Drei Arten zu denken, von denen KI nur zwei beherrscht
Um zu zeigen, wo genau die Lücke liegt, greift Zahavy auf eine klassische Unterscheidung des Philosophen Charles Sanders Peirce zurück, die jede Art des Schließens danach ordnet, wie sie Regel, Fall und Ergebnis miteinander verknüpft.
Die Deduktion leitet aus festen Regeln zwingende Schlüsse ab, etwa wenn ein Programm ausgeführt wird und ein garantiert korrektes Ergebnis liefert. Die Induktion erkennt Muster in Daten: Wer tausend weiße Schwäne beobachtet, schließt daraus die allgemeine Regel, dass alle Schwäne weiß seien, eine Verallgemeinerung aus vielen Einzelfällen. Die Abduktion dagegen ist der kreative Sprung. Sie erfindet eine Ursache, um ein überraschendes Phänomen zu erklären.
Genau bei dieser dritten Form liegt für Zahavy der entscheidende Punkt, und er unterscheidet dabei zwei Stufen. Die gewöhnliche Variante wählt die plausibelste unter bereits bekannten Erklärungen, so wie ein Arzt aus Symptomen auf eine Krankheit schließt. Diese Form, räumt er ein, beherrschten Sprachmodelle durchaus. Anspruchsvoller sei die "manipulative Abduktion": das Erfinden einer Ursache, für die es sprachlich noch überhaupt keine Vorlage gibt. Genau diese sieht er als das eigentliche Nadelöhr wissenschaftlicher Erfindung, und genau diese fehle den Maschinen.
Denn Induktion und Deduktion, so das Papier, hätten Sprachmodelle im Griff. Die statistische Mustererkennung beherrschten sie längst, und auch die formale Ableitung eroberten sie gerade: Systeme wie AlphaProof, Gemini oder GPT-5 erreichten inzwischen Goldniveau bei den Aufgaben der Internationalen Mathematik-Olympiade. Zahavy räumt sogar ein, dass ein Sprachmodell mit Einsteins Annahmen als Ausgangspunkt die Allgemeine Relativitätstheorie vermutlich herleiten könnte. Nur eben diese Annahmen selbst zu formulieren, den manipulativen Sprung zu ihnen, das bleibe der Engpass.
Warum dieser Sprung Maschinen so schwerfällt, führt Zahavy an eben jener Theorie vor: KI-Modelle lernen typischerweise, indem sie ihre Vorhersagen mit der Realität abgleichen und aus der Abweichung, dem Fehler, ihr Verhalten anpassen. Ohne einen solchen erkennbaren Fehler gibt es nichts, woran sich das System abarbeiten könnte. Doch genau in dieser Lage sei Einstein gewesen.
Als er arbeitete, habe es keine Datenkrise gegeben: Newtons Physik sei extrem präzise bestätigt gewesen, die einzige bekannte Anomalie, eine winzige Verschiebung in Merkurs Umlaufbahn, habe man einem hypothetischen verborgenen Planeten namens "Vulcan" zugeschrieben. Eine auf Optimierung getrimmte KI hätte hier keinen Anlass gesehen, die Physik umzustürzen, vermutet Zahavy. Sie hätte, so die Logik des Arguments, eher wie die Astronomen der Zeit einen Zusatzplaneten erfunden, um die kleine Abweichung wegzurechnen, statt Raum und Zeit neu zu denken. Die Daten zur Bestätigung von Einsteins Theorie, etwa Eddingtons Messung der Lichtablenkung, kamen ohnehin erst Jahre nach ihrer Formulierung.
Warum es ohne Körpergefühl keinen Sprung gibt
Woher also kam die manipulative Abduktion, die Einstein zu seinen Axiomen führte? Zahavy verweist auf dessen "glücklichsten Gedanken": den frei fallenden Beobachter, für den keine Schwerkraft mehr existiert. Diese Einsicht sei durch verkörperte Simulation entstanden, also dadurch, dass Einstein eine körperliche Empfindung im Kopf durchspielte, statt Formeln zu wälzen. Er stellte sich einen Physiker in einem beschleunigten Fahrstuhl im Weltall vor und schloss, dass sich Beschleunigung und Schwerkraft von innen nicht unterscheiden lassen.
Zahavy vergleicht das mit Archimedes, der sein Auftriebsprinzip nicht durch Rechnen fand, sondern der Geschichte nach durch das körperliche Gefühl des steigenden Wassers beim Einsteigen in die Badewanne. In beiden Fällen entstand ein Grundprinzip, das es in der Sprache der Zeit noch gar nicht gab.
Genau diese sinnliche Erdung fehle Sprachmodellen. Zahavy vergleicht sie mit dem "Chinesischen Zimmer" des Philosophen John Searle, einem berühmten Gedankenexperiment: Eine Person schiebt darin nach einem Regelbuch chinesische Zeichen hin und her, ohne ein einziges Wort zu verstehen. Ähnlich verschöben Sprachmodelle die Symbole der Physik, ohne Zugang zu der körperlichen Erfahrung zu haben, die diesen Symbolen erst Bedeutung gebe.
Sakanas AI Scientist und Deepminds AlphaEvolve automatisierten etwa wissenschaftliche Abläufe eindrucksvoll. Der AI Scientist kombiniere jedoch nur bestehende Konzepte neu, während AlphaEvolve zwar hervorragend optimiere, dafür aber ein klares Fehlersignal brauche, das es schrittweise verkleinern könne. Genau dieses Signal aber hatte Einstein nie. Den Sprung in ein völlig neues Denkgebäude, so Zahavy, schaffe daher keines der beiden Systeme.
Weltmodelle als Weg zur Abduktion
Als möglichen Ausweg nennt Zahavy physikalisch konsistente Weltmodelle. Hier zieht er eine Grenze: Videogeneratoren wie Veo sagten lediglich das wahrscheinlichste nächste Bild voraus, ein fallender Apfel etwa falle nicht, weil das Modell die Schwerkraft verstehe, sondern weil Fallen in den Trainingsdaten die häufigste Fortsetzung sei. Das bleibe reine Mustererkennung.
Handlungssteuerbare Weltmodelle wie Genie dagegen erlaubten es einem Agenten, aktiv in eine Simulation einzugreifen und kontrafaktische Experimente durchzuführen, etwa gedanklich das Seil eines Fahrstuhls zu durchtrennen. Ein solches "synthetisches Labor" könne die nötige Rückkopplung liefern, um neue Axiome dort zu erfinden, wo es sprachlich noch keine Vorlage gibt.
Zahavy formuliert seine Kernthese bewusst vorsichtig: Seine Analyse "lege nahe", dass dieser Sprung der kritische Engpass sei. Das Paper beweise nicht endgültig, dass Sprachmodelle keiner Abduktion fähig sind.
