4.11 – A lehetőségek tere, ahová nem léptünk be – Der Möglichkeitsraum, den wir nicht betreten haben

1. 1969-ben Marvin Minsky és Seymour Papert, a Massachusettsi Műszaki Intézet (MIT) kutatói, egy szigorú matematikai könyvet tettek közzé a tanuló gépekről.

2. A könyv tárgya a perceptron volt, egy olyan rendszercsalád, amelyet elsősorban Frank Rosenblatt nevéhez kötnek, aki 1958-ban egy tudományos cikkben írta le modelljét, és segített azt egy kiemelkedő kutatási programmá alakítani.

3. Legegyszerűbb, közismert formájában a perceptron a példák alapján úgy módosítja a súlyozott kapcsolatokat, amíg képes lesz az egyik bemeneti osztályt elválasztani a másiktól.

4. Minsky és Papert éles határokat szabtak az általuk elemzett perceptron-osztályok számára, beleértve azt is, hogy meghatározott feltételek mellett képtelenek megoldani bizonyos, a paritással és a összeköttetéssel kapcsolatos problémákat.

5. A bizonyítások azért voltak fontosak, mert megmutatták, hogy a tanuló gép iránti lelkesedés nem helyettesítheti annak ismeretét, hogy mit is képes az a gép ábrázolni.

6. A matematikai következtetések azonban szűkebb körűek voltak, mint a később köréjük épített figyelmeztető történet.

7. A könyv nem bizonyította, hogy minden többrétegű neurális hálózat haszontalan lenne, bár szerzői szkeptikusak voltak azzal kapcsolatban, hogy a rétegek hozzáadása könnyedén leküzdhetné a gyakorlati nehézségeket.

8. A hasznos rejtett rétegek betanítása valóban hatalmas kihívást jelentett az akkor rendelkezésre álló koncepciók, szoftverek és számítástechnikai erőforrások mellett.

9. A neurális hálózatokkal kapcsolatos kutatások ebben az időszakban elvesztették jelentőségüket és támogatásukat, de egyetlen publikáció sem vetett véget a területnek.

10. A szimbolikus megközelítések egyre nagyobb intézményi tekintélyre tettek szert, a korai konnektionista gépek csalódást okoztak a nagy elvárásokkal szemben, és az állami finanszírozók egyre több bizonyítható eredményt követeltek.

11. A mesterséges intelligencia finanszírozásának szélesebb körű csökkentése az 1970-es években szintén egyértelmű okokra vezethető vissza, többek között a britországi kritikai értékelésekre és az amerikai védelmi kutatás változó prioritásaira.

12. A neurális hálózatokkal kapcsolatos munka szétszórt közösségekben folytatódott, így még a teljesen befagyott kutatási területről alkotott közismert kép is túl leegyszerűsített.

13. A későbbi újjáéledésnek szintén nem volt egyetlen eredete.

14. A statisztika, az idegtudomány, az optimalizálás, a számítástechnika és a hálózatok kutatásának számos hagyományában felhalmozódott eredményekre épült.

15. 1986-ban David Rumelhart, Geoffrey Hinton és Ronald Williams széles körben befolyásos bemutatót tartottak a rejtett egységekkel rendelkező hálózatokban történő visszaterjesztésről, megmutatva, hogyan lehet belső reprezentációkat megtanulni a súlyok kiigazításával a kimeneti hiba csökkentése érdekében.

16. Ezek a hálózatok nem érvénytelenítették a korábbi bizonyításokat, mivel nem korlátozódtak azokra a rendszerekre, amelyekre a bizonyítások vonatkoztak.

17. Egy tétel igaz maradt, miközben a körülötte lévő gyakorlati horizont megváltozott.

18. A perceptron-epizód tehát nem egyszerűen egy olyan történet, amelyben egy téves ítéletet jobb bizonyítékok alapján megdöntöttek.

19. Ez egy történet arról, hogy egy kutatási területen hogyan dől el, mely ítéletek érdemelnek figyelmet, mely akadályok indokolják a kitartást, és mely kérdések már nem vonzzák magukhoz a megválaszolásukhoz szükséges erőforrásokat.

20. A történészek nem értenek egyet abban, hogy mekkora ok-okozati súlyt kell tulajdonítani magának a könyvnek, és ez a nézeteltérés inkább a tanulság része, mintsem annak hátránya.

21. Egy szakmai kritika egyszerre több csatornán keresztül is hatással lehet: azon keresztül, hogy mit bizonyít, hogyan értelmezik a befolyásos olvasók, mely beruházásoktól tart vissza, és mely rivális program áll készen arra, hogy átvegye a felszabadult pénzt és tehetséget.

22. Egyedül egyik csatorna sem teszi elkerülhetetlenné a későbbi útvonalat.

23. Együttesen azonban megváltoztathatják, hogy mely következő lépések megfizethetők, tiszteletre méltóak és láthatóak.

24. Ez a pályafüggőség konkrét mechanizmusa ebben az esetben.

25. Kiváló nyilvántartást vezetünk arról, hogy mi valósult meg.

26. Megfelelő nyilvántartást vezetünk arról, hogy mit próbáltak ki és mi nem sikerült.

27. Sokkal gyengébb nyilvántartást vezetünk arról, amit soha nem próbáltak ki, mert egy meg nem kísérelt kísérlet nem hoz olyan eredményt, amelyet archiválni lehetne.

28. Egy sikertelen kísérlet nyomán maradhat egy cikk, egy adatkészlet vagy egy csalódott bekezdés egy disszertációban.

29. Egy javaslati szakasz előtt felhagyott projekt olyan üres helyet hagy maga után, amely pontosan úgy néz ki, mint bármelyik másik üres hely.

30. Képzeljünk el egy város fotóarchívumát, amely minden ajtónyílásig és lefolyócsőig teljes, majd tegyük fel a kérdést: hogyan is nézhetett volna ki a város helyette.

31. Az archívum nem tud válaszolni, és nem tudja jelzi annak a nagyságát, amit nem mutat meg.

32. Az analógiának vannak határai, mert a technikai alternatívák nem teljesen kialakult utcák, amelyek valahol a fénykép határain kívül várnak.

33. Sok lehetőség csak akkor válik leírhatóvá, miután az eszközök, a koncepciók és a kapcsolódó felfedezések gondolhatóvá teszik őket.

34. A lehetőségek tere ezért egy analitikus modell, nem pedig a kész találmányok raktára, amelyet a történelem elmulasztott kibontani.

35. Ide tartoznak a megkísérelt, majd elvetett megközelítések, a megvalósíthatatlannak bizonyult ötletek, a senki által nem finanszírozott kombinációk, valamint azok a kérdések, amelyeket a rendelkezésre álló nyelv még nem tett lehetővé a kutatók számára, hogy egyértelműen megfogalmazzák.

36. Ezeket a kategóriákat nem szabad összekeverni.

37. Előfordulhat, hogy egy megközelítés eltűnik, mert cáfolták, mert a vonatkozó tesztek során gyenge teljesítményt nyújtott, mert hiányzott egy alapvető alkotóeleme, vagy mert a figyelem másfelé fordult, mielőtt még egy tisztességes összehasonlításra lehetőség nyílt volna.

38. Csak az utóbbi három eset hagy lehetőséget arra, hogy a megváltozott környezet újra megnyissa az utat, és még ebben az esetben sem garantált az újbóli siker.

39. Az analóg számítástechnika jól illusztrálja annak a veszélyét, ha egy bonyolult átmeneti folyamatot egyszerűen „technikai kiütésre” redukálunk.

40. Az elektronikus analóg és hibrid számítógépek továbbra is hasznosak maradtak a szimuláció és a vezérlés terén, miután a digitális számítógépek elkezdték uralni az általános célú számítástechnikát.

41. A digitális rendszerek hatalmas előnyöket nyújtottak a programozhatóság, a reprodukálhatóság, a tárolás és a fokozatos fejlesztés terén, miközben a gyártás, az oktatás és a szoftveripar egyre inkább ezekre az előnyökre épült.

42. Amint ez a környező rendszer megszilárdult, egy analóg módszernek nemcsak a saját teljesítményét kellett igazolnia, hanem azt is, hogy miért érdemes elhagyni egy kiforrott digitális ökoszisztémát.

43. Az analóg módszereket nem cáfolták meg, és néhány későbbi gépi tanulási hardver ismét felfedezte a fizikai, folytonos mennyiségekkel történő számításokat.

44. Lehetséges energia- és sebességelőnyeikkel együtt járnak a zaj, a pontosság, a gyártás és a programozhatóság problémái, így újbóli megjelenésük nem bizonyíték arra, hogy a korábbi választás egyszerűen ostobaság volt.

45. A neuromorf számítástechnika inkább egy újabb ágat jelent, mintsem egy titkos alternatívát, amely a győzelemre vár.

46. Olyan jellemzők által inspirált tervezési megoldásokat alkalmaz, mint a ritka, eseményvezérelt neurális jelátvitel, abban a reményben, hogy bizonyos munkaterheléseket hatékonyabban tud végrehajtani, mint a hagyományos sűrű számítás.

47. A biológiai aggyal való összehasonlításoknál óvatosságra van szükség, mivel az agy és egy gépi tanulási klaszter különböző feladatokat lát el, a pontosság, a tanulás és az energiafelhasználás eltérő definíciói alapján.

48. A népszerű beszámolókban néha felhozott, hatalmas erőművekkel való összehasonlítások ezeket a különbségeket egy olyan számba sűrítenek, amely kevesebbet magyaráz, mint amilyennek látszik.

49. A neuromorf eszközök bizonyos körülmények között értékesnek bizonyulhatnak anélkül, hogy az egész területen kiszorítanák a hagyományos hardvert.

50. A szimbolikus rendszerek, az evolúciós számítás, a valószínűségi modellek, valamint a tanult és kézzel strukturált komponensek hibridjei a térkép további területeit foglalják el.

51. Mindegyiknek megvannak a maga jellegzetes erősségei, költségei és meghibásodási módjai, nem pedig egyetemes fölényt hirdetnek.

52. A szimbolikus ábrázolások bizonyos szabályokat explicit módon megfogalmazhatnak, de kialakításuk költséges lehet, és a várt esetek körén kívül törékenyek lehetnek.

53. Az evolúciós módszerek gradiens nélkül is képesek keresni, de sok értékelést igényelhetnek, és bizonyos feladatokra nehéz lehet őket méretezni.

54. A valószínűségi modellek explicit módon ábrázolhatják a bizonytalanságot, azonban feltételezéseik és számítási igényeik továbbra is korlátozzák, hogy mit tudnak kifejezni és becsülni.

55. E hagyományok közül több is hozzájárult a mainstream gépi tanulás kialakulásához, ami megmagyarázza, miért változik folyamatosan a határvonal a domináns és az alternatív út között.

56. Az, hogy egy megközelítést elhanyagoltnak nevezünk, még nem bizonyítja, hogy azonos erőforrások mellett sikeres lett volna.

57. Csak azt bizonyítja, hogy megfigyelt teljesítménye egyenlőtlen történelmi körülmények között jött létre.

58. A legmeggyőzőbb összehasonlítás ezért nem egy, hanem két kérdést tesz fel.

59. Mennyire működik jól a megközelítés jelenleg, és hogyan alakították a korábbi beruházások azokat a feltételeket, amelyek mellett ez a teljesítmény lehetségessé vált?

60. A két kérdést elválasztó mechanizmus a kamatos kamat.

61. Tegyük fel, hogy két megközelítés hasonló ígérettel indul, és az egyik véletlenül valamivel jobban illeszkedik a rendelkezésre álló hardverhez.

62. Gyorsabban fut, évente több kísérletet hajt végre, több cikkben szerepel, több hallgatót vonz, és jobb könyvtárakhoz jut.

63. A mérnökök ezután optimalizálják a chipeket, az illesztőprogramokat és az adatfolyamokat azokhoz a műveletekhez, amelyeket a növekvő közösség leggyakrabban használ.

64. A következő kísérlet olcsóbbá válik, ami több eredményt hoz, és megerősíti a következő befektetési kör indokoltságát.

65. Minden egyes lépés helyileg ésszerű lehet anélkül, hogy bárki is hamisnak nyilvánítaná a rivális megközelítést.

66. Elég sok kör után a megközelítéseket már nem egyenértékű környezetekben tesztelik.

67. Az egyik érett eszközökkel, képzett munkatársakkal, bevált hibakeresési gyakorlatokkal, kompatibilis adatkészletekkel és a szakkifejezéseket értő bírálókkal érkezik.

68. A másiknak minden kutatási támogatás egy részét arra kell fordítania, hogy újra felépítse ezeket a háttérfeltételeket, mielőtt központi ötletét egyáltalán megítélhetnék.

69. Ezt néha hardver-lottónak nevezik, de a véletlen csak a folyamat kezdete.

70. A tartós hatás abból fakad, hogy egy ötlet és a rendelkezésre álló hardver közötti korai összhang olyan kiegészítő beruházásokat vonz, amelyeket a későbbi alternatíváknak vagy fel kell használniuk, vagy le kell cserélniük.

71. A hardver nem csupán felgyorsítja a válaszok megszerzését.

72. Azzal, hogy egyes műveleteket olcsóvá, másokat pedig drágává tesz, megváltoztatja, mely kérdéseket érdemes gyakran feltenni.

73. A teljesítménytesztek egy második szűrési réteget adnak hozzá.

74. Lehetővé teszik a kumulatív kutatást azáltal, hogy a laboratóriumoknak közös feladatokat, adatkészleteket és mérési módszereket biztosítanak.

75. Ezek nélkül minden új módszer saját tesztjén alapuló sikert hirdethetne, és az összehasonlítás puszta értékesítési trükkké válna.

76. A teljesítmény-referencia egy kiválasztott teljesítményszegmenst is a figyelem középpontjává tesz.

77. A teljesítmény-referencia érzékenységét vizsgáló tanulmányok kimutatták, hogy a referencia feladatainak megváltoztatása megváltoztathatja a módszerek látszólagos rangsorát.

78. Egy rendszer, amely megfelel a kialakult tesztnek, így láthatóságot, hivatkozásokat, jártas felhasználókat és gyakran finanszírozást is szerezhet, ami segít neki abban, hogy ugyanazon teszt következő verziójában tovább javuljon.

79. A szabvány nem csupán egy versenyt rögzít.

80. Segít eldönteni, mely futók kapnak cipőt, edzőket és újabb meghívást a versenyre.

81. Ez nem teszi korrupttá a mérést, sem irreálissá a dominanciát.

82. Ez azt jelenti, hogy a mért érdem és a felhalmozott támogatás összefonódik, így a rangsor önmagában nem árulja el, hogy ugyanazok a megközelítések hogyan fejlődtek volna eltérő beruházások mellett.

83. A pénz megerősíti ezt a mintát anélkül, hogy gonosz szerepet játszana.

84. A nagy számítási klasztereket igénylő kutatásokat teljes körűen csak azok a szervezetek folytathatják, amelyek képesek biztosítani ezeket a klasztereket, bár a terület más területein végzett értékes munkához jóval kevesebb számítási kapacitásra lehet szükség.

85. A befektetők és a vezetők gyakran az értelmezhető mérföldkövekkel rendelkező projekteket részesítik előnyben, míg a bevett referenciaértékek és szoftvercsomagok megkönnyítik a mérföldkövek ígéretét.

86. A tantervek így azokat az eszközöket tanítják, amelyeket a munkaadók és a laboratóriumok már használnak, és ezek a munkaadók az így kialakult képzett szakemberek köréből toboroznak.

87. A bírálók leginkább az általuk ismert módszerekkel kifejezett munkákat tudják értékelni, még akkor is, ha lelkiismeretesen igyekeznek felismerni az ismeretlen érdemeket.

88. Egy doktorandusz ugyanezzel a struktúrával szembesül emberi léptékben.

89. A disszertációnak van határideje, és ha olyan megközelítésre teszünk, amelynek gyenge az eszköztára, kevés a potenciális témavezetője és nincs kialakult publikációs csatornája, az már a tudományos állítás tesztelése előtt veszélybe sodorhatja a karriert.

90. A bevált út választása teljesen racionális döntés lehet az adott kutató számára.

91. Több ezer racionális döntés mindazonáltal olyan kollektív kutatási mintát eredményezhet, amelyet senki sem választott ki egészében.

92. Ez a helyzet mélyreható aszimmetriája.

93. A „mit építsünk” kérdésre adott válaszok gyakran költségvetéseket, termékeket, cikkeket és nyilvános érveléseket hagynak maguk után.

94. A „mit ne vizsgáljunk” kérdésre adott válaszok előre meghozhatók, még mielőtt a pályázatot megírnák vagy a kísérletet megterveznék.

95. Ezek az összesítés révén megváltoztatják a lehetőségek terét, majd eltűnnek a dokumentált történelemből.

96. Egy elutasított pályázat nyomot hagy, és van egy pályázó, aki emlékszik rá.

97. Egy olyan pályázat, amelyet soha nem fogalmaztak meg, mert hiányoztak a szükséges hardverek, kollégák vagy karrierlehetőségek, sokkal kevesebb nyomot hagy.

98. Ellen kell állnunk annak a csábító állításnak, hogy ez a láthatatlan kategória biztosan kiváló technológiák kincsesbányáját rejti.

99. A legtöbb kipróbálatlan ötlet megvalósíthatatlan, felesleges vagy érdektelen lehet.

100. Az ismeretelméleti probléma pontosan abban áll, hogy egy tudományterület nem tudja biztosan felmérni az összetételt, miután a kutatási mechanizmusok eltávolították a bizonyítékokat.

101. A legújabb gépi tanulás néha néhány évre sűrítette össze egy kutatási irányvonal kialakítását.

102. Egy cikk standard szoftverkomponenssé, tanfolyami témává, referenciaérték-alapvonallá és speciális hardver célpontjává válhat, miközben szélesebb körű korlátait még mindig feltérképezik.

103. Ez a tempó lenyűgöző, de az a állítás, hogy ez szó szerint példátlan az egész technológiai történelem során, olyan összehasonlításokat igényelne, amelyekkel nem rendelkezünk.

104. A gyors változás sem cáfolja az útfüggőséget.

105. Egy tudományterület gyorsan kicserélheti a modelleket, miközben minden egyes csere ugyanazokat a gyorsítókat, programozási keretrendszereket, adatkészleteket, értékelési szokásokat és tőkeigényes létesítményeket örökli.

106. A komponensek nevei változnak, miközben a környező architektúrától való elszakadás költségei emelkednek.

107. A bezáródás azonban nem egy „mindent vagy semmit” típusú esemény.

108. Az új algoritmusok újjáéleszthetik a régi ötleteket, az olcsóbb hardver kiszélesítheti a részvételt, a nyílt szoftver csökkentheti a belépési költségeket, és egy új feladat feltárhatja azokat a gyengeségeket, amelyeket egy ismerős referenciaérték elrejtett.

109. A többrétegű hálózatok visszatérése önmagában is bizonyíték arra, hogy egy elhanyagolt út újra megnyílhat, ha a technikák és az anyagi feltételek megváltoznak.

110. Ez nem bizonyíték arra, hogy minden elhagyott út megérdemli az újjáéledést.

111. Bizonyos mértékű szűkítés pontosan az, amire a termékeny kutatásnak szüksége van, mert egy olyan terület, amely egyenlő erőfeszítést oszt el minden elképzelhető megközelítés között, nem tudja kifejleszteni azt a szakértelmet, amely bármelyikük működőképessé tételéhez szükséges.

112. A koncentráció közös nyelvet, megbízható eszközöket, reprodukálható kísérleteket és gyors hibajavítást eredményezhet.

113. Ezek a „bezáródás” hasznos formái.

114. Előnyeik egyben azok is, amelyek a későbbi váltást drágává teszik, mert az érték nem egy modellben rejlik, hanem az azt körülvevő összehangolt rendszerben.

115. A nyitottságnak tehát ára van, és a feltáratlan lehetőségekről szóló romantikus leírások hajlamosak elrejteni, hogy ki fizeti ezt az árat.

116. A párhuzamos programokhoz kutatókra, felszerelésre, karbantartásra, türelmes intézményekre és évekre van szükség, amelyek alatt a vezető megközelítés továbbfejleszthető lett volna.

117. Egy lehetőség megőrzése akkor is ésszerű lehet, ha a hozzá kapcsolódó készségek és eszközök elvesztése a újrateremtést megfizethetetlenül drágává tenné.

118. A releváns kérdés nem az, hogy a sokszínűség mindig jó-e, hanem hogy melyek azok a jelenlegi, mérsékelt költségek, amelyek megakadályozzák a különösen nagy és visszafordíthatatlan jövőbeli veszteségeket.

119. A mezőgazdaság korlátozott, de hasznos összehasonlítási alapot nyújt.

120. A génbankok olyan növényfajtákat és vadon élő rokonfajokat őriznek, amelyeket talán nem ültetnek széles körben, így megőrizve azokat az anyagokat, amelyeket a nemesítők felhasználhatnak, ha a környezet és az igények megváltoznak.

121. A tárolt mag nem egyenértékű a kutatási hagyománnyal, mert a technikai megközelítés a hallgatólagos tudáson, a működőképes berendezéseken és egy olyan közösségen is múlik, amely képes azt átadni.

122. Egy papírarchívum megőrizhet egy ötletet, miközben a megvalósításához szükséges gyakorlati képesség eltűnik.

123. A technikai lehetőségek többféle folytonosság révén maradnak fenn: dokumentáció, reprodukálható kód, kis működő prototípusok, képzett szakemberek, valamint olyan tesztek, amelyek a domináns referenciaértékeken kívüli tulajdonságokat tárnak fel.

124. Egyik sem ingyenes, és egyik sem garantálja, hogy a megőrzött út hasznosnak bizonyul majd.

125. Ezek az elérhetőséget őrzik meg, nem a sikert.

126. A negatív eredmények ugyanebből az okból fontosak.

127. Ha a kudarcokat elég részletesen dokumentálják ahhoz, hogy azok reprodukálhatók legyenek, a későbbi kutatók meg tudják különböztetni az elavult korlátok mellett tesztelt utat attól, amelyet egy általánosabb korlát zár el.

128. Egy elvetett eredmény így inkább híddá válhat, mint pletykává.

129. A történelem olyan eseteket is rögzít, amelyekben a konvergencia inkább ésszerű volt, mint kóros.

130. Amikor egy közös interfész lehetővé teszi sok rendszer együttműködését, az összeegyeztethetetlen alternatívák elvesztését felülmúlhatja a koordináció értéke.

131. Ha egy új megközelítés csupán csekély laboratóriumi előnyt kínál, de hardver-, szoftver-, képzési és biztonsági eljárások cseréjét igényli, a bevált rendszer megtartása inkább valós kompromisszumot tükrözhet, mint intellektuális gyávaságot.

132. Az útfüggőség azonosítja, hogyan keletkeztek a költségek; nem dönti el, hogy érdemes-e azokat megfizetni.

133. Ez a megkülönböztetés megakadályozza, hogy az érvelés minden el nem választott út iránti nosztalgiává süllyedjen.

134. Emellett megakadályozza, hogy a véletlenszerűség fatalizmussá váljon.

135. A korai események, intézményi döntések és anyagi beruházások befolyásolják a későbbi lehetőségeket, de az új bizonyítékok és új eszközök még mindig megváltoztathatják a helyzetet.

136. A helyzetre vonatkozó metaforának metaforának kell maradnia, mert a kutatói közösségek átrajzolhatják saját térképük egyes részeit, miközben azon haladnak.

137. Kapcsolódási pontokat hozhatnak létre a megközelítések között, átültethetik a régi módszereket új hardverre, vagy felvethetnek olyan kérdéseket, amelyeket egy korábbi mércével nem lehetett kifejezni.

138. Az ilyen munka eredménytelennek tűnhet, ha a domináns út közvetlen mércéje alapján ítéljük meg, és pontosan ezért vesznek részt a mércék az út kialakításában.

139. A nehézség inkább időbeli, mint misztikus jellegű.

140. A befektetések felhalmozódhatnak, mielőtt a kontrafaktikus bizonyítékok összegyűlnének, mert egy még meg nem épített rendszerből származó bizonyíték csak akkor érkezik meg, ha valaki viseli a felépítésének költségeit.

141. Mire a bizonyíték rendelkezésre áll, az összehasonlítás már éveknyi egyenlőtlen eszközhasználatot és tapasztalatot is magában foglalhat.

142. Ezért nem írhatjuk le azt a lehetőségek terét, amelybe nem léptünk be, mintha annak tartalma a sötétben várakozó, megismerhető találmányokból állna.

143. Leírhatjuk azokat a mechanizmusokat, amelyek egyes kérdéseket olcsóvá, hitelesvé és mérhetővé tettek, míg másokat költségessé, furcsává vagy láthatatlanná.

144. Ez a figyelemeltolódás a történelmi feljegyzéseket a győztesek felvonulásából olyan kutatás bizonyítékaivá változtatja, amelyet örökölt feltételek mellett folytattak.

145. Minden sikeres technikai út által hátrahagyott csendes kérdés az, hogy a mai alternatívák közül melyik lesz később csak úgy látható, mint az a fordulat, amelyet már nem volt eszközünk megtenni.

1. Im Jahr 1969 veröffentlichten Marvin Minsky und Seymour Papert vom Massachusetts Institute of Technology ein streng mathematisches Buch über lernende Maschinen.

2. Sein Thema war das Perzeptron, eine Familie von Systemen, die vor allem mit Frank Rosenblatt in Verbindung gebracht wird, der sein Modell 1958 in einer wissenschaftlichen Abhandlung beschrieben und dazu beigetragen hatte, es zu einem bedeutenden Forschungsprogramm zu machen.

3. In seiner einfachsten, bekannten Form passt ein Perzeptron anhand von Beispielen die gewichteten Verbindungen an, bis es eine Klasse von Eingaben von einer anderen unterscheiden kann.

4. Minsky und Papert legten klare Grenzen für die von ihnen analysierten Klassen von Perzeptronen fest, darunter deren Unfähigkeit, unter bestimmten Bedingungen bestimmte Probleme im Zusammenhang mit Parität und Konnektivität zu lösen.

5. Die Beweise waren von Bedeutung, weil sie zeigten, dass die Begeisterung für eine lernende Maschine kein Ersatz dafür sein konnte, zu wissen, was diese Maschine darstellen konnte.

6. Dennoch waren die mathematischen Schlussfolgerungen enger gefasst als die warnende Geschichte, die später um sie herum konstruiert wurde.

7. Das Buch bewies nicht, dass jedes mehrschichtige neuronale Netzwerk zwecklos sei, obwohl seine Autoren skeptisch waren, dass das Hinzufügen von Schichten die praktischen Schwierigkeiten ohne Weiteres überwinden würde.

8. Das Trainieren nützlicher versteckter Schichten war in der Tat ein gewaltiges Problem angesichts der damals verfügbaren Konzepte, Software und Rechenressourcen.

9. Die Forschung zu neuronalen Netzen verlor um diese Zeit an Ansehen und Unterstützung, doch keine einzelne Veröffentlichung bedeutete das Aus für das Forschungsgebiet.

10. Symbolische Ansätze gewannen an institutioneller Autorität, frühe konnektionistische Maschinen hatten die hohen Erwartungen enttäuscht, und staatliche Geldgeber forderten nachweisbarere Ergebnisse.

11. Die allgemeinen Kürzungen der Fördermittel für künstliche Intelligenz in den 1970er Jahren hatten zudem konkrete Ursachen, darunter kritische Bewertungen in Großbritannien und sich ändernde Prioritäten in der amerikanischen Verteidigungsforschung.

12. Die Arbeit an neuronalen Netzen wurde in vereinzelten Forschungsgemeinschaften fortgesetzt, sodass selbst das bekannte Bild eines vollständig zum Erliegen gekommenen Forschungsfeldes zu vereinfacht ist.

13. Auch die spätere Wiederbelebung hatte keinen einzigen Ursprung.

14. Sie stützte sich auf die gesammelten Erkenntnisse aus Statistik, Neurowissenschaften, Optimierung, Computertechnik und verschiedenen Traditionen der Netzwerkforschung.

15. Im Jahr 1986 lieferten David Rumelhart, Geoffrey Hinton und Ronald Williams eine weitreichende und einflussreiche Demonstration der Rückpropagation in Netzwerken mit versteckten Einheiten und zeigten, wie interne Repräsentationen durch die Anpassung von Gewichten gelernt werden konnten, um den Ausgabefehler zu reduzieren.

16. Diese Netzwerke entkräfteten die früheren Beweise nicht, da sie nicht auf die Systeme beschränkt waren, auf die sich die Beweise bezogen.

17. Ein Satz war wahr geblieben, während sich der praktische Horizont um ihn herum verändert hatte.

18. Die Perzeptron-Episode ist daher keine einfache Geschichte über ein falsches Urteil, das durch bessere Beweise widerlegt wurde.

19. Es ist eine Geschichte darüber, wie ein Forschungsgebiet entscheidet, welche Urteile Beachtung verdienen, welche Hindernisse Beharrlichkeit rechtfertigen und welche Fragen nicht mehr die Ressourcen anziehen, die zu ihrer Beantwortung erforderlich sind.

20. Historiker sind sich uneinig darüber, wie viel kausales Gewicht dem Buch selbst beizumessen ist, und diese Uneinigkeit ist Teil der Lehre und kein Hindernis dafür.

21. Eine fachliche Kritik kann über mehrere Kanäle gleichzeitig von Bedeutung sein: was sie beweist, wie einflussreiche Leser sie interpretieren, welche Investitionen sie verhindert und welches konkurrierende Programm bereit ist, die freigesetzten Mittel und Talente aufzunehmen.

22. Keiner dieser Kanäle allein macht den nachfolgenden Weg unvermeidlich.

23. Zusammen können sie jedoch beeinflussen, welche nächsten Schritte finanzierbar, respektabel und sichtbar sind.

24. Das ist hier der spezifische Mechanismus der Pfadabhängigkeit.

25. Wir führen hervorragende Aufzeichnungen darüber, was geschaffen wurde.

26. Wir führen ordentliche Aufzeichnungen darüber, was versucht wurde und gescheitert ist.

27. Wir führen weitaus schlechtere Aufzeichnungen darüber, was nie versucht wurde, denn ein nicht durchgeführtes Experiment liefert kein Ergebnis, das archiviert werden könnte.

28. Ein gescheitertes Experiment hinterlässt vielleicht einen Artikel, einen Datensatz oder einen enttäuschten Absatz in einer Abschlussarbeit.

29. Ein Projekt, das noch vor der Antragsphase aufgegeben wurde, hinterlässt eine Lücke, die genau wie jede andere Lücke aussieht.

30. Stellen Sie sich ein Fotoarchiv einer Stadt vor, das bis hin zu jeder Tür und jedem Abflussrohr vollständig ist, und fragen Sie sich dann, wie die Stadt stattdessen hätte aussehen können.

31. Das Archiv kann diese Frage nicht beantworten, und es kann auch nicht andeuten, wie groß das ist, was es nicht zeigt.

32. Die Analogie hat ihre Grenzen, denn technische Alternativen sind keine vollständig ausgebildeten Straßen, die irgendwo außerhalb des Fotos warten.

33. Viele Möglichkeiten lassen sich erst dann beschreiben, wenn Werkzeuge, Konzepte und damit verbundene Entdeckungen sie erst denkbar machen.

34. Der Möglichkeitenraum ist daher ein analytisches Modell, kein Lagerhaus fertiger Erfindungen, die die Geschichte versäumt hat, auszupacken.

35. Er umfasst Ansätze, die versucht und wieder aufgegeben wurden, Ideen, die unpraktikabel blieben, Kombinationen, die niemand finanzierte, und Fragen, die Forscher mit der verfügbaren Sprache noch nicht klar formulieren konnten.

36. Diese Kategorien sollten nicht verwechselt werden.

37. Ein Ansatz kann wegfallen, weil er widerlegt wurde, weil er bei einschlägigen Tests schlecht abgeschnitten hat, weil eine entscheidende Komponente fehlte oder weil sich die Aufmerksamkeit auf andere Bereiche verlagerte, bevor ein fairer Vergleich möglich wurde.

38. Nur die letzten drei Gründe lassen Raum dafür, dass ein verändertes Umfeld den Weg wieder frei macht, und selbst dann ist ein erneuter Erfolg nicht garantiert.

39. Das analoge Rechnen veranschaulicht die Gefahr, einen komplizierten Übergang auf einen technischen K.o. zu reduzieren.

40. Elektronische Analog- und Hybridcomputer blieben für Simulationen und Steuerungsaufgaben nützlich, nachdem digitale Computer begonnen hatten, die Allzweck-Datenverarbeitung zu dominieren.

41. Digitale Systeme boten erhebliche Vorteile hinsichtlich Programmierbarkeit, Reproduzierbarkeit, Speicherkapazität und kumulativer Verbesserung, während sich Fertigung, Bildung und Software zunehmend an diesen Vorteilen ausrichteten.

42. Sobald sich dieses Umfeld gefestigt hatte, musste eine analoge Methode nicht nur ihre eigene Leistungsfähigkeit rechtfertigen, sondern auch die Kosten für den Ausstieg aus einem ausgereiften digitalen Ökosystem.

43. Analoge Methoden wurden nicht widerlegt, und einige spätere Hardware-Lösungen für maschinelles Lernen haben sich erneut mit der Berechnung physikalischer, kontinuierlicher Größen befasst.

44. Ihre möglichen Energie- und Geschwindigkeitsvorteile gehen mit Problemen hinsichtlich Rauschen, Präzision, Fertigung und Programmierbarkeit einher, sodass ihre erneute Aufmerksamkeit kein Beweis dafür ist, dass die frühere Entscheidung einfach nur töricht war.

45. Neuromorphes Rechnen stellt eher einen weiteren Zweig dar als einen geheimen Ersatz, der nur darauf wartet, sich durchzusetzen.

46. Es nutzt Designs, die von Merkmalen wie spärlicher, ereignisgesteuerter neuronaler Signalübertragung inspiriert sind, in der Hoffnung, bestimmte Arbeitslasten effizienter zu bewältigen als herkömmliche dichte Berechnungen.

47. Vergleiche mit biologischen Gehirnen erfordern Vorsicht, da ein Gehirn und ein Trainingscluster unterschiedliche Aufgaben unter unterschiedlichen Definitionen von Genauigkeit, Lernen und Energieverbrauch ausführen.

48. Die in populären Darstellungen manchmal verwendeten Vergleiche mit riesigen Kraftwerken reduzieren diese Unterschiede auf eine Zahl, die weniger aussagt, als es den Anschein hat.

49. Neuromorphe Geräte könnten sich in bestimmten Anwendungsbereichen als wertvoll erweisen, ohne herkömmliche Hardware in diesem Bereich vollständig zu verdrängen.

50. Symbolische Systeme, evolutionäre Berechnung, probabilistische Modelle sowie Hybride aus gelernten und manuell strukturierten Komponenten besetzen weitere Bereiche der Landkarte.

51. Jedes dieser Ansätze bringt charakteristische Stärken, Kosten und Fehlermodi mit sich, anstatt einen universellen Anspruch auf Überlegenheit zu erheben.

52. Symbolische Darstellungen können bestimmte Regeln explizit machen, sind jedoch unter Umständen aufwendig zu erstellen und außerhalb der vorgesehenen Anwendungsfälle anfällig.

53. Evolutionäre Methoden können ohne Gradienten suchen, erfordern jedoch möglicherweise viele Bewertungen und lassen sich nur schwer auf bestimmte Aufgaben skalieren.

54. Probabilistische Modelle können Unsicherheit explizit darstellen, doch ihre Annahmen und Rechenanforderungen schränken nach wie vor ein, was sie ausdrücken und schätzen können.

55. Mehrere dieser Traditionen haben auch zum Mainstream des maschinellen Lernens beigetragen, was zeigt, warum sich die Grenze zwischen einem dominanten und einem alternativen Weg ständig verschiebt.

56. Die Bezeichnung eines Ansatzes als „vernachlässigt“ beweist nicht, dass er mit gleichen Ressourcen erfolgreich gewesen wäre.

57. Sie belegt lediglich, dass seine beobachtete Leistung unter ungleichen historischen Bedingungen erzielt wurde.

58. Der aussagekräftigste Vergleich stellt daher zwei Fragen statt nur einer.

59. Wie gut funktioniert der Ansatz heute, und wie haben frühere Investitionen die Bedingungen geprägt, unter denen diese Leistung möglich wurde?

60. Der Mechanismus, der diese Fragen voneinander trennt, ist der Zinseszinseffekt.

61. Angenommen, zwei Ansätze beginnen mit vergleichbarem Potenzial, und einer passt zufällig etwas besser zur verfügbaren Hardware.

62. Er läuft schneller, erzeugt mehr Experimente pro Jahr, taucht in mehr Fachartikeln auf, zieht mehr Studierende an und erhält bessere Bibliotheken.

63. Ingenieure optimieren daraufhin Chips, Treiber und Datenpipelines für die Operationen, die die wachsende Community am häufigsten nutzt.

64. Das nächste Experiment wird kostengünstiger, was zu mehr Ergebnissen führt und die Argumente für eine weitere Investitionsrunde stärkt.

65. Jeder Schritt kann für sich genommen sinnvoll sein, ohne dass jemand den konkurrierenden Ansatz als falsch erklärt.

66. Nach genügend Durchläufen werden die Ansätze nicht mehr in gleichwertigen Umgebungen getestet.

67. Der eine verfügt über ausgereifte Werkzeuge, geschulte Mitarbeiter, bewährte Debugging-Verfahren, kompatible Datensätze und Gutachter, die seine Fachsprache verstehen.

68. Der andere muss einen Teil jedes Forschungszuschusses dafür aufwenden, diese Rahmenbedingungen erst wiederherzustellen, bevor seine zentrale Idee überhaupt beurteilt werden kann.

69. Dies wird manchmal als „Hardware-Lotterie“ bezeichnet, doch der Zufall ist nur der Anfang des Prozesses.

70. Der dauerhafte Effekt ergibt sich daraus, dass eine frühzeitige Übereinstimmung zwischen einer Idee und der verfügbaren Hardware komplementäre Investitionen anzieht, die spätere Alternativen entweder nutzen oder ersetzen müssen.

71. Hardware beschleunigt nicht nur die Antworten.

72. Indem sie manche Vorgänge kostengünstig und andere teuer macht, verändert sie, welche Fragen es sinnvoll ist, wiederholt zu stellen.

73. Benchmarks fügen eine zweite Auswahlebene hinzu.

74. Sie ermöglichen kumulative Forschung, indem sie Forschungslabors gemeinsame Aufgaben, Datensätze und Messgrößen vorgeben.

75. Ohne sie könnte jede neue Methode bei einem privaten Test Erfolg für sich beanspruchen, und der Vergleich würde zu reiner Verkaufsmasche verkommen.

76. Ein Benchmark macht zudem einen ausgewählten Leistungsaspekt zu einem Sprungbrett für Aufmerksamkeit.

77. Untersuchungen zur Sensitivität von Benchmarks haben gezeigt, dass eine Änderung der Aufgaben in einem Benchmark die scheinbare Rangfolge der Methoden verändern kann.

78. Ein System, das den etablierten Test erfüllt, kann daher an Sichtbarkeit, Zitaten, erfahrenen Anwendern und oft auch an Fördermitteln gewinnen, was ihm hilft, sich bei der nächsten Version desselben Tests zu verbessern.

79. Der Standard dokumentiert nicht bloß ein Rennen.

80. Er hilft dabei zu bestimmen, welche Läufer Schuhe, Trainer und eine weitere Einladung zum Wettkampf erhalten.

81. Das macht die Messung nicht korrupt oder die Dominanz unrealistisch.

82. Es bedeutet, dass gemessene Leistung und gewonnene Unterstützung miteinander verflochten sind, sodass eine Rangliste für sich genommen nicht aussagen kann, wie sich dieselben Ansätze bei unterschiedlichen Investitionen entwickelt hätten.

83. Geld verstärkt dieses Muster, ohne dabei als Bösewicht zu fungieren.

84. Forschung, die große Rechencluster erfordert, kann nur von Organisationen in vollem Umfang betrieben werden, die sich diese Cluster sichern können, obwohl wertvolle Arbeit in anderen Bereichen des Fachgebiets möglicherweise weitaus weniger Rechenleistung benötigt.

85. Investoren und Manager bevorzugen oft Projekte mit nachvollziehbaren Meilensteinen, während etablierte Benchmarks und Software-Stacks es einfacher machen, solche Meilensteine zu versprechen.

86. In den Lehrplänen werden dann die Werkzeuge vermittelt, die Arbeitgeber und Forschungslabore bereits nutzen, und diese Arbeitgeber rekrutieren aus dem daraus resultierenden Pool an ausgebildeten Fachkräften.

87. Gutachter sind am besten in der Lage, Arbeiten zu bewerten, die mit ihnen bekannten Methoden dargestellt werden, selbst wenn sie gewissenhaft versuchen, unbekannte Verdienste anzuerkennen.

88. Ein Doktorand sieht sich auf menschlicher Ebene mit derselben Struktur konfrontiert.

89. Eine Dissertation hat eine Abgabefrist, und wenn man auf einen Ansatz setzt, der über schwache Werkzeuge, wenige potenzielle Betreuer und keine etablierte Publikationsplattform verfügt, kann dies die Karriere gefährden, noch bevor eine wissenschaftliche These überhaupt überprüft wurde.

90. Die Wahl des bewährten Weges mag für diesen Forscher völlig rational sein.

91. Tausende rationaler Entscheidungen können dennoch ein kollektives Suchmuster hervorbringen, das niemand als Ganzes ausgewählt hat.

92. Darin liegt die tiefgreifende Asymmetrie der Situation.

93. Entscheidungen darüber, was entwickelt werden soll, ziehen oft Budgets, Produkte, Veröffentlichungen und öffentliche Diskussionen nach sich.

94. Entscheidungen darüber, was nicht untersucht werden soll, können vorausschauend getroffen werden, noch bevor ein Antrag verfasst oder ein Experiment konzipiert wird.

95. Sie verändern durch Aggregation den Möglichkeitenraum und verschwinden dann aus dessen dokumentarischer Geschichte.

96. Ein abgelehnter Förderantrag hinterlässt eine Akte und einen Antragsteller, der sich daran erinnert.

97. Ein Antrag, der nie verfasst wurde, weil die notwendige Hardware, Kollegen oder Karriereaussichten fehlten, hinterlässt weitaus weniger.

98. Wir sollten der verführerischen Behauptung widerstehen, dass diese unsichtbare Kategorie eine Fundgrube überlegener Technologien enthalten müsse.

99. Die meisten ungetesteten Ideen sind möglicherweise nicht umsetzbar, überflüssig oder uninteressant.

100. Das epistemische Problem besteht genau darin, dass ein Fachgebiet die Zusammensetzung nicht zuverlässig einschätzen kann, nachdem die Mechanismen der Erforschung die Belege beseitigt haben.

101. Das maschinelle Lernen der letzten Zeit hat die Etablierung eines Forschungswegs manchmal auf wenige Jahre verkürzt.

102. Eine wissenschaftliche Arbeit kann zu einer Standard-Softwarekomponente, einem Lehrthema, einer Benchmark-Grundlage und einem Ziel für spezialisierte Hardware werden, während ihre weiterreichenden Grenzen noch erst kartiert werden.

103. Dieses Tempo ist beeindruckend, doch Behauptungen, es sei buchstäblich beispiellos in der gesamten Technologiegeschichte, würden Vergleiche erfordern, über die wir nicht verfügen.

104. Auch widerlegt der rasche Wandel nicht die Pfadabhängigkeit.

105. Ein Fachgebiet kann Modelle schnell ersetzen, während jeder Ersatz dieselben Beschleuniger, Programmier-Frameworks, Datensätze, Bewertungsgewohnheiten und kapitalintensiven Einrichtungen übernimmt.

106. Die Bezeichnungen der Komponenten ändern sich, während die Kosten für den Ausstieg aus der umgebenden Architektur steigen.

107. Dennoch ist eine Abgrenzung kein Alles-oder-Nichts-Ereignis.

108. Neue Algorithmen können alte Ideen wiederbeleben, kostengünstigere Hardware kann die Teilnahme erweitern, offene Software kann die Einstiegskosten senken, und eine neue Aufgabe kann Schwächen aufdecken, die ein bekannter Benchmark verdeckt hat.

109. Die Rückkehr mehrschichtiger Netzwerke ist an sich schon ein Beweis dafür, dass sich ein vernachlässigter Weg wieder öffnen kann, wenn sich Techniken und materielle Bedingungen ändern.

110. Das ist kein Beweis dafür, dass jeder aufgegebene Weg eine Wiederbelebung verdient.

111. Eine gewisse Eingrenzung ist genau das, was produktive Forschung erfordert, denn ein Fachgebiet, das den Aufwand gleichmäßig auf jeden erdenklichen Ansatz verteilt, kann nicht die Kompetenz entwickeln, die nötig ist, um einen einzelnen davon zum Erfolg zu führen.

112. Konzentration kann eine gemeinsame Sprache, zuverlässige Werkzeuge, reproduzierbare Experimente und eine schnelle Fehlerkorrektur hervorbringen.

113. Dies sind nützliche Formen der Bindung.

114. Ihre Vorteile sind zugleich der Grund, warum ein späterer Wechsel kostspielig ist, denn der Wert liegt nicht in einem einzelnen Modell, sondern in dem koordinierten System, das es umgibt.

115. Offenheit hat daher ihren Preis, und romantische Schilderungen unerforschter Möglichkeiten verschleiern oft, wer diesen Preis bezahlt.

116. Parallele Programme erfordern Forscher, Ausrüstung, Wartung, geduldige Institutionen und Jahre, in denen der führende Ansatz hätte verbessert werden können.

117. Eine Option offen zu halten, kann dennoch rational sein, wenn der Verlust der damit verbundenen Fähigkeiten und Werkzeuge eine Neuentwicklung unerschwinglich teuer machen würde.

118. Die relevante Frage ist nicht, ob Vielfalt immer gut ist, sondern welche bescheidenen gegenwärtigen Kosten besonders große und irreversible zukünftige Verluste verhindern.

119. Die Landwirtschaft bietet einen begrenzten, aber nützlichen Vergleich.

120. Genbanken bewahren Pflanzensorten und wilden Verwandten, die vielleicht nicht weit verbreitet angebaut werden, und erhalten so Material, das Züchter nutzen können, wenn sich Umweltbedingungen und Bedürfnisse ändern.

121. Gelagertes Saatgut ist nicht gleichbedeutend mit einer Forschungstradition, da ein technischer Ansatz auch von implizitem Wissen, funktionierender Ausrüstung und einer Gemeinschaft abhängt, die in der Lage ist, dieses Wissen weiterzugeben.

122. Ein Papierarchiv kann eine Idee bewahren, während die praktische Fähigkeit, sie weiterzuentwickeln, verloren geht.

123. Technische Optionen überdauern durch verschiedene Formen der Kontinuität: Dokumentation, reproduzierbarer Code, kleine funktionierende Prototypen, geschulte Fachkräfte und Tests, die Eigenschaften aufzeigen, die außerhalb des vorherrschenden Maßstabs liegen.

124. Keine davon ist kostenlos, und keine garantiert, dass der bewahrte Weg nützlich wird.

125. Sie bewahren die Erreichbarkeit, nicht den Erfolg.

126. Negative Ergebnisse sind aus demselben Grund von Bedeutung.

127. Wenn Misserfolge so detailliert dokumentiert werden, dass sie reproduzierbar sind, können spätere Forscher einen unter veralteten Einschränkungen getesteten Weg von einem unterscheiden, der durch eine allgemeinere Grenze blockiert wurde.

128. Ein verworfenes Ergebnis kann dann eher zu einer Brücke als zu einem Gerücht werden.

129. Die Geschichte verzeichnet auch Fälle, in denen Konvergenz sinnvoll und nicht pathologisch war.

130. Wenn eine gemeinsame Schnittstelle die Interoperabilität vieler Systeme ermöglicht, kann der Wert der Koordination den Verlust inkompatibler Alternativen aufwiegen.

131. Wenn ein neuer Ansatz nur einen geringen Vorteil im Labor bietet, aber den Austausch von Hardware, Software, Schulungen und Sicherheitsverfahren erfordert, kann die Beibehaltung des etablierten Systems eher einen echten Kompromiss als intellektuelle Feigheit widerspiegeln.

132. Pfadabhängigkeit zeigt auf, wie die Kosten entstanden sind; sie entscheidet nicht darüber, ob es sich lohnt, sie zu tragen.

133. Diese Unterscheidung verhindert, dass die Argumentation in Nostalgie für jeden nicht eingeschlagenen Weg versinkt.

134. Sie verhindert auch, dass Kontingenz zu Fatalismus wird.

135. Frühe Ereignisse, institutionelle Entscheidungen und materielle Investitionen beeinflussen spätere Möglichkeiten, doch neue Erkenntnisse und neue Werkzeuge können die Landschaft dennoch verändern.

136. Die Landschaftsmetapher muss eine Metapher bleiben, denn Forschungsgemeinschaften können Teile ihrer eigenen Karte neu zeichnen, während sie sich auf ihr fortbewegen.

137. Sie können Schnittstellen zwischen Ansätzen schaffen, alte Methoden auf neue Hardware übertragen oder Fragen wieder aufgreifen, die ein früherer Maßstab nicht ausdrücken konnte.

138. Solche Arbeit mag unproduktiv erscheinen, wenn man sie anhand der unmittelbaren Maßstäbe des vorherrschenden Weges beurteilt – und genau deshalb tragen diese Maßstäbe zur Wegbildung bei.

139. Die Schwierigkeit ist eher zeitlicher als mystischer Natur.

140. Investitionen können sich verzinsen, bevor sich kontrafaktische Belege ansammeln, denn Belege aus einem noch nicht realisierten System liegen erst vor, nachdem jemand die Kosten für dessen Aufbau getragen hat.

141. Bis diese Belege vorliegen, kann der Vergleich bereits Jahre ungleicher Ausstattung und Erfahrung umfassen.

142. Wir können daher den Möglichkeitenraum, den wir nicht betreten haben, nicht so beschreiben, als handele es sich bei seinem Inhalt um erkennbare Erfindungen, die im Dunkeln warten.

143. Wir können die Mechanismen beschreiben, die manche Fragen kostengünstig, seriös und messbar machten, während sie andere kostspielig, seltsam oder unsichtbar machten.

144. Diese Verlagerung der Aufmerksamkeit verwandelt die Geschichtsschreibung von einer Parade der Gewinner in den Nachweis einer Suche, die unter geerbten Bedingungen durchgeführt wurde.

145. Die stille Frage, die jeder erfolgreiche technische Weg hinterlässt, lautet: Welche der heutigen Alternativen wird später nur noch als die Abzweigung sichtbar sein, für die wir nicht mehr die Werkzeuge hatten, um sie einzuschlagen?