ApplE: A Modular Ontology of Applied Ethics and Event Context for Ethical Decision Modeling

Stellen Sie sich eine Welt vor, in der Ihr Toaster entscheiden könnte, ob er Ihr Brot verbrennt, basierend auf einer moralischen Regel, oder ein selbstfahrendes Auto, das wählen muss, ob es einen Fußgänger rammt oder gegen eine Wand fährt. Das ist nicht nur Science-Fiction; es ist die Grenze der Künstlichen Intelligenz (KI). Jahrzehntelang haben wir Maschinen beigebracht, klug, schnell und stark zu sein, aber wir haben Schwierigkeiten gehabt, ihnen beizubringen, gut zu sein. Die große Frage ist: Wie bringen wir einem Computer bei, dass manche Dinge richtig und andere falsch sind, besonders wenn die Regeln kompliziert werden?

Um dies zu beantworten, müssen wir zwei Hauptzutaten verstehen. Erstens gibt es die Ethik, die Lehre davon, was eine Handlung „gut“ oder „schlecht“ macht. Denken Sie an sie wie ein Regelbuch für das Leben, aber anstatt nur eines Regelbuchs gibt es viele verschiedene. Einige sagen „sage immer die Wahrheit“ (Deontologie), andere sagen „tue das, was den meisten Menschen hilft“ (Utilitarismus), und andere sagen „sei eine tugendhafte Person“ (Tugendethik). Zweitens gibt es den Kontext, also die spezifische Situation, in der eine Entscheidung stattfindet. Es ist der Unterschied zwischen dem Stehlen eines Laib Brotes, um ein hungerndes Kind zu ernähren, und dem Stehlen eines Laibes, nur weil man gelangweilt ist. Dieselbe Handlung kann je nach „Wer, Was, Wo und Warum“ völlig unterschiedlich sein.

Die Herausforderung besteht darin, dass Computer schrecklich darin sind, diese chaotischen menschlichen Nuancen zu verstehen. Sie benötigen normalerweise sehr klare, starre Anweisungen. Wenn wir wollen, dass KI ethische Entscheidungen in der realen Welt trifft – etwa in Krankenhäusern, Unternehmen oder auf den Straßen – müssen wir einen Weg finden, diese vagen menschlichen Ideen in eine Sprache zu übersetzen, die die Maschine tatsächlich lesen und mit ihr argumentieren kann. Hier setzt dieses Paper an.

---

Das „ApplE“-Rezept: Robotern beibringen, wie Menschen zu denken

Lernen Sie Kennen: ApplE (Applied Ethics and Event Context). Betrachten Sie es nicht als ein Robotergehirn, sondern als eine riesige, superorganisierte Bibliothek aus „ethischen Bausteinen“, die speziell für Computer entwickelt wurde. Die Autoren, ein Forscherteam aus Indien, erkannten, dass wir zwar viele Theorien über Ethik haben, aber keine standardisierte Methode besitzen, diese so aufzuschreiben, dass Maschinen sie nutzen können. Also bauten sie eine modulare Ontologie.

Lassen Sie sich von dem schicken Wort „Ontologie“ nicht abschrecken. Vereinfacht gesagt ist eine Ontologie wie eine detaillierte Karte oder ein Wörterbuch, das definiert, wie verschiedene Dinge miteinander in Beziehung stehen. Stellen Sie sich vor, Sie bauen eine LEGO-Burg. Sie haben eine Kiste voller Steine (die Konzepte), aber ohne Anleitung wissen Sie nicht, welcher Stein wohin gehört. ApplE ist diese Anleitung. Es zerlegt die komplexe Welt der Ethik in zwei Hauptbereiche, die perfekt zusammenpassen:

1. Das „Theorie“-Modul: Dies ist die Bibliothek der Regeln. Sie enthält die verschiedenen ethischen Philosophien, wie die Regel „Verursache keinen Schaden“ oder die Regel „Das größte Wohl“.
2. Das „Kontext“-Modul: Dies ist das Geschichtsbuch. Es enthält die Details eines spezifischen Ereignisses: Wer hat es getan? (Der Akteur/Agent), Was hat er getan? (Die Handlung), Wann und wo ist es passiert? (Zeit und Ort) und was war das Ergebnis? (Die Konsequenz).

Die Magie von ApplE liegt darin, dass es diese beiden verbindet. Es ermöglicht einem Computer, eine spezifische Geschichte (wie etwa einen Arzt, der Medizin verschreibt) zu betrachten und sie gegen das Regelbuch zu prüfen, um zu sehen, ob die Handlung den Regeln entspricht.

Der „Moralische Rechner“ und die Opioid-Geschichte

Um zu beweisen, dass ihre Karte funktioniert, haben die Forscher nicht nur Code geschrieben; sie haben ihn mit einem realen, komplexen Szenario aus der medizinischen Welt getestet. Sie untersuchten eine Geschichte über einen Arzt in den frühen 2000er Jahren, der einem jugendlichen Patienten ein starkes Schmerzmittel (OxyContin) verschrieb. Der Arzt hatte gute Absichten: Er wollte den Schmerz des Jugendlichen lindern und verhindern, dass dieser wiederholt in die Klinik kommen muss.

Das langfristige Ergebnis war jedoch schlecht: Der Jugendliche wurde abhängig von der Droge.

Hier glänzt ApplE. Ein einfacher Computer würde vielleicht nur die „gute Absicht“ betrachten und sagen: „Gute Arbeit!“ oder nur das „schlechte Ergebnis“ betrachten und sagen: „Schlechte Arbeit!“ Aber ApplE ist klüger. Es verwendet einen speziellen Satz von Anweisungen namens SWRL-Regeln (denken Sie an diese als ein komplexes Rezept für moralische Mathematik). Es wiegt die kurzfristige Schmerzlinderung gegen die schreckliche langfristige Abhängigkeit ab. Es prüft die Pflicht des Arzters, die Risiken des Medikaments zu kennen.

Das Ergebnis? Der Computer identifizierte unter Verwendung der ApplE-Karte die Handlung des Arztes korrekt als „moralisch falsch“. Er hat nicht einfach geraten; er argumentierte, dass die Handlung trotz der guten Absicht gegen das Prinzip der „Nicht-Schädigung“ (Nonmaleficence) und die Verantwortungspflicht des Arztes verstieß. Das System konnte erklären, warum es zu diesem Schluss kam, indem es auf die spezifischen Regeln und Fakten verwies, die es verwendet hatte.

Warum das wichtig ist (und was es nicht ist)

Die Autoren sind sich sehr klar darüber, was ApplE kann und was es nicht kann. Sie behaupten nicht, einen Roboter gebaut zu haben, der plötzlich Schuldgefühle empfinden oder von sich aus perfekte moralische Entscheidungen treffen kann. Stattdessen haben sie ein Werkzeug geschaffen, das Menschen und Maschinen hilft, zusammenzuarbeiten.

Sie argumentieren gegen die Vorstellung, dass wir einem Computer Ethik einfach beibringen können, indem wir ihn mit Millionen von Geschichten füttern und ihn die Antwort erraten lassen (eine Methode, die als maschinelles Lernen bezeichnet wird). Sie weisen darauf hin, dass eine KI, der man einfach nur Daten füttert, die in diesen Daten verborgenen schlechten Angewohnheiten oder Vorurteile erlernen könnte und nicht in der Lage wäre zu erklären, warum sie eine Wahl getroffen hat. Es wäre wie ein Schüler, der die Antworten auswendig gelernt hat, aber die Mathematik dahinter nicht versteht. ApplE hingegen ist wie ein Schüler, der die Regeln des Spiels versteht und seinen Rechenweg darlegen kann.

Das Team testete ihre Karte mithilfe eines strengen Prozesses namens SAMOD, bei dem Experten die Arbeit immer wieder überprüfen. Sie führst es durch „Kompetenzfragen“ (wie ein Quiz), um sicherzustellen, dass die Karte genau ist. Sie fanden heraus, dass ApplE verschiedene Arten von ethischen Dilemmata bewältigen kann, von medizinischen Fällen bis hin zu geschäftlichen Entscheidungen (wie etwa die Einstellung von autistischen Mitarbeitern durch ein Unternehmen) und sogar Umweltfragen (wie das Abholzen von Bäumen für die Erschließung von Flächen).

Letztendlich ist ApplE ein grundlegender Schritt. Es legt nahe, dass wir, indem wir der KI eine strukturierte, klare und modulare Weise geben, sowohl die Regeln der Ethik als auch die Details realer Situationen zu verstehen, damit wir beginnen können, Maschinen zu bauen, die nicht nur handeln, sondern ethisch handeln. Es ist kein Zauberstab, der jedes moralische Problem löst, aber es ist eine sehr starke Taschenlampe in einem sehr dunklen Raum, die uns hilft, den Weg nach vorne zu sehen, für eine ethische KI.