Detailansicht
Do artificial neural networks know?
a philosophical inquiry into their epistemic status with particular attention to propositional and tacit knowledge
Lionel Augustin Thalmann
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Philosophie
Betreuer*in
Michael Funk
DOI
10.25365/thesis.81411
URN
urn:nbn:at:at-ubw:1-12630.96171.522859-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Moderne künstliche neuronale Netze erzeugen Klassifikationen, Erklärungen und Empfehlungen und übernehmen damit zunehmend die Rolle epistemischer Vermittlungsinstanzen. Die vorliegende Arbeit untersucht, ob – und in welchem Sinne – einem subsymbolischen Lerner (CLERE) Wissen zugeschrieben werden kann. Methodisch folgt sie einem epistemologischen Pluralismus, der eine technische Rekonstruktion der Kompetenz von CLERE – fehlergetriebenes Lernen, verteilte Repräsentationen und hochdimensionale Kodierung – mit zwei komplementären epistemischen Vokabularen zusammenführt: propositionalem Wissen (dem JTB-Schema sowie den Post-Gettier-Debatten über Internalismus und Externalismus) und implizitem Wissen (Ryles Wissen-wie, Polanyis implizites Wissen und Collins' Taxonomie des relationalen, somatischen und kollektiven impliziten Wissens).
Die Analyse führt zu einem zweigeteilten Ergebnis. Auf der propositionalen Seite lässt sich das klassische JTB-Schema nicht unmittelbar anwenden, da Überzeugung und Rechtfertigung traditionell eine doxastische Perspektive im Raum der Gründe (space of reasons) voraussetzen. Wissensanaloge Zuschreibungen lassen sich dennoch rekonstruieren: internalistisch als kalibrierte Überzeugungsgrade (credences), gestützt auf lokale Evidenzkontrollen; externalistisch, indem CLEREs Ausgaben als Produkte eines Prozesses der Überzeugungsbildung betrachtet werden, deren epistemische Berechtigung von ihrer Einbettung in robuste soziotechnische Zuverlässigkeitsindikatoren und eine wissenschaftliche Fundierung abhängt. Auf der Seite des impliziten Wissens zeigt CLERE zwar ein performanzbasiertes Können im schwachen Sinne innerhalb seiner trainierten Domäne, erfüllt jedoch nicht die anspruchsvolleren Kriterien des polanyischen Begriffs von implizitem Wissen: Seine Integrationsleistungen sind mathematisch optimiert, nicht intentional gemeint; es mangelt ihm an Einfühlung (indwelling) und Verletzbarkeit; Intransparenz allein konstituiert noch kein implizites Wissen. Collins' Sozialisationsproblem markiert schließlich eine verbleibende Grenze: Kontinuierliches Lernen aus kuratierten Datenspuren ersetzt keine normative Teilhabe an einer lebendigen Praxis mit ihren Rechenschaftspflichten.
Das Ergebnis lautet: CLERE ist am besten als epistemisches Instrument zu verstehen, dessen Ausgaben innerhalb angemessen geregelter Verarbeitungsketten wissenstragend sein können – während der primäre Träger epistemischer Kompetenz die soziotechnische Praxis bleibt, die das System trainiert, validiert und korrigiert.
Abstract
(Englisch)
Contemporary artificial neural networks deliver fluent classifications, explanations, and recommendations that increasingly function as epistemic intermediaries. This thesis asks whether – and in what sense – a subsymbolic learner (CLERE) can be said to know. Methodologically, it pursues an epistemological pluralism that integrates a technical reconstruction of CLERE's competence (error-driven learning, distributed representations, and high-dimensional encoding) with two complementary epistemic vocabularies: propositional knowledge (the justified-true-belief schema and post-Gettier debates over internalism and externalism) and tacit knowledge (Ryle's knowing-how, Polanyi's tacit knowing, and Collins's taxonomy of relational, somatic, and collective tacit knowledge). The assessment yields a bifurcated verdict. On the propositional side, classical JTB does not straightforwardly apply, since belief and justification are traditionally tied to a doxastic perspective in the space of reasons; nonetheless, knowledge-like attributions can be reconstructed either internally, as calibrated credences supported by local evidential checks, or externally, by treating CLERE as a belief-forming process whose outputs are warranted only when embedded in robust socio-technical reliability indicators and scientific anchoring. On the tacit side, CLERE plausibly exhibits a thin, performance-based know-how within its trained domain, yet it fails to satisfy thicker Polanyian tacit knowing: its integrations are mathematically optimized rather than intentionally meant, it lacks embodied indwelling and vulnerability, and opacity alone is not tacitness. Finally, Collins's socialization problem marks a residual limit: continual learning from curated data traces does not amount to normative participation and answerability within a living practice. The upshot is that CLERE is best understood as an epistemic instrument whose outputs can be knowledge-bearing within appropriately governed pipelines, while the primary bearer of epistemic competence is the socio-technical practice that trains, validates, and corrects the system.
Schlagwörter
Schlagwörter
(Deutsch)
Maschinelle Epistemologie Künstliche neuronale Netze Large language models Propositionales Wissen Implizites Wissen Internalismus und Externalismus Prozessreliabilismus Polanyi implizites Wissen Collins Taxonomie impliziten Wissens Epistemische Vermittlungsinstanzen
Schlagwörter
(Englisch)
Machine epistemology Artificial neural networks Large language models Propositional knowledge Tacit knowledge Internalism and externalism Process reliabilism Polanyi tacit knowing Collins tacit knowledge Epistemic intermediaries
Autor*innen
Lionel Augustin Thalmann 
Haupttitel (Englisch)
Do artificial neural networks know?
Hauptuntertitel (Englisch)
a philosophical inquiry into their epistemic status with particular attention to propositional and tacit knowledge
Publikationsjahr
2026
Umfangsangabe
ix, 127 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Michael Funk
Klassifikation
08 Philosophie > 08.32 Erkenntnistheorie
AC Nummer
AC17914165
Utheses ID
79932
Studienkennzahl
UA | 066 | 941 | |