Neugierige Strukturvorschläge beschäftigt sich mit maschinellem Lernen – der Autoadaption von algorithmischen Artefakten – als Thema interdisziplinärer Diskurse zu Themen wie Selbstorganisation oder schwacher KI. Die Motivation der Arbeit liegt darin eine verständliche, aber dennoch technisch fundierte Präsentation der technischen Grundlagen des maschinellen Lernens zu erstellen und freizulegen, welche Fragestellungen zu einer genaueren Betrachtung einladen.

Diesen beiden Zielen entsprechend gliedert sich die Arbeit in zwei Teile: der erste Hauptteil ermöglicht einen systematischen interdisziplinären Zugang zum maschinellem Lernen, indem dessen Charakteristika technisch korrekt und präzise aber dennoch interdisziplinär verständlich beschrieben werden. Dabei werden insbesondere Konzepte wie Entscheidungsbäume, künstliche neuronale Netzte oder evolutionäres Lernen interdisziplinär aufgearbeitet und nachvollziehbar dargestellt. Der zweite Hauptteil widmet sich einer technikphilosophischen Verortung des maschinellen Lernens und dem Versuch eine interdisziplinäre Diskussion anzustoßen und zu umreißen.

Ein Hauptproblem bei der interdisziplinären Rede über maschinelles Lernen und scheinbar selbsttätige Artefakte wie künstliche neuronale Netze besteht darin, dass eine tragfähige Diskussion maschinell lernender Artefakte (MLA) sich ohne expliziten Bezug auf die methodischen Grundlagen der Informatik nicht führen lässt. Eine Ursache hierfür liegt in der ungenauen Rede über „Selbstorganisation“ und den daraus resultierenden Pauschalaussagen über „maschinelles Lernen“. Dieser Beobachtung wird in Neugierige Strukturvorschläge Rechnung getragen, indem die Rede von Selbstorganisationsprinzipien für den Spezialfall der Autoadaption im maschinellen Lernen aufgearbeitet wird. Dies geschieht mittels einer systematischen und technisch angemessenen Unterscheidung der unterschiedlichen Teilbereiche dieser Form von Technik und einer Beschreibung der jeweils zugrunde liegenden Autoadaptionsstrategien wie etwa instanzenbasiertem Lernen, künstlichen neuronalen Netzen oder Entscheidungsbäumen. Weiter werden die Ausgaben von MLA systematisch analysiert und als neugierige oder zielorientierte Strukturvorschläge bezeichnet. Ein neugieriger Autoadaptionsprozess erstellt tendenziell einen nicht-erwarteten oder verblüffenden Strukturvorschlag, während ein zielorientierter Strukturvorschlag häufig das Ergebnis einer Optimierung ist. Diese Klassifizierung soll es insbesondere ermöglichen zu analysieren, inwiefern maschinelles Lernen implizit mitgedacht ist, wenn von Lernen, künstlicher Intelligenz, Nano-, Bio- oder Informationstechnologien, den Kognitionswissenschaften oder generell von Computern oder Software gesprochen wird.

Ein Ausgangspunkt der vorgenommenen technikphilosophischen Verortung des maschinellen Lernens findet sich in der titelgebenden Hypothese, dass bestimmte maschinell lernende Artefakte neugierige Strukturvorschläge erzeugen, die unerwartete Ausgaben erzeugen und den Nutzer dabei unterstützen können, einen neuen Weltbezug zu erstellen. Neugierige Strukturvorschläge analysiert dementsprechend die folgenden Fragenkomplexe. Zum ersten: Wie stellt sich aktuell maschinelles Lernen aus Perspektive der Technikphilosophie dar? Zum zweiten: Worin besteht das einzigartige bzw. neuartige an maschinell lernenden Artefakten und wie kann es interdisziplinär beschrieben werden? Zum dritten: Können die bestehenden technikphilosophischen Perspektiven – soweit notwendig – modifiziert oder erweitert werden, um die Widerstände zu beseitigen?