Ich bin jetzt seit zehn Wochen Vater. Vor ein paar Wochen habe ich über die Kalibrierung eines Säuglings geschrieben, die für mich ein bisschen wie das Training eines neuronalen Netzwerkes funktioniert: Der Säugling passt seine Parameter durch Feedback seiner Umwelt an. Dies funktioniert über Trial and Error. Immer wieder ausprobieren und Rückmeldungen einarbeiten. Die Lösung, die funktioniert wird gespeichert und was fehlschlägt, wird verworfen. Das Baby entwickelt sich.
Nachdem unser Sohn in den ersten Wochen viel geschlafen hat beginnt er aktuell immer mehr mit uns zu interagieren. Und das erfordert von uns auf seine Bedürfnisse zu reagieren. Und auch hier mussten wir feststellen: Der Prozess das Baby zu verstehen ist ein ähnlicher Prozess wie der des Babys sich und seine Umwelt zu verstehen selbst. Anders als bei manchen naturwissenschaftlichen Modellen gibt es keine analytische Lösung. Wir kommen nicht durch das Durchdenken aller Varianten und möglichen Szenarien auf die Lösung und damit auf das eine Puzzleteil das ihm gerade für seine Zufriedenheit fehlt. Vielmehr müssen wir viele Varianten durchprobieren bis die Zielfunktion, was seine positive Reaktion darstellt, hinreichend erfüllt ist.
Das heißt die Interaktion mit einem Baby ist ein einziger Trial-and-Error-Prozess. Man versucht herauszufinden, wie es auf bestimmte Reize reagiert. Was bedeutet dieses Schreien gerade? Hunger? Müdigkeit? Bauchweh? Reizüberflutung? Man weiß es nicht und kann es oft auch gar nicht wissen. Es gibt keinen Debugger, kein Logging, keinen Blick ins Innere des Systems. Man kann nicht „nachschauen“ welche neuronalen oder biochemischen Prozesse gerade ablaufen, um entsprechende Gegenmaßnahmen einzuleiten. Also bleibt nur eins: ausprobieren. Man füttert. Man wiegt. Man wechselt die Windel. Man trägt herum. Man bietet den Schnuller an. Und dann beim ca. 17. Versuch hat man die Feedback-Schleife geschlossen. Parameter minimal angepasst. Nächster Durchlauf.
Das Problem hierbei: Nicht nur ändern sich die gerade angepassten Parameter von Woche zu Woche, sondern es kommen ständig neue, unkalibrierte Parameter hinzu (das Hirn wächst). Die Lösung die letzte Woche gepasst hat, die wir uns gemerkt haben und jetzt wieder anwenden wollen macht das Problem, ausgedrückt durch kräftige Nutzung des Schreiorgans, nur größer. Die einzige Möglichkeit in dieser unglaublichen Anpassungsgeschwindigkeit ist entspannt und flexibel bleiben und weiter einfach ausprobieren was jetzt gerade, an diesem Tag, hilft. Das Argument “das hat doch letzte Woche noch funktioniert” zählt hier nicht – Die Entwicklung, das Hinzukommen neuer Neuronen, Parameter, Eigenschaften läuft einfach zu schnell ab. Abgeleitete Muster haben einfach eine zu kurze Halbwertszeit und können maximal als Startpunkt (seed point) für die nächste Iteration genutzt werden.
Hinzu kommt dann, dass die Stimmung der Babys ein extrem instabiles System darstellen. Wie ein weit ausgedünnter Turm des Partyspiels “Jenga”, der jeden Moment zusammenfallen kann. In der Modellierung mit Differentialgleichungen würden wir sagen, dass die Lösung nicht “stabil” ist, sie ist nicht im Gleichgewichtszustand – bei kleinster Störung (Pertubation) gerät das System aus dem Gleichgewicht und springt in einen anderen Zustand (schreien). Das heißt: Never touch a calm, sleeping, resting Baby. Wenn das Baby in einem ruhigen Zustand ist, dann am besten größere Störungen vermeiden oder wenn ein Zustandswechsel notwendig ist (z. B. vom Arm ins Bett legen), dann dies so sanft wie möglich machen. Der Übergang sollte smooth also differenzierbar sein :).
Und damit zurück zur Mathematik oder Physik. Dort suchen wir nach analytischen Lösungen, also nach exakten, geschlossenen Antworten für dynamische Systeme: Wenn A, dann B. Sauber hergeleitet, deterministisch, reproduzierbar. Aber im echten Leben – und besonders mit einem Baby – existiert diese Art von Lösung einfach nicht. Es gibt keine Gleichung, die dir vorhersagt, warum dein Kind genau jetzt schreit. Zumindest keine deterministischen Modelle. Vielleicht noch probabilistisch (“Ihn zu füttern hilft wahrscheinlich”), aber mehr auch nicht. Das ist kein Mangel an Wissen, sondern eine Eigenschaft des Systems. Die Realität ist zu komplex, zu dynamisch, zu kontextabhängig. Selbst wenn man theoretisch alle Variablen kennen würde, wäre das System kaum exakt lösbar. Was wir stattdessen haben, sind Heuristiken, Erfahrungswerte, und Intuition, die sich langsam aus Datenpunkten zusammensetzt.
Und wie alle Datenpunkte bringen auch die diese Daten-Erfahrungswerte immer “Noise”, also Ungenauigkeiten mit sich, die sich durch vermehrtes Probieren verringert. Durch wiederholtes Scheitern und leicht verbessertes Verhalten beim nächsten Versuch kommen wir der Lösung näher. Und irgendwann steigt die Trefferquote. Analytische Lösungen existieren vor allem in unseren Modellen. In der echten Natur dominiert Trial and Error. Evolution funktioniert so. Lernen und das Leben funktionieren so. Und Elternsein eben auch.