Ein Computer ist ein Büroangestellter. Das ist keine Metapher – das ist die einzige Bedeutung, die Talkie-LM kennt. Das Sprachmodell der Forscher Nick Levine, David Duvenaud und Alec Radford endet mit seinem Weltwissen exakt am 31. Dezember 1930. Der Zweite Weltkrieg, Penicillin, das Internet: alles ungeschrieben. Was wie eine akademische Spielerei klingt, ist in Wahrheit ein Seziermesser – angesetzt an die drängendste offene Frage der KI-Forschung.

Dahinter steckt eine Krise, die sich die Branche selbst eingebrockt hat: Weil moderne Sprachmodelle beinahe das gesamte digitalisierte Wissen der Menschheit verarbeitet haben, lässt sich kaum noch prüfen, ob eine Maschine eine logische Aufgabe versteht – oder ob sie schlicht die statistisch wahrscheinlichste Lösung reproduziert, die sie irgendwo auf einer vergessenen Unterseite des Internets bereits gelesen hat. Talkie-LM soll diesen verseuchten Experimentierraum reinigen.

Das Modell verfügt über 13 Milliarden Parameter und wurde mit 260 Milliarden Wörtern trainiert – ausschließlich aus Büchern, Zeitungen und Patenten vor 1931. Das Datum ist kein historischer Zufall, sondern juristisches Kalkül: Nach US-amerikanischem Recht sind diese Werke gemeinfrei. Die akademischen Entwickler entgehen damit jenen Urheberrechtsklagen, die kommerzielle Tech-Konzerne derzeit wegen des Auslesens geschützter Daten heimsuchen. In der Branche nennt man solche Systeme bereits „vegane KI“.

Was die Maschine nicht wissen kann – und trotzdem tut

Talkie-LM hat in seiner Trainingsphase niemals modernen Programmcode gesehen. Dennoch schreibt es auf Basis weniger vorgegebener Beispiele funktionierende Python-Skripte. Die Maschine leitet die formale Logik offenbar aus mathematischen Texten des 19. Jahrhunderts ab und überträgt sie auf eine Syntax, die zu ihrer Zeit noch nicht existierte.

Die Forschung streitet heftig darüber, was das bedeutet. Die eine Seite sieht bloße Mustererkennung, hochgetrieben bis zur Unkenntlichkeit. Die andere sieht etwas, das dem Abstraktionsvermögen erschreckend nahekommt – eine Maschine, die nicht imitiert, sondern schließt. Demis Hassabis, CEO von Google DeepMind, hat diese Spannung in eine konkrete Herausforderung gegossen: Könnte ein Modell, dessen Wissen 1911 eingefroren wurde, autonom die Allgemeine Relativitätstheorie ableiten – so wie Einstein es 1915 tat, ohne Vorlage, nur durch Denken? Talkie-LM ist die erste Plattform, auf der sich diese Frage nicht mehr nur spekulativ stellen lässt.

Risse in der Zeitkapsel

Die Isolation des Modells ist freilich nicht dicht. Die Entwickler kämpfen fortwährend mit „Temporal Leakage“ (Zeit-Lecks): Wenn ein historischer Roman in einer späteren Auflage ein modernes Vorwort erhält und digitalisiert wurde, sickert unweigerlich Zukunftswissen ein. So verfügt Talkie-LM stellenweise über ein diffuses, irritierendes Wissen über Roosevelts Präsidentschaft oder die Nachkriegsteilung Deutschlands – Bruchstücke einer Geschichte, die es nicht kennen dürfte und nicht einordnen kann.

Weit aufschlussreicher ist, was das Modell sagt, wenn niemand es bremst. Auf die Frage nach der Zukunft Indiens doziert Talkie-LM über die unerschütterliche britische Herrschaft und erklärt jeden Unabhängigkeitsversuch für aussichtslos – nicht als Provokation, nicht als Fehler, sondern als selbstverständliche Wahrheit. Was hier spricht, ist kein Algorithmus mit schlechten Manieren. Es ist der ungeglättete Diskurs einer Epoche, eingefroren und wieder aufgetaut: der Rassismus, der Imperialismus, die Gewissheiten einer Welt kurz vor ihrem Zusammenbruch. Das Modell lügt nicht. Es spiegelt. Für Historiker ist das ein Archiv. Für alle anderen eine Zumutung – und vielleicht genau deshalb wertvoll.

Die Prognosen einer vergangenen Welt

Gleichzeitig verblüfft es mit Extrapolationen, die eine eigentümliche Schönheit haben. Basierend auf den Wachstumsprojektionen der 1920er-Jahre entwirft Talkie-LM für das Jahr 2025 eine Welt mit 6,6 Milliarden Menschen, die in 40 Stunden per Eisenbahn von London nach Konstantinopel reisen und durch eine universelle Weltsprache verbunden sind. Die Forscher haben diese Vorhersagekraft auch messbar gemacht: Sie konfrontierten das Modell mit knapp 5000 Ereignisbeschreibungen aus der New York Times und berechneten mathematisch, wie „überrascht“ es von der realen Geschichte ist.

Was auf dem Spiel steht

Talkie-LM ist kein Experiment über die Vergangenheit. Es ist eines über eine Annahme, auf der die gesamte Branche gebaut ist: dass mehr Daten mehr Intelligenz bedeuten. Vielleicht stimmt das nicht. Vielleicht entsteht Verständnis gerade dort, wo Grenzen gezogen werden – wo eine Maschine nicht nachschlagen kann und stattdessen schlussfolgern muss. Eine KI, die nicht alles weiß, zwingt die Forschung, endlich zu klären, was Denken überhaupt ist.