Governance in an Institutional Environment Reconfigured by Artificial Intelligence. A Public Choice Institutionalism Perspective

Wenn wir über die Regulierung künstlicher Intelligenz nachdenken, konzentriert sich das Gespräch oft auf die Maschine selbst. Wir fragen uns, wie wir sie sicher bauen, wie wir sicherstellen, dass ihr Code nicht Fehlfunktionen aufweist, und wie wir gewährleisten, dass ihre Entscheidungen mit menschlichen Werten in Einklang stehen. Das ist so, als würde man den Motor eines Autos überprüfen, um sicherzustellen, dass er reibungslos läuft. Aber es gibt eine viel größere, tiefgreifendere Frage, die oft übersehen wird. Es geht nicht nur um die Maschine; es geht um die Welt, die die Maschine verändert. Während sich die künstliche Intelligenz ausbreitet, existiert sie nicht einfach neben unseren bestehenden Gesetzen und Organisationen; sie gestaltet sie aktiv um. Sie zwingt uns dazu, neu zu denken, wie wir Regeln aufstellen, wie wir Verantwortung zuweisen und wie wir die Gesellschaft selbst organisieren. Die Herausforderung besteht nicht mehr nur darin, ein Werkzeug zu reparieren; es geht darum, eine Landschaft zu navigieren, die sich unter unseren Füßen verschiebt – eine Landschaft, in der die Natur von Arbeit, Autorität und Entscheidungsfindung in Echtzeit neu geschrieben wird.

Dies ist das zentrale Rätsel, mit dem sich Paul Dragos Aligica, ein Forscher an der George Mason University, befasst. Er argumentiert, dass wir, um diese neue Realität zu verstehen, aufhören müssen, die künstliche Intelligenz als ein einzelnes Problem zu betrachten, das durch eine einzige Instanz gelöst werden kann. Stattdessen schlägt er vor, sie als ein komplexes Ökosystem zu betrachten, in dem viele verschiedene Gruppen, Regeln und Entscheidungen interagieren. Das Paper schlägt vor, dass der beste Weg, diese sich verändernde Welt zu verwalten, ein Konzept namens „Polyzentrizität“ ist. In einfachen Worten bedeutet dies ein System, in dem viele Entscheidungsschwerpunkte nebeneinander existieren, von denen jeder seine eigenen Regeln und Entscheidungen trifft, anstatt dass ein einziger Chef oder eine einzige Regierung alles von oben herab kontrolliert. Aligica baut sein Argument auf der Kombination zweier kraftvoller Ideen auf: der Untersuchung dessen, wie Menschen Entscheidungen treffen, wenn sie unterschiedliche Interessen verfolgen, und der Untersuchung dessen, wie sich komplexe Systeme ohne einen zentralen Kommandanten organisieren.

Das Paper beginnt mit einer scharfen Trennung zwischen zwei verschiedenen Arten von Problemen. Das erste ist das „enge“ Problem: wie man das Artefakt der künstlichen Intelligenz selbst reguliert. Dies umfasst die technische Arbeit der Programmierung, Überwachung und Sicherstellung, dass das System wie beabsichtigt funktioniert. Das zweite ist das „weite“ Problem: wie man das gesamte institutionelle Umfeld reguliert, das die Technologie transformiert. Aligica betont, dass das weite Problem dasjenige ist, das wirklich zählt. Wenn künstliche Intelligenz in eine Gesellschaft eintritt, löst sie eine Kettenreaktion aus. Sie verändert die Arbeitsteilung, was bedeutet, dass Aufgaben, die früher von Menschen erledigt wurden, nun von Maschinen übernommen werden, während Menschen neue, andere Rollen übernehmen. Dieser Wandel ist kein einfacher Austausch; er erzeugt eine Kaskade von Effekten, die sich wie Wellen durch das gesamte System der Regeln nach oben bewegen.

Um zu verstehen, wie dieser Welleneffekt funktioniert, nutzt das Paper eine Logik, die der Art und Weise ähnelt, wie Ökonomen die Arbeitsteilung untersuchen. Stellen Sie sich eine Fabrik vor, in der eine neue Maschine eingeführt wird. Zuerst übernimmt die Maschine die repetitiven, hochvolumigen Aufgaben. Dies zwingt jedoch die menschlichen Arbeiter dazu, ihr Tun zu ändern. Sie hören vielleicht auf, die Routinearbeit zu leisten, und beginnen sich stattdessen auf die Ausnahmen, die schwierigen Fälle oder die Überwachung der Maschine zu konzentrieren. Diese Änderung der menschlichen Rollen schafft wiederum einen Bedarf an neuen Regeln, neuen Aufsehern und neuen Wegen zur Beilegung von Streitigkeiten. Das Paper beschreibt dies als eine „Kaskade“. Eine einzige Entscheidung, künstliche Intelligenz für eine bestimmte Aufgabe einzusetzen, kann letztlich dazu führen, dass die Regeln auf höchster Ebene, die bestimmen, wer die Macht über diese Aufgaben hat, neu geschrieben werden müssen. Es bewegt sich von den täglichen Abläufen einer spezifischen Aufgabe hin zu den Regeln, die entscheiden, wer die Macht über diese Aufgaben hat, und schließlich zur konstitutionellen Ebene, die entscheidet, wer das Recht hat, die Regeln selbst zu ändern.

Während diese Kaskade durch das System zieht, aktiviert sie bekannte menschliche Verhaltensweisen, die Politikwissenschaftler seit Jahrzehnten untersuchen. Wenn neue Rollen und Befugnisse geschaffen werden, versuchen Menschen und Organisationen, diese zu ihrem eigenen Vorteil an sich zu reißen. Dies führt zu „Rent-Seeking“ (Rent-Seeking), wobei Gruppen Energie darauf verwenden, die Vorteile einer neuen Regel abzuschöpfen, an statt Wert zu schaffen. Es führt zu „Regulatory Capture“ (Regulierungskonstruktion/Interessenbindung), bei der die Personen, die eigentlich für die Technologie zuständig sind, beginnen, sich auf genau jene Unternehmen zu verlassen, die sie eigentlich regulieren sollten, weil diese Unternehmen das einzige Fachwissen besitzen. Es erzeugt auch „Agency Loss“ (Auftragsverlust/Kontrollverlust), wobei die Personen, die eigentlich die Verantwortung tragen, die komplexen, undurchsichtigen Entscheidungen der Maschinen oder der neuen Bürokratien, die zur Verwaltung dieser Maschinen aufgebaut wurden, nicht mehr effektiv überwachen können. Das Paper argumentt, dass dies keine Unfälle sind; es sind unvermeidliche Folgen der menschlichen Anreizstrukturen, wenn sich die Struktur der Gesellschaft ändert.

Angesichts dieser Komplexität evaluiert das Paper zwei Hauptvisionen für die Gestaltung dieser neuen Welt. Die erste ist die „monozentrische“ Vision. Dies ist die Idee einer einzigen, zentralen Autorität – eines globalen Regulators oder eines einheitlichen Vertrages –, der einen Satz von Regeln für alle festlegt. Dies ist eine attraktive Idee, da sie Ordnung, klare Rechenschaftspflicht und einen einzigen Ort verspricht, an den man die Schuld zuweisen kann, wenn etwas schiefgeht. Aligica argumentt jedoch, dass dieser Ansatz sowohl unrealistisch als als auch gefährlich ist. Er setzt voraus, dass ein einziges Zentrum genug wissen kann, um eine Technologie zu verwalten, die sich schneller verändert, als eine einzelne Regierung reagieren kann. Zudem konzentriert er die gesamte Macht für den Zugriff (Capture), was bedeutet, dass die mächtigsten Unternehmen oder Nationen das gesamte System leicht zu ihren Gunsten kapern könnten. Darüber hinaus kann ein einziger Satz von Regeln die tiefen Unterschiede in Werten und Bedürfnissen über verschiedene Kulturen und Gesellschaften hinweg unmöglich abdecken.

Die Alternative, die das Paper unterstützt, ist die „polyzentrische“ Vision. Dies ist kein chaotisches Freibier-Szenario, sondern ein strukturiertes System, in dem viele verschiedene Entscheidungsschwerpunkte gleichzeitig agieren. In diesem System können verschiedene Städte, Regionen, Unternehmen und Organisationen unterschiedliche Ansätze zur Regulierung künstlicher Intelligenz ausprobieren. Einige mögen Geschwindigkeit priorisieren, andere Sicherheit und andere Privatsphäre. Diese verschiedenen Zentren konkurrieren miteinander und lernen voneinander. Wenn ein Ansatz scheitert, kann er verworfen werden, ohne das gesamte System zu Fall zu bringen. Wenn ein Ansatz gut funktioniert, können andere ihn übernehmen. Entscheidend ist hierbei die „Interoperabilität“. Das bedeutet, dass selbst wenn verschiedene Zentren unterschiedliche Regeln haben, sie dennoch durch gemeinsame Standards und Abkommen miteinander kommunizieren und zusammenarbeiten können. Es ist wie ein Netzwerk von unabhängigen Städten, die miteinander Handel treiben und die Gesetze der jeweils anderen respektieren, ohne dass ein einzener König über sie alle herrschen muss.

Das Paper vertritt das starke Argument, dass dieser polyzentrische Ansatz nicht nur ein theoretisches Ideal ist, sondern die Realität, die bereits zutage tritt. Die Welt bewegt sich nicht auf eine einzige globale Regierung für künstliche Intelligenz zu; sie bewegt sich bereits auf ein Flickenteppich aus verschiedenen Regeln und Standards zu. Zu versuchen, eine einzige, Top-Down-Lösung auf diese Realität zu erzwingen, wäre ein Fehler. Stattdessen sollte das Ziel darin bestehen, diesen sich entwickelnden Prozess zu steuern. Das Paper betont, dass wir nicht einfach ein perfektes System von Grund auf entwerfen und installieren können. Das System ist zu komplex und die Veränderungen gehen zu schnell. Stattdessen müssen wir wie Gärtner oder Navigatoren handeln. Wir können die Bedingungen schaffen, die es guten Lösungen ermöglichen zu wachsen und schlechte zu eliminieren. Wir können die Brücken bauen, die es verschiedenen Gruppen ermöglichen zu kooperieren, und wir können den Raum schützen, in dem neue Ideen getestet werden können.

Letztendlich kommt das Paper zu dem Schluss, dass der beste Weg zur Regulierung künstlicher Intelligenz darin besteht, zu akzeptieren, dass wir uns mitten in einem langen, sich entfaltenden Prozess befinden. Wir können das Endergebnis nicht vorhersagen, noch sollten wir versuchen, jedes Detail zu kontrollieren. Stattdessen sollten wir uns darauf konzentrieren, einen flexiblen Rahmen zu schaffen, der Experimentieren, Lernen und Anpassung ermöglicht. Indem wir einen polyzentrischen Ansatz wählen, können wir die Vielfalt des menschlichen Denkens und den Wettbewerbsdruck verschiedener Gerichtsbarkeiten nutzen, um Lösungen zu finden, die funktionieren. Wir können die Risiken von Rent-Seeking und Capture bewältigen, indem wir sicherstellen, dass keine einzelne Gruppe die gesamte Macht innehat. Und wir können die Legitimität unserer Regeln aufrechterhalten, indem wir sicherstellen, dass sie von den Menschen gestaltet werden, die sie betreffen, anstatt von einem fernen Zentrum auferlegt zu werden. Der Weg nach vorn besteht nicht darin, eine perfekte Maschine zur Kontrolle der Zukunft zu bauen, sondern ein belastbares System zu kultivieren, das in der Lage ist zu lernen und sich anzupassen, während sich die Zukunft entfaltet.