Zumindest den Weg dahin will eine aktuelle Strömung der Erforschung der künstlichen Intelligenz ebnen: das argumentation mining.
Natürlich brauchen die Rechner dazu einen Datensatz, dem sie Argumente entnehmen können. Vorreiter hierfür ist (wieder einmal) IBMs Watson, der zu einem gegebenen Thema Pro- und Kontra-Argumente aus Wikipedia und anderen Online-Enzyklopädien sammelt und vorliest (Die Sprachaus- und -eingabe hat Watson bereits einen aufsehenerregenden Sieg bei der Quizshow „Jeopardy“ eingebracht). Eine Demo dieser Fähigkeit kann man in diesem Video sehen.
Allerdings ist das reine Auflisten von Argumenten noch kein Debattieren – das wissen wir alle (leidvoll) aus unseren ersten Erörterungs-Versuchen in der Schule. Aber wie kann der Rechner gute von schlechten Argumenten unterscheiden?
Einen Ansatz dazu verfolgen Wissenschaftler an der Uni Darmstadt: sie nutzen die Crowdsourcing-Plattform mechanical turk, um möglichste vielen Nutzern jeweils zwei Argumente vorzulegen mit der Aufforderung, das überzeugendere auszuwählen.
Und genau das sagt uns viel über den maschinellen Lernvorgang: Ganz ohne Training durch den Menschen funktioniert’s bei einem so komplexen Thema (noch) nicht.