tempo der Maschine zu folgen. Der Arbeitstag, die Pünktlichkeit und die Synchronisation erhalten einen neuen wirtschaftlichen Wert. Die Uhr beschränkt sich nicht mehr darauf, den Tagesverlauf zu messen, sondern beginnt auch, die Produktion zu organisieren, die Zeit einzuteilen und die Leistung zu messen.
Die industrielle Transformation bleibt nicht auf die Fabrik beschränkt. Dampf fördert Kohle; Kohle treibt Motoren und Öfen an; Eisen und Stahl ermöglichen den Bau neuer Werkzeuge, Schienen, Schiffe, Brücken und Gebäude. Die Eisenbahn verbindet Minen, Fabriken, Häfen und Städte, während der Telegraf die Bewegungen von Waren, Personen und Informationen über Distanz koordiniert. Produktion, Transport, Energie und Kommunikation beginnen, einen interdependenten Kreislauf zu bilden.
Die Maschinen selbst erfordern außerdem immer präzisere Teile. Drehbänke, Bohr- und Fräsmaschinen ermöglichen die Herstellung von Komponenten für andere Mechanismen mit einer Genauigkeit, die nicht mehr vollständig von individueller Geschicklichkeit abhängt. Eine bessere Maschine ermöglicht es, die nächste mit höherer Präzision zu bauen. Die Industrie beschränkt sich somit nicht mehr auf die Produktion von Objekten: Sie produziert die Werkzeuge, die Energie und die Infrastrukturen, die für die Beschleunigung ihrer eigenen Entwicklung notwendig sind.
31. Dezember, 23:45 Uhr – Die programmierbare Maschine
Um 23:45 Uhr, etwa 235 Jahre nach der Newcomen-Maschine, entsteht der Computer. Die ersten elektronischen Computer nehmen ganze Räume ein und verwenden Tausende von Komponenten, um Berechnungen durchzuführen, die zuvor lange menschliche Prozesse erforderten. 1947 erscheint der Transistor, kleiner, widerstandsfähiger und effizienter als die bis dahin zur Steuerung elektrischer Signale verwendeten Röhren. Seine Bedeutung liegt nicht nur darin, was jede Einheit leisten kann, sondern in der Menge, die in einem Schaltkreis zusammengeführt werden kann.
Die Industrie wendet so ihre Fähigkeit zur Serienproduktion auf Komponenten an, die Informationen darstellen und transformieren können. Die integrierte Schaltung vereint mehrere Transistoren in einem Bauteil, und die Miniaturisierung beginnt sich selbst zu verstärken: Computer helfen, komplexere Schaltkreise zu entwerfen, und diese Schaltkreise produzieren leistungsfähigere Computer, mit denen die nächste Generation entworfen und hergestellt werden kann.
Aber die entscheidende Transformation ist nicht nur die Steigerung der Rechenkapazität. Eine Industriemaschine ist dafür gebaut, eine bestimmte Operation auszuführen; der Computer kann je nach den Anweisungen, die er erhält, unterschiedliche Funktionen ausführen. Die Programmierung ermöglicht es, diese Anweisungen zu beschreiben, zu speichern, zu kopieren, zu verbessern und erneut auszuführen, ohne die Maschine physisch neu aufbauen zu müssen.
Das Verfahren ist somit nicht mehr vollständig in der Form des Mechanismus festgelegt. Um die Funktion der Maschine zu ändern, ist es nicht mehr notwendig, eine andere zu bauen: Es genügt, das Programm zu ändern, das ihr Verhalten organisiert. Die Technik beginnt nicht nur auf Materie und Energie zu wirken, sondern auch auf ihre eigenen Verfahren.
Es bleiben nur fünfzehn Minuten bis Mitternacht. In diesem kurzen Zeitraum werden der Personal Computer, das Internet, das Smartphone und die künstliche Intelligenz erscheinen.
31. Dezember, 23:50 Uhr – Digitale Informationen vervielfachen sich
Fünf Minuten später zeigt unser Kalender 23:50 Uhr an. Im Jahr 1971 erscheint der Mikroprozessor, der die zentralen Funktionen eines Computers in einem einzigen Chip konzentriert. Die Rechenleistung beginnt, die großen Anlagen zu verlassen und, mit dem späteren Aufkommen des Personal Computers, schrittweise in Büros, Schulen und Haushalte einzuziehen.
Bis dahin bestand die Digitalisierung vor allem darin, bereits bestehende Informationen auf anderen Medien – Dokumente, Aufzeichnungen, Bilder oder Berechnungen – in ein Format zu konvertieren, das die Maschine verarbeiten konnte. Mit dem Personal Computer geschieht etwas anderes: Ein wachsender Teil der intellektuellen Arbeit beginnt direkt im digitalen Format zu entstehen. Texte, Berechnungen, Designs, Programme und Bilder müssen danach nicht mehr in Daten umgewandelt werden, weil sie von Anfang an innerhalb einer Maschine produziert werden.
Die Druckmaschine hatte die Kosten für die Reproduktion eines Inhalts gesenkt; der Computer verteilt auch die Fähigkeit, ihn zu produzieren und zu transformieren. Eine Datei kann gesucht, kopiert, verglichen, neu organisiert und mit anderen kombiniert werden, ohne die digitale Umgebung zu verlassen. Informationen sind nicht mehr nur etwas, das umgewandelt werden muss, damit die Maschine sie verarbeiten kann: Ein wachsender Teil davon entsteht bereits in einem Format, auf das von Anfang an direkt eingewirkt werden kann.
31. Dezember, 23:53 Uhr – Die Digitalisierung wird global
Um 23:53 Uhr, im Jahr 1991, ermöglicht die öffentliche Einführung des World Wide Web die Organisation und Abfrage von Informationen, die über das Internet zirkulieren, mittels verknüpfter Seiten. Eine Datei ist nicht länger auf den Computer oder das physische Medium beschränkt, auf dem sie erstellt wurde: Sie kann an einem Ort veröffentlicht und von Millionen von Menschen von überall auf der Welt abgerufen werden. Digitale Informationen können nicht nur leicht reproduziert, sondern auch kontinuierlich über eine gemeinsame Infrastruktur zirkulieren.
Diese Fähigkeit führt zu einer neuen Fülle. Wenn Dokumente in Millionen zählen, reicht es nicht mehr aus, sie zu veröffentlichen: Man muss sie finden, miteinander in Beziehung setzen und entscheiden, welche vor anderen erscheinen sollen. Um dieses Problem zu lösen, entstehen Suchmaschinen, die das Netz durchsuchen, verfügbare Seiten registrieren, ihre Links analysieren und Indizes erstellen, die eine Anfrage beantworten können.
Die Beziehungen zwischen den Seiten reichen jedoch nicht aus, um zu bestimmen, welches Ergebnis für eine Person am nützlichsten sein könnte. Suchmaschinen beginnen dann auch zu registrieren, welche Wörter verwendet werden, welche Ergebnisse ausgewählt werden, welche ignoriert werden und was nach jeder Suche geschieht. Die Aktivität der Benutzer liefert Signale, die es ermöglichen, Informationen nach ihrer wahrscheinlichen Relevanz neu zu organisieren und die Reihenfolge, in der sie präsentiert werden, schrittweise zu korrigieren.
Plattformen erweitern diese Logik. Ein wachsender Teil der Aktivität findet nicht mehr auf offenen Seiten statt, sondern innerhalb von Diensten, die von Unternehmen kontrolliert werden. Konversationen, Einkäufe, Orientierung, Musikhören, Videos ansehen, Arbeiten oder sich präsentieren erzeugen Inhalte, hinterlassen aber auch Aufzeichnungen darüber, wie diese Inhalte genutzt werden: wer darauf zugreift, von wo, wie lange, in welcher Reihenfolge und mit welcher späteren Reaktion.
Das Netz beginnt so, zwei verschiedene Informationsschichten zu enthalten. Die erste besteht aus den Texten, Bildern, Videos, Programmen und Nachrichten, die darüber zirkulieren. Die zweite zeichnet die Beziehungen zwischen diesen Inhalten und den Personen, die sie nutzen, auf: was sie suchen, was sie auswählen, was sie aufgeben, was sie wiederholen und was sie womit assoziieren. Eine beschreibt, was im Netz existiert; die andere, wie Millionen von Menschen es durchqueren und ihm Wert zuschreiben.
Der entscheidende Unterschied tritt in der Art und Weise auf, wie beide Schichten verteilt sind. Die Inhalte können auf Millionen von Seiten, Geräten und Benutzern verteilt sein, während die Aufzeichnungen ihrer Nutzung hauptsächlich bei den Unternehmen konzentriert sind, die die Suchmaschinen, Plattformen und Rechenzentren kontrollieren. Diese Organisationen besitzen nicht alle Informationen des Internets, aber sie sammeln etwas an, das kein Benutzer allein rekonstruieren kann: eine aggregierte Ansicht darüber, wie Millionen von Menschen Inhalte finden, miteinander in Beziehung setzen, auswählen und bewerten. Sie kontrollieren nicht nur einen Teil der Dateien, sondern die Karte, die Informationen mit dem Verhalten der Nutzer verbindet.
31. Dezember, 23:56 Uhr – Das tägliche Leben wird zu Daten
Seit dem Erscheinen des Mikroprozessors sind sechsunddreißig Jahre vergangen und etwa sechzehn seit der Ausbreitung des World Wide Web. In unserem Kalender ist es 23:56 Uhr. Im Jahr 2007 erscheint das moderne Smartphone: ein vernetzter Computer, der Kamera, Mikrofon, Geolokalisierung, Navigation, Kontakte, Zahlungen, Unterhaltung, Arbeit und den Zugang zu Diensten in einem Objekt vereint, das seinen Nutzer permanent begleitet. Computing ist nicht mehr ein Ort, den man aufsucht, sondern beginnt, ein Medium zu werden, in dem ein wachsender Teil des täglichen Lebens stattfindet.
Die Digitalisierung hatte bereits mehrere Phasen durchlaufen. Zuerst war es eine spezialisierte Aktivität: Institutionen, Unternehmen und Verwaltungen wandelten bestimmte Dokumente oder Aufzeichnungen in Informationen um, die Maschinen verarbeiten konnten. Später, mit dem Personal Computer, begann ein wachsender Teil der intellektuellen Arbeit direkt im digitalen Format zu entstehen. Das Internet fügte eine weitere Dimension hinzu: Suchen, Klicks und Entscheidungen, die innerhalb bestimmter Plattformen getroffen wurden, begannen, Informationen über das Verhalten der Nutzer zu hinterlassen.
Das Smartphone erweitert diese Digitalisierung des Verhaltens auf ein neues Ausmaß. Die Aufzeichnung ist nicht mehr auf die Momente beschränkt, in denen eine Person vor einem Computer sitzt oder einen bestimmten Dienst nutzt. Eine Konversation, ein Foto, eine Suche, ein Kauf, eine Bewegung oder eine Wahl kann als Teil der Aktion selbst einen digitalen Fußabdruck hinterlassen. Indem das Gerät den Nutzer den ganzen Tag begleitet, verbindet es diese Aktivitäten mit ihrer Zeit, ihrem Standort, ihrer Abfolge und dem Kontext, in dem sie stattfinden. Das tägliche Leben beginnt so nicht nur Inhalte zu produzieren, sondern auch eine immer kontinuierlichere Darstellung derer, die sie erzeugen und nutzen.
Der Unterschied zwischen den beiden Formen der Digitalisierung ist entscheidend. Die Digitalisierung der Kultur produziert Texte, Bilder, Musik, Programme, Nachrichten und Videos. Die Digitalisierung des Verhaltens zeichnet die Beziehungen auf, die sich um sie herum entwickeln. Ein Foto kann mit einem Datum, einem Ort, einer Person und einer Beschreibung verknüpft werden. Eine Suche bewahrt die Frage, die angezeigten Ergebnisse und die getroffene Auswahl. Ein Weg hinterlässt Positionen, Zeiten und Ziele. Ein Lied, ein Video oder eine Nachricht können mit der Aufmerksamkeitsdauer, dem Abbruch, der Wiederholung und der späteren Reaktion verknüpft werden. Es wird nicht mehr nur registriert, welcher Inhalt existiert, sondern auch, wie er zirkuliert, wer ihn nutzt und was danach passiert.
Fast während der gesamten Menschheitsgeschichte war das Erstellen einer dauerhaften Aufzeichnung eine Minderheitenaktivität. Mit dem Internet und dem Smartphone werden Milliarden von Menschen gleichzeitig zu Produzenten von Texten, Bildern, Videos, Nachrichten und Programmen, aber auch von Informationen über ihre Präferenzen, Routen, Beziehungen und Entscheidungen. Sie nutzen Plattformen nicht, um Datensätze zu erstellen, sondern um zu kommunizieren, zu arbeiten, einzukaufen, sich zu orientieren, sich zu unterhalten oder sich zu präsentieren. Dabei erzeugen sie jedoch kontinuierlich eine Menge an Inhalten, Assoziationen, Entscheidungen und Antworten, die keine frühere Institution in diesem Ausmaß hätte sammeln können.
Diese Produktion ist außerordentlich verteilt, ihre Aufzeichnung jedoch nicht. Inhalte können zwischen Millionen von Nutzern und Diensten zirkulieren, während Informationen über das Verhalten hauptsächlich bei den Unternehmen konzentriert sind, die Plattformen, Betriebssysteme, Suchmaschinen und Rechenzentren kontrollieren. Millionen von Menschen erzeugen die Signale; eine sehr geringe Anzahl von Organisationen behält die Möglichkeit, sie als Ganzes zu sammeln, in Beziehung zu setzen und zu analysieren.
31. Dezember, 23:57 Uhr – Die Maschine lernt von Beispielen
Es sind nur fünf Jahre seit dem Erscheinen des modernen Smartphones vergangen. In unserem Kalender ist es bereits 23:57 Uhr. Bis dahin führten Programme explizit formulierte Anweisungen aus: Um eine Aufgabe zu lösen, musste jemand beschreiben, welche Eigenschaften gesucht und welche Antwort produziert werden sollte. Diese Methode funktionierte bei Problemen, die auf präzise Regeln reduzierbar waren, stieß aber an Grenzen bei Fähigkeiten wie dem Erkennen eines Gesichts oder der Identifizierung eines Objekts, die Menschen ausüben, ohne alle notwendigen Operationen aufzählen zu können.
Maschinelles Lernen bietet einen anderen Weg. Anstatt eine vollständige Beschreibung der Fähigkeit einzugeben, wird dem System eine große Menge von Beispielen zur Verfügung gestellt. Die Maschine produziert eine Antwort, vergleicht sie mit dem korrekten Ergebnis und modifiziert ihre Parameter, um den Fehler zu reduzieren. Durch die Wiederholung des Prozesses an Millionen von Fällen findet sie Regelmäßigkeiten, die sie auf Bilder anwenden kann, die sie noch nie zuvor gesehen hat.
Im Jahr 2012 demonstriert AlexNet die Reichweite dieses Verfahrens. Das Netzwerk wird mit etwa 1,2 Millionen Bildern von ImageNet trainiert, die auf tausend Kategorien verteilt und zuvor von Menschen klassifiziert wurden. Bei jedem Bild berechnet es, zu welcher Kategorie es gehören könnte, vergleicht seine Antwort mit dem korrekten Label und passt seine internen Verbindungen an. Durch diese Wiederholung lernt es, Konturen, Texturen, Teile und immer komplexere Konfigurationen zu erkennen, ohne dass jemand sie einzeln beschreiben muss.
Die Idee, neuronale Netze zu trainieren, war nicht neu. Was sich ändert, ist die verfügbare Skala. Digitale Kameras und das Internet hatten Millionen von Bildern produziert und gesammelt; die menschliche Klassifizierungsarbeit hatte sie in nutzbare Beispiele umgewandelt; Grafikprozessoren ermöglichten eine parallelisierbare Anzahl von Berechnungen, die zuvor unüberschaubar war. AlexNet erscheint, wenn das digitale Archiv, seine Organisation und die Fähigkeit, es zu verarbeiten, gemeinsam einen ausreichenden Schwellenwert erreichen, um deutlich bessere Ergebnisse als zuvor zu erzielen.
Die Konsequenz geht über die Bilderkennung hinaus. Eine ausreichend große Sammlung klassifizierter Dateien kann verwendet werden, um eine Fähigkeit zu generieren, die in keiner von ihnen explizit beschrieben war. Kein Foto allein erklärt, wie alle ähnlichen Bilder zu erkennen sind; diese Fähigkeit entsteht aus den Beziehungen, die das System beim Vergleich von Millionen von Fällen aufbaut.
Digitale Informationen sind somit nicht mehr nur das, was ein Programm speichert, ordnet oder transformiert, indem es zuvor definierte Anweisungen befolgt. Sie können zu einer Reihe von Beispielen werden, die das System selbst modifizieren, um es in die Lage zu versetzen, auf neue Fälle zu reagieren. Die Fähigkeit muss nicht mehr im Voraus vollständig beschrieben werden: Sie kann aus Regelmäßigkeiten konstruiert werden, die in den Daten gefunden werden.
31. Dezember, 23:58 Uhr – Sprache wird zum Training
Fünf Jahre nach AlexNet, im Jahr 2017, zeigt unser Kalender 23:58 Uhr an. Das Lernen anhand von Beispielen hatte gezeigt, dass eine Maschine Fähigkeiten erwerben kann, die sich schwer in Regeln ausdrücken lassen, aber es hing weiterhin von einem kostspieligen menschlichen Eingriff ab: Um Bilder zu klassifizieren, musste jedes Foto zuvor einer korrekten Kategorie zugeordnet werden. Das gleiche Verfahren auf einen signifikanten Teil der Kultur anzuwenden, hätte das manuelle Etikettieren einer unüberschaubaren Menge von Wörtern, Phrasen und Texten erfordert.
Die Sprache stellte zudem eine andere Schwierigkeit dar. Ein Wort besitzt keine Bedeutung, die isoliert bestimmt werden kann, sondern hängt von den Beziehungen ab, die es zu anderen unterhält. Seine Funktion ändert sich je nach dem Satz, in dem es erscheint, dem Absatz, der es vorausgeht, oder einer viel früher eingeführten Referenz. Um Sprache zu verarbeiten, muss eine Maschine nicht nur jede Einheit darstellen, sondern auch, wie die einen den Sinn der anderen innerhalb jedes Kontexts modifizieren.
Im Jahr 2017 entsteht eine neue Architektur, die zur Lösung dieses Problems entwickelt wurde: der Transformer. Anstatt den Text nur als eine Abfolge von Wörtern zu verarbeiten, führt er einen Aufmerksamkeitsmechanismus ein, der berechnet, welche Beziehungen für die Interpretation jedes einzelnen relevant sind. Der Text wird in Einheiten aufgeteilt, die durch Zahlen dargestellt werden, und jede Einheit kann mit dem Subjekt des Satzes, mit einem mehrere Zeilen zuvor geschriebenen Pronomen oder mit einem anderen Begriff in Beziehung gesetzt werden, der seinen Sinn verändert. Durch die Wiederholung dieser Operation in verschiedenen Schichten konstruiert das Modell immer komplexere Darstellungen der grammatikalischen, konzeptuellen und strukturellen Abhängigkeiten, die den Text durchziehen.
Ihre Bedeutung liegt nicht nur in der besseren Darstellung des Kontexts. Die Architektur ermöglicht es, viele Beziehungen gleichzeitig zu berechnen und die Arbeit auf zahlreiche Prozessoren zu verteilen. Im Gegensatz zu Systemen, die den Text Schritt für Schritt durchlaufen mussten, kann sie leichter auf größere Modelle und viel größere Sprachmengen erweitert werden. Es bleibt jedoch noch zu klären, woher die zum Trainieren notwendigen korrekten Antworten stammen sollen.
Die digitale Sprache selbst liefert die Lösung. Im Gegensatz zu einem Foto, das ein hinzugefügtes Etikett benötigt, um anzuzeigen, was es enthält, behält ein Text die Sequenz, die gelernt werden soll, in sich. Man kann dem Modell einen Teil zeigen und es bitten, den nächsten vorherzusagen, oder eine Einheit verstecken und es auffordern, sie zu rekonstruieren. Die Antwort befindet sich bereits im Originaldokument. Jeder Text kann so in eine Abfolge von Übungen umgewandelt werden, ohne dass eine Person jeden Satz manuell klassifizieren muss.
Um seine Fehler zu reduzieren, muss das Modell entdecken, welche Wörter oft zusammen auftreten, wie Sätze konstruiert werden, welche Konzepte stabile Beziehungen unterhalten, wie eine Erklärung entwickelt wird oder welche Struktur ein Argument annimmt. Niemand führt eine vollständige Liste dieser Regelmäßigkeiten ein. Das System modifiziert seine Parameter, indem es jede Vorhersage mit der tatsächlichen Fortsetzung vergleicht, und nach der Wiederholung des Prozesses an immensen Textmengen integriert es Beziehungen, die es auf Sequenzen anwenden kann, die es noch nie zuvor gefunden hatte.
Das Training führt die Dokumente nicht als Bibliothek, die später exemplarisch abgefragt werden kann, in die Maschine ein. Es passt eine Parameterstruktur an, um Regelmäßigkeiten im Ganzen zu reproduzieren: Assoziationen zwischen Konzepten, syntaktische Formen, Stile, Abhängigkeiten zwischen Fragmenten und durch Worte ausgedrückte Verfahren.
Die Ausdehnung digitaler Informationen ist daher unerlässlich. Seit Jahrzehnten wurden Bücher, Artikel, Handbücher, Webseiten, Programme, Code-Repositories, Gespräche, Übersetzungen und Erklärungen für sehr unterschiedliche Zwecke erstellt. Diese Materialien wurden nicht geschaffen, um eine künstliche Intelligenz zu trainieren, sondern um zu forschen, zu lehren, zu informieren, zu verkaufen, zu diskutieren, zusammenzuarbeiten oder Probleme zu lösen. Da sie im digitalen Format verfügbar waren, konnten sie in einem Ausmaß gesammelt und verarbeitet werden, das keine eigens zur Erlernung einer Aufgabe erstellte Sammlung hätte erreichen können.
Das digitale Archiv ist somit nicht mehr nur ein Speicher, den eine Maschine speichern, ordnen oder abfragen kann. Es wird zum Material, aus dem eine allgemeine Sprachfähigkeit konstruiert werden kann. Die Schrift hatte Wissen von der Erinnerung derer getrennt, die es besaßen; der Buchdruck hatte seine Kopien vervielfacht; das Internet hatte sie in einem globalen Netzwerk verbunden. Der Transformer ermöglicht nun die Verarbeitung eines Teils dieses Archivs und die Anpassung einer Struktur, die in der Lage ist, eine neue Fähigkeit aus den darin angesammelten Regelmäßigkeiten zu erzeugen.
31. Dezember, 23:59 Uhr – Sprache wird zur Anweisung
Nur drei Jahre später, im Jahr 2020, zeigt unser Kalender 23:59 Uhr an: Es bleibt eine Minute bis Mitternacht. Die Transformer-Architektur hatte es ermöglicht, immer größere Modelle auf riesigen Textmengen zu trainieren. Die allgemeine Sprachfähigkeit löste jedoch nicht von selbst, wie sie auf konkrete Aufgaben angewendet werden sollte. Übersetzen, Zusammenfassen, Klassifizieren oder Beantworten von Fragen erforderte weiterhin in der Regel eine Anpassung des Modells, das Hinzufügen spezifischer Komponenten oder eine erneute Vorbereitung für jede Funktion.
Im Jahr 2020 erscheint GPT-3, ein großes Sprachmodell, das auf dieser Architektur aufbaut. Sein entscheidender Beitrag besteht darin, zu zeigen, dass dieselbe Struktur ableiten kann, welche Aufgabe sie aus dem empfangenen Text zu erfüllen hat. Es ist nicht erforderlich, dass jede Funktion durch ein neues Training integriert wird: Die Anweisung, die Beispiele und das erwartete Ergebnis können in den Kontext selbst aufgenommen werden.
Werden ihm mehrere Sätze zusammen mit ihren Übersetzungen gezeigt, kann er das Muster mit einem neuen fortsetzen. Erhält er einen Text zusammen mit einer Zusammenfassung, kann er versuchen, einen anderen zusammenzufassen. Werden ihm Beispiele präsentiert, die verschiedenen Kategorien zugeordnet sind, kann er einen späteren Fall klassifizieren. Das Modell ändert seine Parameter während dieser Aufgaben nicht. Es interpretiert die im Kontext vorhandenen Beziehungen und richtet eine während des Trainings erworbene Fähigkeit temporär danach aus.
GPT-3 verwandelt also nicht eine Maschine in viele verschiedene Maschinen. Es wandelt dieselbe Sprachfähigkeit in eine Basis um, von der aus verschiedene Funktionen mittels Sprache definiert werden können. Die Aufgabe hängt nicht mehr ausschließlich von einer Programmierung oder einer vorherigen Anpassung ab und kann innerhalb der eigenen Eingabe, die das System erhält, formuliert werden.
Die Sprache erhält so eine neue Funktion. Zuerst war sie das Material, aus dem das Modell lernte; jetzt wird sie auch zum Mittel, mit dem sein Verhalten gesteuert wird. Während der industriellen Phase erforderte die Änderung der Funktion einer Maschine die Modifikation ihres Mechanismus. Mit dem programmierbaren Computer genügte der Austausch des Programms. Mit GPT-3 kann ein Teil der Funktion konfiguriert werden, indem in gewöhnlicher Sprache beschrieben wird, welches Ergebnis gesucht wird, welche Bedingungen eingehalten werden müssen und welche Beispiele befolgt werden sollen.
Jedoch ist die Vorhersage einer wahrscheinlichen Fortsetzung noch keine angemessene Beantwortung einer Anfrage. Das digitale Archiv enthält strenge Erklärungen und Fehler, nützliche Anweisungen und widersprüchliche Fragmente, kooperative Gespräche und Aggressionen. Das Erlernen ihrer Regelmäßigkeiten ermöglicht die Produktion kohärenter Sprache, bestimmt aber nicht allein, welche Art von Antwort auf eine konkrete Absicht gegeben werden sollte.
Um diese allgemeine Fähigkeit in ein Werkzeug umzuwandeln, ist ein erneuter menschlicher Eingriff erforderlich. Es werden Beispiele für Anweisungen und Antworten vorbereitet, verschiedene Ausgaben verglichen und angegeben, welche als nützlicher, klarer oder sicherer erachtet werden. Das anfängliche Training hatte es ermöglicht, zu lernen, welche Fortsetzungen innerhalb der Sprache wahrscheinlich waren; die spätere Anpassung integriert Kriterien dafür, welche bei einer Anfrage bevorzugt werden sollten.
An diesem Punkt erscheint die zweite Informationsschicht, die durch die Digitalisierung erzeugt wird, wieder. Menschliche Entscheidungen, Korrekturen und Bewertungen können in Beispiele umgewandelt werden, mit denen das Verhalten des Modells gesteuert wird. Eine Person vergleicht zwei Antworten, weist auf einen Fehler hin oder zeigt, wie eine Aufgabe gelöst werden sollte, und dieser Eingriff liefert Informationen, die nicht ausschließlich in den Originaltexten enthalten waren. Nicht jedes Gespräch wird zum Training der Systeme verwendet und nicht jede Benutzeraktion erfüllt diese Funktion, aber menschliche Reaktionen können dazu verwendet werden, zu entscheiden, wie eine zuvor aus dem kulturellen Archiv konstruierte Fähigkeit angewendet werden sollte.
Am 30. November 2022 wird ChatGPT öffentlich gemacht. Die Konversation führt die durch GPT-3 eröffnete Möglichkeit noch einen Schritt weiter. Die Aufgabe muss nicht mehr vollständig in einer einzigen Anweisung definiert werden: Sie kann schrittweise aufgebaut werden. Der Benutzer fordert ein Ergebnis an, beobachtet es, korrigiert, was nicht funktioniert, fügt Bedingungen hinzu und fährt mit der vorherigen Antwort fort. Jede Nachricht verändert den Kontext, aus dem die nächste produziert wird.
Die öffentliche Zugänglichkeit verändert auch das Ausmaß, in dem diese Fähigkeit erforscht wird. Millionen von Menschen beginnen, das System zum Schreiben, Übersetzen, Programmieren, Erklären, Klassifizieren, Gestalten, Zusammenfassen oder Neuordnen von Informationen zu nutzen. Ihre Anfragen enthüllen Anwendungen, Fehler und Grenzen, die die Entwickler im Voraus nicht vollständig hätten aufzählen können. Das Modell wird nicht mehr nur an vorbereiteten Aufgaben getestet, sondern kommt mit realen Problemen, vielfältigen Absichten und unvorhergesehenen Formulierungen in Kontakt.
In den folgenden Jahren wird diese Logik auf Bilder, Ton und Video erweitert, und die Modelle werden mit Suchmaschinen, Datenbanken, Programmen und anderen Tools verbunden. Sprache dient nicht mehr nur dazu, eine Textantwort anzufordern. Sie kann ein Ziel ausdrücken, das das System in Operationen aufteilt, mit verschiedenen Ressourcen ausführt und anhand der erzielten Ergebnisse überprüft.
Die öffentliche Freigabe fügt außerdem eine neue Informationsquelle hinzu. Das System ist nicht mehr nur mit zuvor erstellten Materialien konfrontiert, sondern mit Millionen von Anfragen, Reformulierungen und Bewertungen, die während seiner Nutzung generiert werden. Nicht jedes Gespräch wird direkt in das Training integriert, aber die Gesamtheit der Interaktionen ermöglicht es, herauszufinden, welche Aufgaben interessieren, wo das Modell versagt und welche Ergebnisse die Menschen erwarten. Die Gesellschaft hatte das kulturelle Archiv geliefert, aus dem es lernte; jetzt beginnt sie auch, eine Karte seiner möglichen Anwendungen zu liefern.
Mitternacht naht
Um Mitternacht kann das Modell bereits übersetzen, erklären, klassifizieren, programmieren oder Bilder aus einer einzigen Struktur erzeugen. Diese Fähigkeiten sind nicht aus einer einzigen Regel oder einem im Voraus beschriebenen Verfahren entstanden, sondern aus der gemeinsamen Verarbeitung immenser Mengen von Texten, Programmen, Bildern, Beispielen und Bewertungen. Was früher auf verschiedene Aktivitäten, Berufe und Personen verteilt war, kann nun in einem System zusammengeführt werden, das es auf neue Situationen anwenden kann.
Doch diese Fähigkeit entsteht nicht in der Maschine und kann auch nicht außerhalb der Welt, aus der sie stammt, aufrechterhalten werden. Künstliche Intelligenz hängt von einer Gesellschaft ab, die weiterhin Sprache, Wissen, Ereignisse, Probleme, Bilder und Kriterien produziert, mit denen ihre Ergebnisse interpretiert werden. Sie erzeugt nicht von selbst die Realität, aus der sie lernt, noch entscheidet sie, was als wahr, nützlich oder wertvoll erachtet werden soll. Sie benötigt ihr vorausgehende Materialien und neue Interventionen, die Fehler aufzeigen, Ziele formulieren und definieren, welche Art von Antwort erwartet wird. Die Gesellschaft ist nicht nur der Kontext, in dem das System funktioniert: Sie ist die kontinuierliche Quelle dessen, was es lernen kann.
Doch die Notwendigkeit der Gesellschaft als Ganzes garantiert nicht die Notwendigkeit jedes Einzelnen. Um eine Übersetzungsfähigkeit aufzubauen, waren Generationen von Sprechern, Schreibern und Übersetzern notwendig; um sie auf ein konkretes Dokument anzuwenden, kann eine Anweisung genügen. Das Modell benötigte Programme, die von unzähligen Menschen geschrieben wurden, aber es muss nicht jeden Programmierer erneut hinzuziehen, wenn es eine Funktion produziert. Es benötigte Bilder, Beschreibungen und Kriterien, die von einer Vielzahl geschaffen wurden, auch wenn es ein neues Stück erzeugen kann, ohne diejenigen aufzurufen, die die Materialien beigesteuert haben, aus denen es lernte.
Das Kollektive und das Individuelle beginnen sich entscheidend zu trennen. Das System kann immer abhängiger von der gemeinsamen Produktion der Gesellschaft werden und gleichzeitig immer weniger von jedem seiner einzelnen Mitglieder. Die Gesellschaft bleibt als Ursprung des Wissens unverzichtbar; eine konkrete Person kann aufhören, notwendig zu sein, um einen Teil dieses Wissens anzuwenden.
Die Produktion, die die Modelle speist, ist außerordentlich verteilt. Universitäten, Verwaltungen, Medien, Verlage, Unternehmen, technische Gemeinschaften und Millionen von Nutzern schreiben, übersetzen, programmieren, fotografieren, klassifizieren, korrigieren und bewerten, ohne Teil eines gemeinsamen Projekts zu sein. Jeder veröffentlicht einen Text, beantwortet eine Frage, teilt ein Programm oder korrigiert ein Ergebnis, um ein eigenes Bedürfnis zu lösen. Selten kennt er die Beziehung, die diese Aktivität schließlich zu einer später in großem Maßstab aufgebauten Fähigkeit haben wird.
Die Möglichkeit, diese Beiträge zu sammeln, ist nicht auf die gleiche Weise verteilt. Das Trainieren und Betreiben der größten Modelle erfordert enorme Informationsmengen, spezialisierte Prozessoren, Rechenzentren, Energie, technisches Personal und finanzielle Ressourcen. Die kulturelle und verhaltensbezogene Produktion stammt von einer Vielzahl, aber die Infrastruktur, die sie in eine allgemeine Fähigkeit umwandeln kann, bleibt auf eine sehr geringe Anzahl von Organisationen konzentriert.
Diejenigen, die diese Infrastruktur kontrollieren, können eine kollektive Produktion in einen Dienst umwandeln, dessen Bedingungen sie bestimmen: wer darauf zugreifen kann, wie viel es kostet, welche Funktionen er beinhaltet, welche Grenzen er setzt und für welche Anwendungen er entwickelt wird. Die Personen, die die Materialien produziert haben, erhalten dadurch keine gleichwertige Beteiligung an dem daraus aufgebauten System. Der Beitrag bleibt verteilt; die Fähigkeit, ihn zu organisieren, zu verarbeiten und über seine Nutzung zu entscheiden, konzentriert sich immer mehr.
Die öffentliche Zugänglichkeit der Modelle verstärkt diese Asymmetrie. Benutzer stellen Probleme, entdecken Anwendungen, finden Fehler und zeigen, welche Ergebnisse sie für akzeptabel halten. Jeder versucht, seine eigene Aufgabe zu lösen, aber die Summe von Millionen von Interaktionen enthüllt eine allgemeine Karte: welche Nutzungen sich wiederholen, wo das System versagt, welche Funktionen nachgefragt werden und welche Fähigkeiten erweitert werden sollten. Kein Benutzer kann diese Karte allein rekonstruieren; die Organisationen, die den Dienst betreiben, können sie jedoch aggregiert beobachten.
Nicht jedes Gespräch wird direkt in das Training integriert, aber die öffentliche Nutzung erzeugt Wissen über das System selbst. Die Gesellschaft hatte nicht nur die Texte, Bilder und Programme generiert, aus denen es gelernt hat. Nun generiert sie auch die Situationen, durch die entdeckt wird, wie es angewendet werden kann, wo es korrigiert werden muss und welche Funktionen es entwickeln kann.
Die Beziehung nimmt so eine zirkuläre Form an. Die Gesellschaft produziert Kultur, Wissen, Verhalten und Bewertungen. Eine begrenzte Anzahl von Organisationen sammelt einen Teil dieser Aktivität und wandelt sie in eine Fähigkeit des Modells um. Anschließend gibt sie diese Fähigkeit als Dienst zurück, dessen Nutzung neue Signale zur Korrektur, Erweiterung und zum Finden weiterer Anwendungen erzeugt. Das System benötigt weiterhin die kollektive Beteiligung, aber jede Verbesserung kann die Notwendigkeit einzelner Personen bei den Aufgaben, die es lernt, reduzieren.
Künstliche Intelligenz eliminiert nicht ihre Abhängigkeit von der Gesellschaft. Sie reorganisiert sie. Menschen tragen als Menge bei, oft ohne das technische Ziel ihrer Aktivität zu kennen; die Organisationen, die diese Beiträge sammeln, können sie als Ganzes beobachten, sie mittels eigener Infrastruktur verarbeiten und entscheiden, wie die resultierende Fähigkeit genutzt wird. Die Gesellschaft liefert die Skala; einige wenige Organisationen konzentrieren die Möglichkeit, sie in technische Macht umzuwandeln.
Mitternacht steht nicht für den Moment, in dem die Maschine die Menschheit nicht mehr braucht. Sie steht für den Moment, in dem die kollektive Notwendigkeit der Menschheit von der Notwendigkeit jedes einzelnen Menschen getrennt werden kann. Fast das ganze Jahr über erweiterte die Technik, was Menschen tun konnten. In der letzten Minute begann sie, innerhalb einer konzentrierten Infrastruktur Fähigkeiten zu rekonstruieren, die zuvor auf Millionen von ihnen verteilt waren.
Die Frage, die Mitternacht aufwirft, ist nicht mehr nur, wie viel die Maschine leisten kann, sondern welche Position diejenigen behalten werden, die kollektiv das produzieren, was dann ohne sie genutzt werden kann.